文章目录粒子群算法（PSO）代码实现1、导入需要的库2、设置参数3、适应度函数4、初始化粒子群5、迭代更新粒子群
粒子群算法（PSO）
PSO 通过模拟鸟群的捕食行为来求取最优解。
假设一群鸟在随机搜索食物。在这个区域里只有一块食物（对应着最优解）。所有的鸟都不知道食物的具体位置，但是它们可以判断自身与食物的大致距离，即通过 fit 值判断与最优解的距离。那么找到食物的最优策略就是搜寻目前离食物最近的鸟的周围区域。
PSO 中，问题的每个解都是搜索空间中的一只“鸟”。我们称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值，并且所有的粒子都具有速度和位置两个属性。
在每一次迭代中，粒子
2021-09-01 22:07:08
59KB
1
使用前需要下载matlab 的支持向量机的工具箱，百度上有，结合粒子群算法进行LSSVM的参数寻优。
2021-08-30 22:07:56
2KB
1
NGS_DNA管道
手动的
在上找到安装和使用手册
前处理
在管道的第一个预处理步骤中，将PhiX读段插入每个样本中，以在数据集中创建控件SNP。 随后，检查Illumina编码，并使用FastQC 1计算QC度量。
与参考基因组比对
Burrows-Wheeler Aligner（BWA） 2的bwa-mem命令用于将序列数据与参考基因组进行比对，从而生成SAM（序列比对图）文件。 SAM文件中的读取内容用Sambamba 3排序，从而生成了排序的BAM文件。 在测序过程中使用多个泳道时，使用Sambamba将所有泳道BAM合并为样本BAM。 （合并的）BAM文件使用Sambamba标记为同一读取对的重复项。
变种发现
GATK 4 HaplotypeCaller使用贝叶斯可能性模型针对基因组的每个位置估算比对中最可能的基因型和等位基因频率，而与在该位点是否检测到变体无关。 以后可以
2021-08-29 22:07:10
55.21MB
1