• Open Daily: 10am - 10pm
    Alley-side Pickup: 10am - 7pm

    3038 Hennepin Ave Minneapolis, MN
    612-822-4611

Open Daily: 10am - 10pm | Alley-side Pickup: 10am - 7pm
3038 Hennepin Ave Minneapolis, MN
612-822-4611
MapReduce-basierter Ansatz für die längste gemeinsame Teilsequenz in BioSequenzen

MapReduce-basierter Ansatz für die längste gemeinsame Teilsequenz in BioSequenzen

Paperback

General Computers

ISBN10: 6208499372
ISBN13: 9786208499372
Publisher: Verlag Unser Wissen
Published: Sep 22 2025
Pages: 56
Weight: 0.19
Height: 0.13 Width: 6.00 Depth: 9.00
Language: German
Die Identifizierung der längsten gemeinsamen Teilsequenz (LCS) biologischer Sequenzen hat bedeutende Anwendungen in der Bioinformatik. Aufgrund des zunehmenden Wachstums von Bioinformatik-Anwendungen werden neue biologische Sequenzen mit grö erer Länge für die Verarbeitung verwendet, was eine gro e Herausforderung für sequenzielle LCS-Algorithmen darstellt. Es wurden zwar einige parallele LCS-Algorithmen vorgeschlagen, deren Effizienz und Effektivität sind jedoch angesichts der zunehmenden Komplexität und Grö e biologischer Daten nicht zufriedenstellend. Um die Einschränkungen bestehender LCS-Algorithmen zu überwinden und unter Berücksichtigung des MapReduce-Programmiermodells als vielversprechende Technologie für kostengünstiges, leistungsstarkes Parallelcomputing wurde ein MapReduce-basierter Parallelalgorithmus für LCS entwickelt. Dieser Ansatz nutzt die Konzepte von Nachfolgertabellen, identischen Zeichenpaaren, Nachfolgerbäumen und der Durchquerung von Nachfolgerbäumen, um die längste gemeinsame Teilsequenz zu finden. Zur Realisierung des MapReduce-Modells wird das Hadoop-Framework verwendet.

Also in

General Computers