2. PREVIOUS AND RELATEDWORKSeveral

2. PREVIOUS AND RELATEDWORK
Several consensus tree methods have already been proposed,
see [3] for a good overview and comparison. Unfortunately,
most methods have the drawback of being relatively
strict, e.g. restricting the consensus tree to common
substructures, and that the used tree metric is often coarsegrained,
nally producing a quite poorly resolved or less
intuitive solution tree. Prominent examples are the strict
and majority consensus methods operating on clusters. A
cluster is a subset of the set of taxa which contains all the
descendants of its most recent common ancestor. The strict
consensus method only retains clusters common to all input
trees and the majority consensus method those appearing in
more than half of them. The latter method can be regarded
as a median method minimizing the number of non-common
clusters, i.e. minimizing with respect to the symmetric dis-
tance metric. Further to mention is that the classical methods
do not make use of any sophisticated search procedures
and rely, if at all, on simple greedy approaches (e.g. the
greedy consensus tree method available in PHYLIP [9]).
A recently proposed tree similarity measure, the Tree-
Rank measure [23], originally introduced to handle database
queries for similar trees1, allows for more sophisticated procedures
due to its ne granularity. This measure utilizes the
quadratic Up matrix U which states for each pair of taxa
(a; b) the number U[a; b] of necessary up-traversals to reach
from taxon a the least common ancestor of both taxa; see
Figure 2 for an example. It can be derived in O(jLj2) [23].
The authors also dened the Down matrix D in an analogous
way, but since U = DT it is redundant and the Up
matrix is also called UpDown matrix. Having this matrix
for two trees T1 and T2 and assuming equal taxa sets, one
can calculate the UpDown distance between them by

ผลลัพธ์ (ไทย) 2:

2. ก่อนหน้านี้และ RELATEDWORK
หลายวิธีฉันทามติต้นไม้ที่ได้รับการเสนอเห็น [3] สำหรับภาพรวมที่ดีและการเปรียบเทียบ
แต่น่าเสียดายที่วิธีการส่วนใหญ่จะมีข้อเสียเปรียบของการเป็นที่ค่อนข้างเข้มงวดเช่นการจำกัด ต้นไม้ฉันทามติร่วมกันที่จะsubstructures และตัวชี้วัดที่ใช้ต้นไม้มักจะ coarsegrained, Nally การผลิตการแก้ไขค่อนข้างไม่ดีหรือน้อยกว่าต้นไม้วิธีการแก้ปัญหาที่ใช้งานง่าย ตัวอย่างที่โดดเด่นเป็นที่เข้มงวดและส่วนใหญ่วิธีฉันทามติการดำเนินงานในกลุ่ม กลุ่มเป็นส่วนหนึ่งของชุดของแท็กซ่าซึ่งมีทั้งหมดเป็นลูกหลานของบรรพบุรุษร่วมกันของล่าสุด เข้มงวดวิธีฉันทามติเพียงแต่ยังคงมีกลุ่มร่วมกันเพื่อทุกท่านต้นไม้และวิธีฉันทามติส่วนใหญ่ผู้ที่ปรากฏในมากกว่าครึ่งหนึ่งของพวกเขา วิธีหลังถือได้ว่าเป็นวิธีการเฉลี่ยลดจำนวนของที่ไม่ได้ร่วมกันเป็นกลุ่มเช่นการลดการเกี่ยวกับการปรากฏสมมาตรในระยะตัวชี้วัด ต่อไปที่จะพูดถึงก็คือว่าวิธีคลาสสิกไม่ได้ทำให้การใช้งานของขั้นตอนการค้นหาใด ๆ ที่ซับซ้อนและพึ่งพาถ้าที่ทั้งหมดในวิธีโลภง่าย(เช่นวิธีต้นไม้ฉันทามติโลภที่มีอยู่ใน PHYLIP [9]). เสนอเมื่อเร็ว ๆ นี้วัดความคล้ายคลึงกันต้นไม้ Tree- วัดตำแหน่ง [23], การแนะนำให้รู้จักที่จะจัดการกับฐานข้อมูลคำสั่งสำหรับtrees1 ที่คล้ายกันช่วยให้สำหรับขั้นตอนที่ซับซ้อนมากขึ้นอันเนื่องมาจากภาคตะวันออกเฉียงเหนือของเมล็ด วัดนี้ใช้กำลังสองขึ้น U เมทริกซ์ที่ระบุสำหรับแต่ละคู่ของแท็กซ่า (กข) จำนวน U [a; b] ของที่จำเป็นขึ้น traversals ไปถึงจากแท็กซอนที่บรรพบุรุษร่วมกันน้อยที่สุดของแท็กซ่าทั้งสอง ดูรูปที่ 2 ตัวอย่างเช่น มันจะได้รับใน O (jLj2) [23]. ผู้เขียนยัง ned เดเมทริกซ์ลงใน D คล้ายคลึงทางแต่เนื่องจาก U = DT มันเป็นซ้ำซ้อนและขึ้นเมทริกซ์จะเรียกว่าเมทริกซ์Updown มีเมทริกซ์นี้สำหรับต้นไม้สองต้น T1 และ T2 และสมมติว่าชุดแท็กซ่าเท่ากับหนึ่งสามารถคำนวณระยะทางUpdown ระหว่างพวกเขาโดย

ผลลัพธ์ (ไทย) 3:

2 . ก่อนหน้านี้ และ relatedwork
วิธีต้นไม้จำนวนหลายได้รับการเสนอ
ดู [ 3 ] สำหรับภาพรวมที่ดี และการเปรียบเทียบ แต่วิธีการส่วนใหญ่มีข้อเสียเปรียบของ

ค่อนข้างเข้มงวด เช่น การให้ต้นไม้เอกฉันท์ที่จะ substructures ทั่วไป
, และที่ใช้ต้นไม้เมตริกมัก coarsegrained
 แนลลี่ , การผลิตค่อนข้างไม่ดีแก้ไขหรือน้อยกว่า
ง่ายโซลูชั่นที่ต้นไม้ตัวอย่างที่โดดเด่นเป็นอย่างเข้มงวดและวิธีการผ่าตัด
ส่วนใหญ่ฉันทามติของกลุ่ม a
คลัสเตอร์เป็นเซตย่อยของชุดของความสูงซึ่งมีทั้งหมด
ลูกหลานของบรรพบุรุษของล่าสุด วิธีการรับฉันทามติที่เข้มงวด
เพียงรักษาการกลุ่มทั่วไปต้นไม้ใส่
ทั้งหมดและส่วนใหญ่ฉันทามติวิธีเหล่านั้นปรากฏใน
มากกว่าครึ่งหนึ่งของพวกเขา วิธีหลังจะถือว่า
เป็นวิธีลดจำนวนขององค์กรโดยกลุ่มทั่วไป
, เช่นการลดส่วนที่เกี่ยวข้องกับสมมาตร dis -
ไปชั่ง ตวง วัด ต่อไปจะกล่าวถึงวิธีที่คลาสสิก
ไม่ใช้ใด ๆที่ซับซ้อนและขั้นตอนการค้นหา
พึ่ง , ถ้าที่ทั้งหมด ในแนวทางโลภง่าย ( เช่น
โลภเอกฉันท์ต้นไม้วิธีที่มีอยู่ใน phylip [ 9 ] )
เพิ่งเสนอต้นไม้คล้ายวัดต้นไม้ -
อันดับวัด [ 23 ] แนะนำให้จัดการกับฐานข้อมูลแบบสอบถามสำหรับ trees1 เหมือนเดิม

ช่วยให้กระบวนการที่ซับซ้อนมากขึ้นเนื่องจาก  NE granularity . วัดนี้ใช้
สมขึ้นเมทริกซ์ U ที่อเมริกาสำหรับแต่ละคู่ของซ่า
( 2 ) เบอร์ [ b ] u ; จำเป็นขึ้น traversals เข้าถึง
จากชนิดเป็นอย่างน้อย บรรพบุรุษร่วมของทั้งสองและดู
รูปที่ 2 สำหรับตัวอย่างมันสามารถจะได้มาใน O ( jlj2 ) [ 23 ] .
ผู้เขียนยัง de  เน็ดลงเมทริกซ์ D ในวิธีที่คล้ายกัน
แต่เนื่องจาก u = DT มันซ้ำซ้อนและขึ้น
เมทริกซ์ที่เรียกว่า Description เมทริกซ์ มีเมทริกซ์
2 T1 และ T2 และสมมติว่าชุดต้นไม้ความสูงเท่ากับหนึ่ง
สามารถคำนวณระยะห่างระหว่างพวกเขาโดย Description