换一批KL距离的变长马尔可夫模型识别人类剪接位点
The Human Splice Sites Prediction Using Variable Length Markov Model with KL Divergence
摘要针对传统基因剪接位点识别方法具有所用到的序列长,且参数多的问题,论文提出了一种基于KL距离的变长马尔可夫模型（Kullback Leibler divergence-variable length Markov model,KL-VLMM）.该模型在变长马尔可夫模型的基础上进行改进,由KL距离代替原来的概率比值来判断序列扩展的方向,有效地提高了特征序列的识别能力,且模型阶数由二阶降为一阶,降低了算法的空间复杂度.利用人类剪接位点数据库N269,对该模型和其他传统方法的识别性能进行了比较.实验结果表明,采用KL-VLMM方法预测人类基因剪接位点的预测效果更好.
更多相关知识
- 浏览18
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
