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 größerer Länge für die Verarbeitung verwendet, was eine große 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 Größe 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.
"synopsis" may belong to another edition of this title.
Seller: PBShop.store US, Wood Dale, IL, U.S.A.
PAP. Condition: New. New Book. Shipped from UK. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000. Seller Inventory # L0-9786208499372
Seller: PBShop.store UK, Fairford, GLOS, United Kingdom
PAP. Condition: New. New Book. Delivered from our UK warehouse in 4 to 14 business days. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000. Seller Inventory # L0-9786208499372
Quantity: Over 20 available
Seller: California Books, Miami, FL, U.S.A.
Condition: New. Seller Inventory # I-9786208499372
Seller: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Germany
Taschenbuch. Condition: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 56 pp. Deutsch. Seller Inventory # 9786208499372
Seller: AHA-BUCH GmbH, Einbeck, Germany
Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - 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 größerer Länge für die Verarbeitung verwendet, was eine große 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 Größe 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. Seller Inventory # 9786208499372
Seller: Books Puddle, Woodside, NY, U.S.A.
Condition: New. Seller Inventory # 26405070138
Seller: Majestic Books, Hounslow, United Kingdom
Condition: New. Print on Demand. Seller Inventory # 408116965
Quantity: 4 available
Seller: Biblios, Frankfurt am main, HESSE, Germany
Condition: New. PRINT ON DEMAND. Seller Inventory # 18405070128
Seller: CitiRetail, Stevenage, United Kingdom
Paperback. Condition: new. Paperback. Die Identifizierung der laengsten gemeinsamen Teilsequenz (LCS) biologischer Sequenzen hat bedeutende Anwendungen in der Bioinformatik. Aufgrund des zunehmenden Wachstums von Bioinformatik-Anwendungen werden neue biologische Sequenzen mit groesserer Laenge fuer die Verarbeitung verwendet, was eine grosse Herausforderung fuer sequenzielle LCS-Algorithmen darstellt. Es wurden zwar einige parallele LCS-Algorithmen vorgeschlagen, deren Effizienz und Effektivitaet sind jedoch angesichts der zunehmenden Komplexitaet und Groesse biologischer Daten nicht zufriedenstellend. Um die Einschraenkungen bestehender LCS-Algorithmen zu ueberwinden und unter Beruecksichtigung des MapReduce-Programmiermodells als vielversprechende Technologie fuer kostenguenstiges, leistungsstarkes Parallelcomputing wurde ein MapReduce-basierter Parallelalgorithmus fuer LCS entwickelt. Dieser Ansatz nutzt die Konzepte von Nachfolgertabellen, identischen Zeichenpaaren, Nachfolgerbaeumen und der Durchquerung von Nachfolgerbaeumen, um die laengste gemeinsame Teilsequenz zu finden. Zur Realisierung des MapReduce-Modells wird das Hadoop-Framework verwendet. This item is printed on demand. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability. Seller Inventory # 9786208499372
Quantity: 1 available
Seller: buchversandmimpf2000, Emtmannsberg, BAYE, Germany
Taschenbuch. Condition: Neu. This item is printed on demand - Print on Demand Titel. Neuware -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 größerer Länge für die Verarbeitung verwendet, was eine große 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 Größe 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.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 56 pp. Deutsch. Seller Inventory # 9786208499372