data_for_tan.m

bayes树的针对生物数据剪接位点识别的实现算法

function[train_t,train_f,test_t,test_f]=data_for_tan(trt,trf,tet,tef,l)

%trt为训练集正例个数
%trf为训练集反例个数
%tet为测试集正例个数
%tef为测试集反例个数
%l为窗口长度

%train_t为正例训练集
%train_f为反例训练集
%test_t为正例测试集
%test_f为反例测试集

YFun('don_true.txt',trt+tet,l,71,l);
YFun('don_false.txt',trf+tef,l,71,l);%序列长度为20000，窗口大小l，位点位置71
str_l=int2str(l);
truefilename=strcat('don_true','_',str_l,'.txt');
falsefilename=strcat('don_fals','_',str_l,'.txt');

fid1=fopen(truefilename);
if fid1<0             %打开文件不成功
    errordlg('读取正例数据文件有误');
	return;
else
    T=fscanf(fid1,'%s',[l,trt+tet]);
    fclose(fid1);
    T=T';
    for i=1:(trt+tet)
        for j=1:l
            if i<(trt+1)
                train_t(i,j)=T(i,j);
            else
                test_t(i-trt,j)=T(i,j);
            end
        end
    end
end

fid2=fopen(falsefilename);
if fid2<0             %打开文件不成功
    errordlg('读取反例数据文件有误');
	return;
else
    F=fscanf(fid2,'%s',[l,trf+tef]);
    fclose(fid2);
    F=F';
    for i=1:(trf+tef)
        for j=1:l
            if i<(trf+1)
                train_f(i,j)=F(i,j);
            else
                test_f(i-trf,j)=F(i,j);
            end
        end
    end
end