查看: 284|回复: 1

[动植物denovo] 进化分析——制作Sliding window tree

[复制链接]
  • TA的每日心情
    忙~
    3 小时前
  • 签到天数: 22 天

    连续签到: 1 天

    [LV.4]偶尔看看III

    钵水母

    Rank: 3Rank: 3

    主题
    2
    奥币
    208
    积分
    29
    注册时间
    2017.4.3
    在线时间
    13 小时

    发表于 2020.2.11 09:22:07 | 显示全部楼层 |阅读模式
    5奥币
    本人现在正使用物种基因组进行进化分析,请问有制作Sliding window tree (染色体分为固定长度的window后再进行比对,再利用window进行物种树推断)的流程推荐吗?

    回复

    使用道具 举报

  • TA的每日心情
    yes!
    3 小时前
  • 签到天数: 23 天

    连续签到: 12 天

    [LV.4]偶尔看看III

    中华鲟

    Rank: 5Rank: 5

    主题
    45
    奥币
    632
    积分
    571
    注册时间
    2017.12.20
    在线时间
    34 小时

    突出贡献活跃会员最佳新人


    发表于 2020.2.13 00:48:38 | 显示全部楼层
    本文部分内容参考了以下博客:  https://blog.csdn.net/heyijia0327/article/details/52822104  https://blog.csdn.net/heyijia0327/article/details/53707261    摘要:本文介绍G2O和基于Sliding Window(SW)在边缘化技术的异同。简单来说,G2O的边缘化等同于Schur Complement(SC);基于SW的边缘化,里面也用了SC来简化计算。G2O的边缘化主要依赖于Hessian矩阵的构造,本文将结合https://blog.csdn.net/heyijia0327/article/details/52822104的博客《SLAM中的marginalization 和 Schur complement》,详细介绍H矩阵的构造方法、结构特点和Marg前后H的变化。  一、Marg技术在BA问题理论应用  BA是用来优化SLAM中camera和landmark的约束问题。随着时间的增加,camera和landmark越来越多,BA优化的维度也越来越高,那如何减少BA优化的维度,就是所谓的边缘化技术。概括之,Marg技术主要用于解决因为BA问题中路标点和KeyFrame过多产生H维度过大的问题。ORB-SLAM使用的G2O来解决BA问题,G2O实际上是直接使用SC来简化了计算复杂度,所以G2O的边缘化等同于SC。  不同于ORB-SLAM,基于SW的边缘化更细致,它采用滑动窗口来控制优化的KeyFrame数量,从而控制H矩阵的维度,随着时间增加,新关键帧会进来滑动窗口时,旧关键帧需要被marg掉,然而又不能简单的去掉,否则就丢失信息,所以就需要在被marg关键帧之前的约束条件下,来marg旧关键帧,并加入新KeyFrame来优化。这个约束条件体现在之前优化的Hessian矩阵中,作为当前优化的先验。 ———————————————— 版权声明:本文为CSDN博主「韭菜炒大葱」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。 原文链接:https://blog.csdn.net/chinacoy/article/details/79892306
    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 立即注册

    本版积分规则

    快速回复 返回顶部 返回列表