通过调和贪婪三元组实现演化树的可证明快速且准确的恢复
数据结构与算法
2007-05-23 v1 机器学习
摘要
我们给出一种基于终端物种三元组上某种调和平均值的贪婪学习算法，用于重建演化树。该算法在从序列数据估计终端物种之间的两两距离后，以 O(n^2) 的时间运行，使用 O(n) 的工作空间，其中 n 为终端物种的数量。这些时间和空间复杂度在输入距离矩阵大小为 n^2 且输出树大小为 n 的意义上是最优的。此外，在演化的 Jukes-Cantor 模型下，该算法使用多项式长度的样本序列，以高概率恢复正确的树拓扑结构，该序列长度是关于 (1) n、(2) 错误概率的对数以及 (3) 两个小参数的倒数。
引用
@article{arxiv.cs/0011038,
title = {Provably Fast and Accurate Recovery of Evolutionary Trees through Harmonic Greedy Triplets},
author = {Miklos Csuros and Ming-Yang Kao},
journal= {arXiv preprint arXiv:cs/0011038},
year = {2007}
}
备注
The paper will appear in SIAM Journal on Computing