模式识别 - 处理多演示样例学习(MIL)特征(matlab)
2014-06-22 17:29
375 查看
处理多演示样例学习(MIL)特征(matlab)
本文地址: http://blog.csdn.net/caroline_wendy/article/details/27206325多演示样例学习(MIL)的特征(features)包括, "演示样例编号+视频编号+标签+特征"的形式;
须要组成多演示样例学习特定包的形式, 每个元胞是一个多演示样例包, 后面一位是标签, 即"特征包+标签"的形式;
代码:
%author @ C.L.Wang %time @ 2014.5.27 %matlab @ R2012a %% 载入数据 clc, clear; features = load('ViolenceMILFeatures.txt'); %% 提取多演示样例包 head = features(:,1:3); % 头部信息 video_vector = features(:,2); % 视频名称 total_num = size(unique(video_vector),1); video_cell = cell(total_num,2); for video_num = 1:total_num temp = find(video_vector==video_num); video_cell{video_num,1} = features(temp(1,1):temp(end,1),4:end); video_cell{video_num,2} = features(temp(1,1),3); end %% 分类训练和測试 negative_train_features = video_cell(1:(total_num/4), :); negative_test_features = video_cell((total_num/4+1):(total_num*2/4), :); positive_train_features = video_cell((total_num*2/4+1):(total_num*3/4), :); positive_test_features = video_cell((total_num*3/4+1):end, :); train_features = [positive_train_features; negative_train_features]; %整合训练 test_features = [positive_test_features; negative_test_features]; %整合測试
相关文章推荐
- Matlab图像处理学习笔记(三):基于匹配的目标识别
- Matlab图像处理学习笔记(七):surf特征点
- Matlab图像处理学习笔记(三):基于匹配的目标识别
- Matlab图像处理学习笔记(六):基于sift特征点的人民币识别
- 人脸表情识别笔记(二)特征提取之LBP(局部二值模式)原理及MATLAB代码
- Matlab图像处理学习笔记(八):用广义霍夫变换筛选sift特征点
- 模式识别 - 处理多示例学习(MIL)特征(matlab)
- Matlab图像处理学习笔记(七):surf特征点
- 模式识别 学习笔记:第八章 特征提取
- 模式识别 学习笔记:第七章 特征选择
- 学习图像处理与模式识别一点体会
- 模式识别 - 处理多个演示样本研究(MIL)特点(matlab)
- Matlab图像处理学习笔记(八):用广义霍夫变换筛选sift特征点
- Matlab图像处理学习笔记(六):基于sift特征点的人民币识别
- Matlab图像处理学习笔记(三):基于匹配的目标识别
- 模式识别 - 特征归一化 及 测试 代码(Matlab)
- Matlab图像识别/检索系列(7)-10行代码完成深度学习网络之取中间层数据作为特征
- 【Matlab图像处理】学习笔记:二值图片
- 人脑是怎样认知图像的?——特征分析模式(传统模式识别之三)
- 【Matlab图像处理】学习笔记:读取16进制RGB文档转为彩色图片