论文部分内容阅读
当前有许多用于预测模体的算法，但没有一种算法能有效地应用在所有场合。依据位置权重矩阵的模体模型，提出一种改进的吉布斯采样算法来识别模体。该算法有效地克服了吉布斯采样算法的局部收敛性，并且可以直观地控制预测模体的保守度。同时引入了模体库的概念，并通过分析模体库数据，提高了模体预测的灵活性和准确率。设计了仿真数据，并选择了已被生物实验验证过的模体数据，证实本算法的可行性和有效性。与当前常用的基于吉布斯采样改进的算法比较，本算法有效地提高了模体预测的准确性、灵活性和稳定性。