Bild 1 von 1

Standardbild

Dynamische Programmierung: Needleman-Wunsch-Algorithmus, Earley-Algorithmus, Hir - Bild 1 von 1

Dynamische Programmierung (Taschenbuch)

Buchpark (86168)

98,2% positive Bewertungen

Preis:

€ 10,81

(inkl. MwSt.)

Gratis 3-Tage-Lieferung - Sendungsverfolgung

Lieferung zwischen Do, 24. Jul und Fr, 25. Jul

Rücknahme:

30 Tage Rückgabe. Käufer zahlt Rückversand. Wenn Sie ein eBay-Versandetikett verwenden, werden die Kosten dafür von Ihrer Rückerstattung abgezogen. Für eBay Plus-Mitglieder ist der Rückversand im Inland kostenlos. Mehr erfahren.

Artikelzustand:

Sehr gut

Diese können Stempel oder ähnliches der jeweiligen Bibliothek enthalten. Cover-Abweichungen durch Behandlung der Bibliothek möglich. (Neubindung, Kleber, Umschläge oder ähnliches). Den Zustand der Ware versuchen wir so gut wie möglich zu beschreiben.

Sammeln Sie 11 Punkte | Mehr erfahrenzu eBay Plus-Punkten - wird in neuem Fenster oder Tab geöffnet

Über dieses Produkt

Produktinformation

Quelle: Wikipedia. Seiten: 24. Kapitel: Needleman-Wunsch-Algorithmus, Earley-Algorithmus, Hirschberg-Algorithmus, Levenshtein-Distanz, Zuker-Algorithmus, Baeza-Yates-Gonnet-Algorithmus, Cocke-Younger-Kasami-Algorithmus, Smith-Waterman-Algorithmus, Nussinov-Algorithmus, Rucksackproblem, Viterbi-Algorithmus, Bellman-Algorithmus, Gotoh-Algorithmus, Algorithmus von Floyd und Warshall, Matrix-Kettenmultiplikation, Dynamic-Time-Warping, Optimalitätsprinzip von Bellman, Forward-Algorithmus, Sankoff-Algorithmus, Backward-Algorithmus. Auszug: Der Needleman-Wunsch-Algorithmus ist ein Verfahren der Bioinformatik. Er wird für den Vergleich zweier Sequenzen (häufig zweier DNA- oder Aminosäuresequenzen) genutzt. Hierfür ermittelt er das globale Alignment, d. h. eine Zuordnung der Teilbereiche einer der Sequenzen auf möglichst ähnliche Bereiche der anderen, und eine Bewertung der Gesamtähnlichkeit, den global optimalen Similarity-Score. Er verwendet die Methode der dynamischen Programmierung. Der Needleman-Wunsch-DP-Algorithmus berechnet in einer Matrix für alle Paare von möglichen Präfixen der Sequenzen a und b den optimalen globalen Similarity-Alignment-Score. Das Element der Matrix enthält den optimalen Score für das optimale globale Alignment der Teilsequenz von a und von b. Die Schreibweise entspricht dem i-ten Praefix von a. Wenn m die Sequenzlänge von a bzw. n die Sequenzlänge von b bezeichnet, dann enthält die Score-Matrix M Zeilen und Spalten. Der Alignment-Score der vollständigen Sequenzen ist nach der Ausführung des Algorithmus in enthalten. Die Score-Matrix wird rekurrent berechnet. Für das Element (i,j) der Matrix M wird über drei Fälle maximiert. Die Erweiterung des bisherigen Alignments der Sequenzen und um ein Match bzw. Mis-Match, entspricht der Addition des zuvor berechneten Scores aus und der Kosten für die Ersetzung von zu . Die Erweiterung eines schon berechneten Aligments um eine abschließende Löschung, entspricht der Addition der allgemeinen Gap-Kosten der Länge der Löschung zu dem Score des optimalen Alignments der Sequenzen und , wobei die Länge der Löschung bezeichnet. Analog zur Löschung entspricht die Erweiterung eines optimalen Alignments der Sequenzen und um eine abschließende Einfügung der Addition des Scores dieses Alignments und der Gap-Kosten für die Länge der Einfügung. Der maximale Wert dieser drei Alternativen wird im Element gespeichert. Die Gap-Kostenfunktion kann allgemein sein. D.h. es wird nicht vorausgesetzt, dass einheitliche Kosten oder Affine-Gap-Kosten verwendet w