ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Genetic Modeling of Olive Frui...>الوصف

Genetic Modeling of Olive Fruit Using Clustering Technique

العنوان بلغة أخرى: نمذجة الجينات الوراثية لثمار الزيتون باستخدام تقنية العنقدة
المصدر: مجلة أبحاث كلية التربية الأساسية
الناشر: جامعة الموصل - كلية التربية الأساسية
المؤلف الرئيسي: الخياط، هالة نافع فتحي (مؤلف)
مؤلفين آخرين: الفخري، نعمة عبدالله (م. مشارك)
المجلد/العدد: مج19, ع1
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2023
الشهر: مارس
الصفحات: 685 - 707
ISSN: 1992-7452
رقم MD: 1392570
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EduSearch
مواضيع:
الجينات الوراثية | المحاصيل الزراعية | ثمار الزيتون
كلمات المؤلف المفتاحية:
Cluster | Fuzzy Cluster | FCM | Olive Fruit
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: التنقيب عن البيانات هو عملية تحليل كمية من البيانات وإيجاد العلاقات بينها. تلخص للحصول على نماذج رسومية يمكن التعرف عليها والاستفادة منها عبر استخدام مجموعة من الأدوات لاستخراج المعرفة من مكامنها دون وضع افتراضات مسبقة. يمثل البحث خطوة نحو توضيح مبدأ خوارزمية التجميع الغامض على المستويين العملي والنظري. تناول القسم النظري من البحث مفهوم جمع البيانات وأنواعها المختلفة، بالإضافة إلى شرح لألية عمل خوارزمية FCM. بينما تناول الجزء العملي، تطبيق خوارزمية FCM المجاورة. وتم اختيار ثمار الزيتون من الناحية العملية لما تتمتع به هذه الفاكهة من خصائص غذائية واقتصادية وتجارية، اعتمادًا على بعض الخصائص المتوفرة فيها، حيث إن تلك الخصائص تنتمي إلى أكثر من صنف في نفس الوقت. يتمثل عمل الخوارزمية في الكشف عن الالتباسات بين الأصناف قيد الدراسة ثم التمييز بينها. وكذلك معرفة أوجه التشابه بين أنواع الزيتون، الغرض منه هو توسيع المساحة الجغرافية لزراعة الزيتون وإيجاد أصناف هجينة جديدة ذات ميزات عالية الجودة. استخدم الباحثون لغة Python لتنفيذ الجانب العملي، وأثبتت الخوارزمية كفاءة عالية في تحديد الخصائص الجينية لثمار الزيتون في عينة البحث، وأهم ما توصل إليه البحث هو أن خوارزمية FCM كانت مرنة للغاية في التعامل مع مختلف أنواع البيانات ومعالجة البيانات غير المكتملة، فضلاً عن سلاسة التعامل مع الأنظمة والبرامج المختلفة.

Data mining is the process of analyzing a quantity of data and finding relationships between them. It is summarized to obtain recognizable and useful graphic models for its users through the use of a set of automated tools to extract knowledge from its potential without making prior assumptions. The study is a step towards clarifying the principle of the fuzzy assembly algorithm on the practical and theoretical levels. The theoretical section of the research dealt with the concept of data collection and its different types, in addition to an explanation of the FCM method. While the practical part, deal with the selection of the adjacent FCM method. And the olive fruits were chosen in the practical aspect because of the nutritional, economic and commercial characteristics of this fruit, depending on some of the characteristics available in it, as those characteristics belong to more than one variety at the same time. The work of the algorithm is to detect ambiguities between the varieties under study and then distinguish between them. As well as knowing the similarities between them to determine the extent of similarity between the types of olives. Its purpose is to expand the geographical area of olive cultivation and to find new hybrid varieties that have high-quality features. The researchers used the Python language to implement the practical side, and the algorithm proved highly efficient in determining the genetic characteristics of olive fruits in the research sample, The most important finding of the research is that the FCM algorithm was very flexible in dealing with different types of data and incomplete data processing, as well as its smoothness in dealing with different systems and programs.
ISSN: 1992-7452

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.