一种用于模体预测的改进吉布斯采样算法

摘要

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.