|
|
|
发新文章 |
|
 |
例：K-means Hashing提供的代码optimize_one_iter函数内部用到fminunc，代价函数是eval_one_center函数，看eval_one_center函数的注释是this function computes the cost of Eqn. (8) given a center c_j
摘要: http://xilinx.eetrend.com/article/8919
一、特征提取Feature Extraction：
SIFT [1] [Demo program][SIFT Library] [VLFeat]PCA-SIFT [2] [Project]Affine-SIFT [3] [Project]SURF [4] [OpenSURF] [Matlab Wrapper]Affi... 阅读全文
http://www.valseonline.org/thread-505-1-1.html
【2015】
[1]. E.Sariyanidi, H. Gunes, A. Cavallaro, Automatic Analysisof Facial Affect: A Survey of Registration, Representation, and Recognition,IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 37, NO. 6,JUNE 2015
[2]. T. Li,H. Chang, M. Wang, B.B. Ni, R.C. Hong, S.C. Yan, CrowdedScene Analysis: A Survey, IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FORVIDEO TECHNOLOGY, VOL. 25, NO. 3, MARCH 2015
[3]. Z.Zhang, Y. Xu, J. Yang, X.L. Li, D. Zhang, A Survey ofSparse Representation: Algorithms and Applications, IEEE ACCESS, date ofpublication May 6, 2015
[4]. J.Galbally, S. Marcel, J. Fierrez, Biometric AntispoofingMethods: A Survey in Face Recognition, IEEE ACCESS, date of publicationDecember 18, 2014
[5]. B.Tian, B. T. Morris, M. Tang, Y.Q. Liu, Y. J. Yao, C. Guo, D.Y. Shen, S.H. Tang, Hierarchical and Networked Vehicle Surveillance in ITS:A Survey, IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, VOL.16, NO. 2, APRIL 2015
[6]. A. Betancourt,P. Morerio, C. S. Regazzoni, and M. Rauterberg, TheEvolution of First Person Vision Methods: A Survey, IEEE TRANSACTIONS ONCIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY, VOL. 25, NO. 5, MAY 2015
[7]. L.Shao, F. Zhu, and X.L. Li, Transfer Learning for VisualCategorization: A Survey, IEEE TRANSACTIONS ON NEURAL NETWORKS ANDLEARNING SYSTEMS, VOL. 26, NO. 5, MAY 2015
【2014】
[8]. S. Fu,H. B. He, Z.G. Hou, Learning Race from Face: A Survey, IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 36, NO.12, DECEMBER 2014
[9]. H.L. Zhou,A. Mian, L. Wei, D. Creighton, M. Hossny, and S. Nahavandi, Recent Advances on Singlemodal and Multimodal FaceRecognition: A Survey, IEEE TRANSACTIONS ON HUMAN-MACHINE SYSTEMS, VOL.44, NO. 6, DECEMBER 2014
【2013】
[10]. O. D. Lara, M.A. Labrador, A Survey on Human Activity Recognition using WearableSensors, IEEE COMMUNICATIONS SURVEYS & TUTORIALS, VOL. 15, NO. 3,THIRD QUARTER 2013
[11]. A. Sotiras, C. Davatzikos, Nikos. Paragios, Deformable Medical Image Registration: A Survey, IEEETRANSACTIONS ON MEDICAL IMAGING, VOL. 32, NO. 7, JULY 2013
[12]. A. Alrahayfeh, M. Faezipour, Eye Tracking and Head Movement Detection: A State-of-ArtSurvey, IEEE Journal of Translational Engineering in Health andMedicine, 2013
[13]. P.V.K. Borges, N. Conci, and A. Cavallaro, Video-Based Human Behavior Understanding: A Survey, IEEETRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY, VOL. 23, NO. 11,NOVEMBER 2013
降维(比如PCA或者random projection) -> KDE(kernel density estimation)来估算密度 -> KL divergence
% 将训练数据和测试数据都去中心化X = traindata; label = traingnd; m = mean(X); X_zm = bsxfun(@minus, X, m); traindata_zm = bsxfun(@minus, traindata, m); testdata_zm = bsxfun(@minus, testdata, m); matlab函数 bsxfun浅谈（转载） http://blog.sina.com.cn/s/blog_9e67285801010ttn.html
网上关于bsxfun的东西不多，今天需要看到一个，由于原博文插入的图片显示不出来，于是笔者大发善心进行了contrl+V 以及alt+ctrl+A的操作，供大家交流学习。
bsxfun是一个matlab自版本R2007a来就提供的一个函数，作用是”applies an element-by-element binary operation to arrays a and b, with singleton expansion enabled.”
举个例子。假设我们有一列向量和一行向量。
a = randn(3,1), b = randn(1,3) a = -0.2453 -0.2766 -0.1913 b = 0.6062 0.5655 0.9057
我们可以很简单的使用matlab的外乘c=a*b来得到，如图 bsxfun浅谈（转载）" o:button="t" target='"_blank"' o:spid="_x0000_i1025">bsxfun浅谈（转载）" src="file:///C:\Users\jie\AppData\Local\Temp\msohtmlclip1\01\clip_image001.jpg">
但如果我们想用”外加”呢？也就是说把上式求解过程中的乘号换做加号？
这时我们可以用c=bsxfun(@plus,a,b)来实现。
bsxfun的执行是这样的，如果a和b的大小相同，那么c=a+b. 但如果有某维不同，且a或b必须有一个在这一维的维数为1, 那么bsxfun就将少的这个虚拟的复制一些来使与多的维数一样。在我们这里，b的第一维只有1（只一行），所以bsxfun将b复制3次形成一个3×3的矩阵，同样也将a复制成3×3的矩阵。这个等价于c=repmat(a,1,3)+repmat(b,3,1)。这里
repmat(a,1,3) ans = -0.2453 -0.2453 -0.2453 -0.2766 -0.2766 -0.2766 -0.1913 -0.1913 -0.1913
repmat是显式的复制，当然带来内存的消耗。而bsxfun是虚拟的复制，实际上通过for来实现，等效于for(i=1:3),for(j=1:3),c(i,j)=a(i)+b(j);end,end。但bsxfun不会有使用matlab的for所带来额外时间。实际验证下这三种方式
>> c = bsxfun(@plus,a,b) c = 0.3609 0.3202 0.6604 0.3296 0.2889 0.6291 0.4149 0.3742 0.7144 >> c = repmat(a,1,3)+repmat(b,3,1) c = 0.3609 0.3202 0.6604 0.3296 0.2889 0.6291 0.4149 0.3742 0.7144 >> for(i=1:3),for(j=1:3),c(i,j)=a(i)+b(j);end,end,c c = 0.3609 0.3202 0.6604 0.3296 0.2889 0.6291 0.4149 0.3742 0.7144
从计算时间上来说前两种实现差不多，远高于for的实现。但如果数据很大，第二种实现可能会有内存上的问题。所以bsxfun最好。
下面看一个更为实际的情况。假设我们有数据A和B, 每行是一个样本，每列是一个特征。我们要计算高斯核，既：
这里@plus是加法的函数数柄，相应的有减法@minus, 乘法@times, 左右除等，具体可见 doc bsxfun.
k(||x-xc||)=exp{- ||x-xc||^2/(2*σ)^2) } 其中xc为核函数中心,σ为函数的宽度参数 , 控制了函数的径向作用范围。
当然可以用双重for实现（如果第一直觉是用三重for的话…）。
K1 = zeros(size(A,1),size(B,1)); for i = 1 : size(A,1) for j = 1 : size(B,1) K1(i,j) = exp(-sum((A(i,:)-B(j,:)).^2)/beta); end end
使用2,000×1,000大小的A和B, 运行时间为88秒。
考虑下面向量化后的版本：
sA = (sum(A.^2, 2)); sB = (sum(B.^2, 2)); K2 = exp(bsxfun(@minus,bsxfun(@minus,2*A*B', sA), sB')/beta);
使用同样数据，运行时间仅0.85秒，加速超过100倍。
如要判断两者结果是不是一样，可以如下
assert(all(all(abs(K1-K2)<1e-12)))
谷歌上直接搜索文件名，找到citeseer的链接，里面直接有BibTex; 或者 谷歌上直接搜索文件名 BibTex
搜索：DBLP，文献名。有时比如不知道ICML的页码，通过这种方式也许能找到
在Endnote中，选择输出样式，就是可以选择IEEE的地方选择BibTex Export，右键选中参考文献，选择Copy Formatted，拷贝到latex中即可
问题：两个图像矩阵A=M*N*K1，B=M*N*K2，第三维K1，K2表示数量，matlab怎么快速实现他们在第三维数量上的叠加。
答：cat(3,A,B)
20150717，笔记本电脑x240s，刚开始以为是电脑保护色的问题，将保护色去掉不行。将整个office重装还是不行。看重装后，美化大师还在，抱着试试看的态度，卸载美化大师就可以了
|