7、隐马尔可夫模型与起始密码子识别

隐马尔可夫模型与起始密码子识别

1. 隐马尔可夫模型基础

1.1 TProb 函数

TProb 函数用于计算整个序列的概率。它接收隐马尔可夫模型（HMM）和测试字符串作为输入，从起始节点开始搜索。以下是该函数的代码：

# hmm.py
def TProb( net , instr ):
    L = len( instr )
    pbs = 1.0
    k = 'begin '
    for i in range( L ):
        tran = NextNode( net ,k,instr[i])
        k = tran [0]
        pbs *= tran [1]
    return pbs

print( hmm.TProb(net ,'ABD'))

这个函数通过一个 for 循环遍历输入序列的每个字母，使用 NextNode 函数获取转移概率并将它们相乘。

1.2 构建转移 HMM

构建转移 HMM 是一个两步过程：首先创建节点，然后创建节点之间的连接。

1.2.1 创建节点表

NodeTable 函数用于创建一个表来识别网络中的节点。它接收数据字符串列表和字母表作为参数。以下是该函数的代码：

# hmm.py
def NodeTable( sts , abet):
    L = len( sts )
    D = len( sts [0] )
    A