2009/06/23 15:24
One of the randomized algorithms.
Outline of Gibbs Sampling
1) k 개의 시퀀스가 있을 때, 이들로 부터 난수적으로 시작 위치의 k-튜플을 만든다.
2) k 개의 시퀀스에서 가장 유사한 지역을 해당 시작위치로 하여 모티프를 생성한다.
3) 임의의 시퀀스, s, 를 k개 시퀀스중에 선택한다.
4) s의 모든 시작위치로부터 l-mer를 추출하여 이 l-mer와 2번 단계에서 생성한 모티프를 비교하여 그 유사도를 평가한다.
5) 평가된 유사도를 (p1, p2, p3, …, pn) where n=length of the sequence - l + 1 로 나열한다. 이때, p1, p2, p3, …, pn 은 non increasing 으로 나열함.
6) 5에서 만든 유사도의 분포에 따라 난수적으로 임의의 유사도를 선택한다.
7) 선택한 유사도를 갖는 s 내 시작위치를 가지고 2에서 생성한 모티프를 갱신한다.
8) 3번으로 until the motif converge.
이와 같은 절차를 수행할 때 중요한건 motif 가 converge하는가하는 문제임… (복잡하다고 함)
'Machine Learning' 카테고리의 다른 글
| Dendrogram (0) | 2009/09/07 |
|---|---|
| Majorization (0) | 2009/09/04 |
| 군집화 (0) | 2009/09/04 |
| Gibbs Sampling algorithm (0) | 2009/06/23 |
| Support Vector Machine(SVM) (0) | 2009/03/12 |
| Bias-variance dilemma (0) | 2009/03/12 |
TAG Gibbs sampling
