Extensions

Create the vector model from target .NET object collection.

计算两个离散信号之间的相似度

SIMD version of the modified cosine score

Construct the Vector class from a numeric collecton.

Create a Vector from a specific Int32 abstract vector.

Create a Vector from a specific numeric collection.

Create a Vector from a given subset of the dynamics object property values.

FDR错误控制法是Benjamini于1995年提出一种方法,通过控制FDR(False Discovery Rate)来决定P值的域值. 假设你挑选了R个差异表达的基因，其中有S个是真正有差异表达的，另外有V个其实是没有差异表达的，是假阳性的。 实践中希望错误比例Q＝V/R平均而言不能超过某个预先设定的值（比如0.05），在统计学上， 这也就等价于控制FDR不能超过5％.

对所有候选基因的p值进行从小到大排序，则若想控制fdr不能超过q，则只需找到最大的正整数i，使得 p(i)<= (i*q)/m.然后，挑选对应p(1),p(2),...,p(i)的基因做为差异表达基因，这样就能从统计学上 保证fdr不超过q。因此，FDR的计算公式如下

FDR = length(pvalue)*pvalue/rank(pvalue)

Benjamini-Hochberg FDR校正

控制错误发现率 (False Discovery Rate)

校正后的q值数组 (与输入顺序一致)

Bonferroni 多重检验校正：p_adj = min(1, n * p)。

校正后的 p 值（保持输入顺序）。

Holm 步降（step-down）多重检验校正。

对应 R p.adjust(method = "holm")。

校正后的 p 值（保持输入顺序）。

Hochberg 步升（step-up）多重检验校正。

对应 R p.adjust(method = "hochberg")。

校正后的 p 值（保持输入顺序）。

Benjamini-Hochberg FDR 校正（支持检验总数 n >= length(p)）。

对应 R p.adjust(method = "BH")。

校正后的 p 值（保持输入顺序）。

Benjamini-Yekutieli FDR 校正（依赖条件下的 FDR 控制）。

对应 R p.adjust(method = "BY")，其中 q = Σ_{k=1..n} 1/k。

校正后的 p 值（保持输入顺序）。

Hommel 多重检验校正。

严格按照 R p.adjust(method = "hommel") 的实现移植 （Gordon Smyth 版本）。当 n == 2 时后退为 Hochberg 方法。

校正后的 p 值（保持输入顺序）。

通用的 p 值多重检验校正入口，对应 R 的 p.adjust。

校正后的 p 值（保持输入顺序）。

Tuple range iterates

step 1 or -1 based on the to - from delta value its sign symbol.

返回数值序列之中的首次出现符合条件的减少的位置

只对单调递增的那一部分曲线有效

[Sequence Generation] Generate regular sequences. seq is a standard generic with a default method.

余弦相似度

这是x和y所共有的属性个数与x或y所具有的属性个数之间的比率。这个函数被称为Tanimoto系数或Tanimoto距离， 它经常用在信息检索和生物学分类中。(余弦度量的一个简单的变种) 当属性是二值属性时，余弦相似性函数可以用共享特征或属性解释。假设如果xi=1，则对象x具有第i个属性。于是， x·y是x和y共同具有的属性数，而xy是x具有的属性数与y具有的属性数的几何均值。于是，sim(x,y)是公共属性相 对拥有的一种度量。

http://xiao5461.blog.163.com/blog/static/22754562201211237567238/