因子复杂度 与 阿贝尔复杂度区别

因子复杂度

因子复杂度算法的概念来自“字符串的代数组合”，在自然语言处理，模块识别 和密码理论等领域有着广泛的应用。简单来说，因
子复杂度算法通过分析子字符串的组合获取字符串的特征，该特征的主要特征是子字符串组合的复杂度以及拓扑熵。 下面给出因子复杂度的具体算法。对于一个字母表 &，& ={ A T C G }
假定一条基于字母表&的序列|W|，它的长度为 |W|。

我们知道，计算拓扑熵并不容易，因为拓扑熵算法随着有限长度序列的长度变化而变化。 因此，我们以 100 bp 长度的序列为例，阐述拓扑熵的算法。首先获取到 100 bp 长度序列的因子复杂度函数，观察该因子复杂度函数的函数图像可以发现，前 7 维的因子复杂度函数值呈指数水平递增，在第 7 维特征达到顶峰，然后数值缓慢线性下降。值得一提的是，拓扑熵本身就是与因子复杂度特征的非线性变化有关系，因此需要关注的是这前 7 维的因子复杂度特征。 Koslicki（Koslicki 2011） 等提出了选择拓扑
熵的公式如下：