如何在 MATLAB 中实现不匹配核函数？
How to implement a mismatch kernel function in MATLAB?
有谁知道如何找到不匹配的子序列模式？
对于不匹配核函数，允许m个不匹配。例如'tool'有3个3-grams（'too'、'ool'），不匹配核函数会算
'aoo','boo',...,'zoo','tao'...'tzo','toa'...'toz', .... 当 m 为 1 时。
具体解释见http://www.cs.columbia.edu/~cleslie/cs4761/papers/string-kernel-slides.pdf
请参阅第 12-17 页
如何编写可以计算此指标的 MATLAB 函数？
非常感谢。
我要提出的解决方案实际上是基于蛮力方法（没有花哨的不匹配树）。
如果你处理的是核苷酸，你只有 4 个符号，这很好，但是对于大字母表 and/or 和 k 的大值来说，它可能会非常耗费内存。
好消息是它不包含任何循环并且每个语句都是矢量化的，所以它运行得非常快。
首先，我想你知道如何select k-mers；如果不是，建议的解决方案 here（gnovice 的函数 n_gram()）非常有效。
我不喜欢 "n-gram"，我更喜欢 "k-mers"，所以我将在下文中使用它来表示长度为 k.
的子字符串
其次，让我们声明一些变量：
m=1; k=3;
alphabet='abcdefghijklmnopqrstuvwxyz';
kmerUT='too';
其中 m 是距离（如幻灯片中所示），alphabet 是不言自明的（是所有可能值的集合），kmerUT 是 k -mer 待测（即我们要计算其距离的 k-mer），k 是 k-mer 的长度。
第三，让我们从alphabet:
计算k个符号的所有可能组合
C = cell(k, 1); %// Preallocate a cell array
[C{:}] = ndgrid(alphabet); %// Create K grids of values
combs = cellfun(@(x){x(:)}, C); %// Convert grids to column vectors
combs = sortrows([combs{:}]); %// Obtain all permutations
此代码段按顺序预先分配了一个包含 k 个单元格的单元格数组。在第二个表达式之后，在这 3 个单元格中将有 alphabet 和 "different period" 的值（第一个单元格：abcdefh... ；第二个单元格有 26 次a, 26 次 b 等等；第 3 个单元格有 2*26 次 a, 2* 26 次 b 等等...）用“26”因为它们是字母表中的字母。最后一行将元胞数组 C 展开为矩阵，然后按字母顺序对组合进行排序。归功于 Eithan T.
注意：如果在此步骤后运行内存不足（就内存而言，这是最昂贵的），您也可以删除元胞数组C 来自主内存，这要归功于命令 clear C。从现在开始我们不需要这样的变量。
第四，将combs中的每一行与目标k-mer进行比较：
fun=@(a,b) (a~=b);
comparisons=bsxfun(fun,combs,kmerUT);
所以我们声明一个函数 fun 只是 returns 一个逻辑向量 1 在位置 j if a和 b 在位置 j 上不同，然后将（感谢 bsxfun()）这样的函数应用到 combs 中的所有行。换句话说，我们将每一行与被测 k-mer 进行比较。 comparisons 因此将是一个逻辑矩阵，其中每一行都是此类比较的结果。
注意：combs 是另一个可能占用大量内存的变量。因为我们从现在开始不需要它，你也可以 clear combs.
第五，计算每个测试组合的不等符号数：
counter=sum(comparisons,2);
将 comparisons 作为 1 和 0 的矩阵，可以简单地对每一行求和以获得每行 1 的数量（即每行不同符号的数量）。
注意：counter是一个大小为card(alphabet)^k的向量，其中card(alphabet) 是 alphabet 中值的个数，因为它必须包含所有可能组合的值。在某些情况下，这样的向量可能会很大，并且考虑到此类向量中的每个项目都占用 8 个字节，整个向量可能会占用大量内存。现在，如果您已经清除了 C 和 combs 这应该不是问题，但为了完整起见，您可能希望使用整数类型来转换 counter每个项目 8 个字节。有关 Matlab 中数值类型的更多信息，请参见 here。
六、统计m内与kmerUT不匹配的组合数：
result=sum(counter<=m);
有谁知道如何找到不匹配的子序列模式？
对于不匹配核函数，允许m个不匹配。例如'tool'有3个3-grams（'too'、'ool'），不匹配核函数会算 'aoo','boo',...,'zoo','tao'...'tzo','toa'...'toz', .... 当 m 为 1 时。 具体解释见http://www.cs.columbia.edu/~cleslie/cs4761/papers/string-kernel-slides.pdf 请参阅第 12-17 页
如何编写可以计算此指标的 MATLAB 函数？
非常感谢。
我要提出的解决方案实际上是基于蛮力方法（没有花哨的不匹配树）。
如果你处理的是核苷酸，你只有 4 个符号，这很好，但是对于大字母表 and/or 和 k 的大值来说，它可能会非常耗费内存。
好消息是它不包含任何循环并且每个语句都是矢量化的，所以它运行得非常快。
首先，我想你知道如何select k-mers；如果不是，建议的解决方案 here（gnovice 的函数 n_gram()）非常有效。
我不喜欢 "n-gram"，我更喜欢 "k-mers"，所以我将在下文中使用它来表示长度为 k.
其次，让我们声明一些变量：
m=1; k=3;
alphabet='abcdefghijklmnopqrstuvwxyz';
kmerUT='too';
其中 m 是距离（如幻灯片中所示），alphabet 是不言自明的（是所有可能值的集合），kmerUT 是 k -mer 待测（即我们要计算其距离的 k-mer），k 是 k-mer 的长度。
第三，让我们从alphabet:
k个符号的所有可能组合
C = cell(k, 1); %// Preallocate a cell array
[C{:}] = ndgrid(alphabet); %// Create K grids of values
combs = cellfun(@(x){x(:)}, C); %// Convert grids to column vectors
combs = sortrows([combs{:}]); %// Obtain all permutations
此代码段按顺序预先分配了一个包含 k 个单元格的单元格数组。在第二个表达式之后，在这 3 个单元格中将有 alphabet 和 "different period" 的值（第一个单元格：abcdefh... ；第二个单元格有 26 次a, 26 次 b 等等；第 3 个单元格有 2*26 次 a, 2* 26 次 b 等等...）用“26”因为它们是字母表中的字母。最后一行将元胞数组 C 展开为矩阵，然后按字母顺序对组合进行排序。归功于 Eithan T.
注意：如果在此步骤后运行内存不足（就内存而言，这是最昂贵的），您也可以删除元胞数组C 来自主内存，这要归功于命令 clear C。从现在开始我们不需要这样的变量。
第四，将combs中的每一行与目标k-mer进行比较：
fun=@(a,b) (a~=b);
comparisons=bsxfun(fun,combs,kmerUT);
所以我们声明一个函数 fun 只是 returns 一个逻辑向量 1 在位置 j if a和 b 在位置 j 上不同，然后将（感谢 bsxfun()）这样的函数应用到 combs 中的所有行。换句话说，我们将每一行与被测 k-mer 进行比较。 comparisons 因此将是一个逻辑矩阵，其中每一行都是此类比较的结果。
注意：combs 是另一个可能占用大量内存的变量。因为我们从现在开始不需要它，你也可以 clear combs.
第五，计算每个测试组合的不等符号数：
counter=sum(comparisons,2);
将 comparisons 作为 1 和 0 的矩阵，可以简单地对每一行求和以获得每行 1 的数量（即每行不同符号的数量）。
注意：counter是一个大小为card(alphabet)^k的向量，其中card(alphabet) 是 alphabet 中值的个数，因为它必须包含所有可能组合的值。在某些情况下，这样的向量可能会很大，并且考虑到此类向量中的每个项目都占用 8 个字节，整个向量可能会占用大量内存。现在，如果您已经清除了 C 和 combs 这应该不是问题，但为了完整起见，您可能希望使用整数类型来转换 counter每个项目 8 个字节。有关 Matlab 中数值类型的更多信息，请参见 here。
六、统计m内与kmerUT不匹配的组合数：
result=sum(counter<=m);