一种寻找最近子串的快速种子集求精算法.pdfVIP

第43卷第5期 计算机科学 V01．43No．5 2016年5月 Science Mav2016 Computer 一种寻找最近子串的快速种子集求精算法 张懿璞茹锋王飚 (长安大学电子控制与工程学院 西安710064) 摘要寻找序列中的最近子串对挖掘基因中特殊的功能位点和了解基因调控关系有着重要意义。提出了一种新的 基于种子集求精的改进的期望最大化算法SCEM来对基因序列中的最近子串进行寻找。通过对输入序列聚类，将数 据集分解为若干种子集，再使用改进的期望最大化算法对各种子集进行求精，SCEM最终可寻找到序列中的最近子 串。真实数据和模拟数据实验表明，SCEM算法可以寻找到真实的最近子串，与随机投影等流行算法相比也能保证较 高的性能和效率，并且可以有效解决较长的最近子串寻找问题。 关键词最近子串，种子集，聚类求精，期望最大化 中图法分类号TP301．6文献标识码A DOl10．1 1002—137X2016．5．049 1896／j．issru FastSeedSetRefinementforClosest Algorithm SubstringsDiscovery ZHANGRU WANGBiao Yi—pu Feng (SchoolofElectronicsandControl Engineering，Chang’anUniversity．Xi’an710064，China) Abstract theclosest in is for substringssequencescrucial the functionalsitesin andun— Finding miningspecific gene the anovel SCEMbasedontheim— derstandinggeneregulatoryrelationship．Thispaperproposedalgorithmnamely maximizationoftheseedsets provedexpectation algorithm refinement．SCEMdividesthedatasetintoa seriesofseed sets the usesthe EM these and clustering torefine seedsets findstheclo— by inputsequences，thenimprovedalgorithm sest therealdatasetsandthesimulateddatasetsdemonstratour canfind substringsfinally．Experimentsusing algorithm therealclosest andhasthe and withthe