00001
00002
00003
00004
00005
00006
00007
00008
00009
00010
00011 #include "lib/common.h"
00012 #include "lib/io.h"
00013 #include "kernel/SNPStringKernel.h"
00014 #include "kernel/SqrtDiagKernelNormalizer.h"
00015 #include "features/Features.h"
00016 #include "features/StringFeatures.h"
00017
00018 using namespace shogun;
00019
00020 CSNPStringKernel::CSNPStringKernel(void)
00021 : CStringKernel<char>(0),
00022 m_degree(0), m_win_len(0), m_inhomogene(false)
00023 {
00024 SG_UNSTABLE("CSNPStringKernel::CSNPStringKernel(void)", "\n");
00025
00026 m_str_min=NULL;
00027 m_str_maj=NULL;
00028 set_normalizer(new CSqrtDiagKernelNormalizer());
00029 }
00030
00031 CSNPStringKernel::CSNPStringKernel(int32_t size,
00032 int32_t degree, int32_t win_len, bool inhomogene)
00033 : CStringKernel<char>(size),
00034 m_degree(degree), m_win_len(2*win_len), m_inhomogene(inhomogene)
00035 {
00036 m_str_min=NULL;
00037 m_str_maj=NULL;
00038 set_normalizer(new CSqrtDiagKernelNormalizer());
00039 }
00040
00041 CSNPStringKernel::CSNPStringKernel(
00042 CStringFeatures<char>* l, CStringFeatures<char>* r,
00043 int32_t degree, int32_t win_len, bool inhomogene)
00044 : CStringKernel<char>(10), m_degree(degree), m_win_len(2*win_len),
00045 m_inhomogene(inhomogene)
00046 {
00047 m_str_min=NULL;
00048 m_str_maj=NULL;
00049 set_normalizer(new CSqrtDiagKernelNormalizer());
00050 if (l==r)
00051 obtain_base_strings();
00052 init(l, r);
00053 }
00054
00055 CSNPStringKernel::~CSNPStringKernel()
00056 {
00057 cleanup();
00058 }
00059
00060 bool CSNPStringKernel::init(CFeatures* l, CFeatures* r)
00061 {
00062 CStringKernel<char>::init(l, r);
00063 return init_normalizer();
00064 }
00065
00066 void CSNPStringKernel::cleanup()
00067 {
00068 CKernel::cleanup();
00069 free(m_str_min);
00070 free(m_str_maj);
00071 }
00072
00073 void CSNPStringKernel::obtain_base_strings()
00074 {
00075
00076 ASSERT(lhs==rhs);
00077
00078 m_str_len=0;
00079
00080 for (int32_t i=0; i<num_lhs; i++)
00081 {
00082 int32_t len;
00083 bool free_vec;
00084 char* vec = ((CStringFeatures<char>*) lhs)->get_feature_vector(i, len, free_vec);
00085
00086 if (m_str_len==0)
00087 {
00088 m_str_len=len;
00089 size_t tlen=(len+1)*sizeof(char);
00090 m_str_min=(char*) malloc(tlen);
00091 m_str_maj=(char*) malloc(tlen);
00092 memset(m_str_min, 0, tlen);
00093 memset(m_str_maj, 0, tlen);
00094 }
00095 else
00096 {
00097 ASSERT(m_str_len==len);
00098 }
00099
00100 for (int32_t j=0; j<len; j++)
00101 {
00102
00103 if (vec[j]=='0')
00104 continue;
00105
00106 if (m_str_min[j]==0)
00107 m_str_min[j]=vec[j];
00108 else if (m_str_maj[j]==0 && vec[j]!=m_str_min[j])
00109 m_str_maj[j]=vec[j];
00110 }
00111
00112 ((CStringFeatures<char>*) lhs)->free_feature_vector(vec, i, free_vec);
00113 }
00114
00115 for (int32_t j=0; j<m_str_len; j++)
00116 {
00117
00118 if (m_str_min[j]==0)
00119 m_str_min[j]='0';
00120 if (m_str_maj[j]==0)
00121 m_str_maj[j]='0';
00122
00123 if (m_str_min[j]>m_str_maj[j])
00124 CMath::swap(m_str_min[j], m_str_maj[j]);
00125 }
00126 }
00127
00128 float64_t CSNPStringKernel::compute(int32_t idx_a, int32_t idx_b)
00129 {
00130 int32_t alen, blen;
00131 bool free_avec, free_bvec;
00132
00133 char* avec = ((CStringFeatures<char>*) lhs)->get_feature_vector(idx_a, alen, free_avec);
00134 char* bvec = ((CStringFeatures<char>*) rhs)->get_feature_vector(idx_b, blen, free_bvec);
00135
00136 ASSERT(alen==blen);
00137 if (alen!=m_str_len)
00138 SG_ERROR("alen (%d) !=m_str_len (%d)\n", alen, m_str_len);
00139 ASSERT(m_str_min);
00140 ASSERT(m_str_maj);
00141
00142 float64_t total=0;
00143 int32_t inhomogene= (m_inhomogene) ? 1 : 0;
00144
00145 for (int32_t i = 0; i<alen-1; i+=2)
00146 {
00147 int32_t sumaa=0;
00148 int32_t sumbb=0;
00149 int32_t sumab=0;
00150
00151 for (int32_t l=0; l<m_win_len && i+l<alen-1; l+=2)
00152 {
00153 char a1=avec[i+l];
00154 char a2=avec[i+l+1];
00155 char b1=bvec[i+l];
00156 char b2=bvec[i+l+1];
00157
00158 if ((a1!=a2 || a1=='0' || a1=='0') && (b1!=b2 || b1=='0' || b2=='0'))
00159 sumab++;
00160 else if (a1==a2 && b1==b2)
00161 {
00162 if (a1!=b1)
00163 continue;
00164
00165 if (a1==m_str_min[i+l])
00166 sumaa++;
00167 else if (a1==m_str_maj[i+l])
00168 sumbb++;
00169 else
00170 {
00171 SG_ERROR("The impossible happened i=%d l=%d a1=%c "
00172 "a2=%c b1=%c b2=%c min=%c maj=%c\n", i, l, a1,a2, b1,b2, m_str_min[i+l], m_str_maj[i+l]);
00173 }
00174 }
00175
00176 }
00177 total+=CMath::pow(float64_t(sumaa+sumbb+sumab+inhomogene),
00178 (int32_t) m_degree);
00179 }
00180
00181 ((CStringFeatures<char>*) lhs)->free_feature_vector(avec, idx_a, free_avec);
00182 ((CStringFeatures<char>*) rhs)->free_feature_vector(bvec, idx_b, free_bvec);
00183 return total;
00184 }