Facebook Twitter Gplus LinkedIn E-mail RSS
magnify
magnify
Home Modele de fond
formats

Modele de fond

La soustraction de fond est généralement basée sur une hypothèse de fond statique qui n`est souvent pas applicable dans les environnements réels. Avec des scènes intérieures, des réflexions ou des images animées sur les écrans mènent à des changements de fond. De même, en raison des changements de vent, de pluie ou d`illumination apportés par la météo, les méthodes statiques d`arrière-plan ont des difficultés avec des scènes extérieures. [1] un modèle d`arrière-plan de l`ordre 2 par exemple (Fig. 2), aura comme première entrée sur la première rangée PR (A | AA), la probabilité d`avoir un nucléotide A étant donné les deux nucléotides précédents sont AA dans la séquence, suivie de PR (C | AA), PR (G | AA) et PR (T | AA). La deuxième ligne décrit PR (A | AC), PR (C | AC), PR (G | AC), PR (T | AC) et ainsi de suite jusqu`à la 16e rangée décrivant PR (A | TT), PR (C | TT), PR (G | TT), PR (T | TT). En supposant que le jeu de données de séquences d`entrée fourni à CreateBackgroundModel est également destiné à la détection de motif (MotifSampler ou MotifLocator), l`ordre par défaut du modèle d`arrière-plan a été défini sur l`ordre 1 et l`ordre maximal est limité à 4. L`ordre par défaut 1 donne une description plus précise que le SNF le plus couramment disponible. Les modèles d`ordre 2 ou supérieur ne seront bénéfiques que pour la détection de motifs si le jeu de données de séquences fourni à CreateBackgroundModel est suffisamment long. La raison en est que les séquences courtes ne peuvent décrire qu`un sous-ensemble des oligonucléotides qui couvrent la matrice de transition de l`ordre supérieur, ce qui entraîne de nombreuses entrées de matrice zéro. Dans ce cas, la matrice de transition d`ordre supérieur ne décrit pas exactement un code non fonctionnel de génomes ou peut même être biaisée vers un signal fonctionnel ou de codage surreprésenté si tel est présent dans le jeu de données de séquences courtes.

Dans les nombres abstraits, quand vous avez N séquences de longueur L, il y a N x (L-`o`) oligonucléotides de longueur`o` + 1 possible. Pour avoir une matrice de transition avec des valeurs fiables, le nombre d`oligonucléotides doit être suffisamment supérieur à 4 x Power (`o`, 4), qui est le nombre de valeurs dans la matrice de transition qui modélise l`arrière-plan. Le dernier paramètre-n définit le nom de l`organisme dans lequel s`applique le modèle d`arrière-plan. Ce nom est uniquement pour vos propres informations pour stocker le modèle calculé pour une utilisation ultérieure. Le nom sera copié dans le champ #Organism du fichier OutputFile. Après la période de formation pour chaque nouvelle trame, chaque valeur de pixel est comparée à la valeur en entrée des fonds précédemment calculés. Si le pixel d`entrée se trouve dans un seuil, le pixel est considéré comme correspondant au modèle d`arrière-plan et sa valeur est incluse dans le pixbuf. Sinon, si la valeur est en dehors de ce pixel de seuil est classée comme premier plan, et non incluse dans la mémoire tampon. On a trouvé que les ensembles d`entrée étaient sensiblement proches (p < 0,012) dans un espace de voie selon un modèle de fond conservateur généré par 1 000 permutations des données (Paull et coll., 2013), où chaque ensemble d`entrée (régulateurs kinase, régulateurs transcriptionnels, modifications génomiques) a été échangé avec des gènes de connectivité réseau similaire tandis que les deux autres ont été corrigés. Pour chaque valeur de k, les probabilités des k-mers doivent être additionnà © es ã environ 1,0 (les petites allocations pour arrondir sont faites). Pour définir un modèle de Markov cohérent, il est nécessaire que, pour chaque valeur de k, la somme des probabilités des k-mers dont le suffixe est un k-1-mer particulier devrait approximativement égale la probabilité de ce k-1-mer, comme indiqué dans le fichier.

Plusieurs enquêtes qui concernent des catégories ou sous-catégories de modèles peuvent être trouvées comme suit: contenu de la page: introduction l`algorithme CreateBackgroundModel sortie à l`utilisateur évaluation de la sortie la détection de premier plan est l`une des tâches majeures dans le domaine de vision de l`ordinateur et le traitement d`image dont le but est de détecter les changements dans les séquences d`images.

 
 Share on Facebook Share on Twitter Share on Reddit Share on LinkedIn