Aunque se han propuesto algunos algoritmos paralelos MLCS, la eficiencia y la eficacia de los algoritmos no son satisfactorias con el aumento de la complejidad y el tamaño de los datos biológicos. Para superar las deficiencias de los algoritmos MLCS existentes, y teniendo en cuenta que el marco paralelo MapReduce de la computación en nube es una tecnología prometedora para la computación paralela rentable de alto rendimiento, se propone un nuevo autómata finito (FA) basado en la computación en nube llamado FACC bajo el marco paralelo MapReduce, con el fin de explotar un algoritmo MLCS paralelo general más eficiente y eficaz. FACC adopta las ideas de pares emparejados y autómata finito mediante el preprocesamiento de secuencias, la construcción de tablas sucesoras y el autómata finito de subsecuencias comunes para buscar MLCS. Se han realizado experimentos de simulación con un conjunto de puntos de referencia de secuencias reales de ADN y aminoácidos, y los resultados muestran que el algoritmo FACC propuesto supera al actual algoritmo MLCS paralelo líder FAST-MLCS.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículos:
Reducción de atributos sensible a los costes de prueba de datos con errores de medición de distribución normal
Artículos:
Un Algoritmo de Búsqueda de Cucú Coevolutivo Cooperativo para Problemas de Optimización
Artículos:
Un Método Mixto Expandido con una Característica Innovadora para Problemas de Reacción-Convección-Difusión
Artículos:
Análisis del modelo sobre el efecto de los factores estacionales en la dinámica de transmisión de la malaria.
Artículos:
Estimación del conjunto alcanzable para sistemas inciertos de saltos markovianos con retardo variable en el tiempo y perturbaciones.
Artículos:
Compuestos bioactivos de microalgas rojas con valor terapéutico y nutricional
Artículos:
Enfoque de aplicación ágil con Scrum, Lean y Kanban
Artículos:
Arquitectura de software orientada a la creación de micromundos para la enseñanza y el aprendizaje
Artículos:
Perspectivas sobre datos masivos y analítica de datos masivos