科研之友
微信
新浪微博
Facebook
分享链接
摘要
表型组学涵盖面广、涉及理化性质多，数据有多态性、时效性、数据量大和高维度、高复杂性、高度不确定性的特征。机器学习作为人工智能的重要组成部分，是近年高通量方面的研究热点。植物表型研究与机器学习有效结合不仅可以扩大表型数据量级，还可以挖掘从分子、组织、个体到群体的所有层次植物表型，促进植物研究快速发展。研究以机器学习分类和机器学习在植物表型研究中的应用为出发点，介绍机器学习基本流程，比较众多机器学习算法应用的优缺点，概述国内外最新机器学习在表型组学中的研究热点，探讨植物表型与机器学习未来发展趋势。
- 单位
