序列比对与 A* 示例 这是使用 A* 路径查找来加速动态规划算法的示例，在本例中是序列比对问题，Levenshtein 距离是其中的一个特定实例。 O(n * e^2)与标准的 Levenshtein 距离算法不同，它运行的时间类似于n输入长度和e编辑距离的时间。它通过使用像 A* 这样的启发式算法来仅探索沿网格对角线的有希望的状态，而不是整个O(n^2)网格。 对于具有少量编辑的大文件，它比O(n^2)它所基于的简单动态编程算法要快得多，但仍然比专门的和高度优化的全局序列比对程序（如Edlib ）慢得多。不同之处在于我在两个小时内编写了这个，它有 150 行代码，包括测试、调试例程和示例。 它是用 Rust 编写的，包含两个示例程序： seqalign：读取 FASTA 格式的基因序列文件并打印对齐距离。 seqalign_plain：读取两个纯文本文件并打印对齐距离。

第二章核酸数据库及核酸序列的分析(第五构建进化树)

第十四章 提交DNA序列到数据库

matab m序列仿真真正的m序列

还提供了一个用于区分列表的功能，该功能利用了 LIS 算法。

m序列是最长线性反馈移位寄存器序列的简称，它是由带线性反馈的移位寄存器产生的周期最长的一种伪随机序列。是由移位寄存器、反馈抽头及模2加法器组成。m序列一旦反馈多项式及移位寄存器初值给定，则就是可以预先确定并且可以重复实现的序列，该特点使得m序列在数据白噪化、去白噪化、数据传输加密、解密等通信、控制领域使用广泛。因此，深入学习研究m序列具有重要的实际意义。

1.领域：matlab，LSTM深度学习网络 2.内容：基于LSTM深度学习网络的时间序列预测matlab仿真+操作视频 3.用处：用于LSTM深度学习网络编程学习 4.指向人群：本硕博等教研学习使用 5.运行注意事项： 使用matlab2021a或者更高版本测试，运行里面的Runme_.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。

数据是单维一例的，基于时间节点的预测，matlab出图，程序包含LSTM程序单独运行、SSA-LSTM程序运行、两种程序对比。前70%训练，后面30%预测，大约有2000个数据，代码有详细说明，可供调整学习。

完整的例程通过Visual C++把YUV格式的视频序列读取出来，并在屏幕上显示出来，此例程中用到了线程的操作，这个对学习如何显示视频文件提供了很好的学习帮助

u-boot的board_init_f函数执行序列的功能分析