R语言 GraphAlignment包 ComputeLinkParameters()函数中文帮助文档(中英文对照)

loveR

ComputeLinkParameters(GraphAlignment)
ComputeLinkParameters()所属R语言包：GraphAlignment

                                        Compute link parameters
                                         计算链路参数

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Compute the optimal scoring parameters (link score) for a given alignment.
计算一个给定的对齐的最佳得分参数（链接得分）。


用法----------Usage----------


ComputeLinkParameters(A, B, P, lookupLink, clamp=TRUE)



参数----------Arguments----------

参数：A
adjacency matrix for network A
邻接矩阵为网络A


参数：B
adjacency matrix for network B
网络B的邻接矩阵


参数：P
permutation vector (see InitialAlignment, AlignNetworks)
置换向量（见InitialAlignment，AlignNetworks）


参数：lookupLink
link bin lookup table (see GetBinNumber)
链接斌查找表（见GetBinNumber）


参数：clamp
clamp values to range when performing bin lookups
钳位值范围时执行的bin查找


Details

详情----------Details----------

This function computes optimal link score parameters for use with ComputeM and AlignNetworks. It takes two matrices as well as an initial alignment P and the lookup table for link binning, lookupLink, as parameters.
此函数计算与使用ComputeM和AlignNetworks的最佳链接得分的参数。它需要两个矩阵以及初始对准P和链路分级，lookupLink查找表，作为参数。


值----------Value----------

The return value is a list containing the self link score matrix (lsSelf) and the link score matrix (ls).
返回值是一个列表，其中包含的链接得分的自我矩阵（lsSelf）的链接得分矩阵（LS）。


作者（S）----------Author(s)----------


Joern P. Meier, Michal Kolar, Ville Mustonen, Michael Laessig, and Johannes Berg



举例----------Examples----------


  ex<-GenerateExample(dimA=22, dimB=22, filling=.5, covariance=.6,
    symmetric=TRUE, numOrths=10, correlated=seq(1,18))
  
  pinitial<-InitialAlignment(psize=34, r=ex$r, mode="reciprocal")
  
  lookupLink<-seq(-2,2,.5)
  linkParams<-ComputeLinkParameters(ex$a, ex$b, pinitial, lookupLink)

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。