Применение кластерного анализа значительно расширяет возможности построения селекционных индексов на научной основе и создает объективные предпосылки повышения эффективности селекционной работы. Кластерный анализ позволяет сгруппировать исходные признаки в достаточно однородные совокупности (кластеры), внутри которых корреляция выше, чем между ними. Такие кластеры рассматриваются как независимые, что допускает их последующий раздельный анализ. Таким образом, достигается расчленение исследуемого фенотипа на отдельные подсистемы без искажения их сущности. Теперь, если в каждой подсистеме выделить один определяющий признак, тесно коррелирующий с остальными признаками кластера, то совокупность таких признаков можно с достаточной достоверностью принять в качестве исходных признаков для построения селекционного индекса. Следовательно, кластеризацию можно рассматривать как первый этап на пути построения индексной оценки задачи с высокой размерностью.
展开▼
