使用密集轨迹和转导学习,细节改进的Matlab代码介绍了一种无监督试管提取算法,用于从视频中提取动作。该方法已在Matlab R2015a上进行了Linux平台测试,并提供了该算法的Matlab实现。如果您认为此无监督试管提取方法对您的研究有帮助,请考虑引用以下文献:@inproceedings{marian2015unsupervised, title={Unsupervised Tube Extraction Using Transductive Learning and Dense Trajectories}, author={Marian Puscas, Mihai and Sangineto, Enver and Culibrk, Dubravko and Sebe, Nicu}, booktitle={Proceedings of the IEEE International Conference on Computer Vision}, pages={1653--1661}, year={2015}. 该算法采用MIT许可证授权。
Matlab代码改进细节无监督管提取
相关推荐
Primmatlab代码-无监督图像匹配与目标发现优化
Prim Matlab代码用于无监督图像匹配和目标发现,由Huy V. Vo等人于CVPR 2019提出。入门代码使用Matlab 2017a编写,可能需要修改以适应其他版本。安装步骤:首先执行git clone https://github.com/vohuy93/OSD.git,然后cd OSD。依赖关系:下载使用随机Prim算法生成区域建议的代码,并放入UODOptim/文件夹,执行git clone https://github.com/smanenfr/rp.git,接着运行cd rp; matlab -r "setup"。测试代码主要在VOC_6x2上运行,脚本为scripts/r
Matlab
9
2024-11-03
Matlabsvr代码香草时间池的无监督特征学习
Vanilla Temporal Pooling是由中国哈尔滨工业大学语音实验室的Jiqing Han和Shiwen Deng开发的一种音频信号无监督时序特征学习方法。该方法利用非线性支持向量回归(SVR)直接连接BoAW直方图序列与时间索引,有效地捕获任意持续时间的音频信号时间动态模型。此外,为了提升特征表示的信号重构能力,我们还嵌入了稀疏编码方法于传统的BoAW框架中。如果您对我们的研究感兴趣,请引用:@article{zhang:2018:temporal pooling, title={Unsupervised Temporal Feature Learning Based on Sp
Matlab
14
2024-08-18
增强细节的Matlab代码库回购
增强细节的Matlab代码基于基本SR,新增了保存和加载训练状态的功能。在恢复训练时,只需使用选项'resume_state',例如'resume_state': '../experiments/debug_001_RRDB_PSNR_x4_DIV2K/training_state/200.state'。利用Python日志记录,支持灵活的PyTorch 1.0图像超分辨率开发工具包。目前提供PSNR导向的SR模型,如SRCNN和SRResNet,支持多种体系结构选项,包括ResNet块、ResNeXt块、密集块等。还可以训练SRGAN模型,提升了视觉品质并赢得了行业认可。详细信息请参阅文档。
Matlab
11
2024-07-23
快速的Matlab代码IST - FastAlign简单且高效的无监督字对齐工具
FastAlign是一个简单、快速且无监督的Matlab代码IST,用于字对齐。如果您使用此软件,请确保遵循适当的引用要求。源代码可在此存储库中找到。输入格式要求将句子对按照 ||| 分隔,并进行标记化处理。示例包括德语-英语平行语料库的使用。构建FastAlign需要现代C++编译器和构建系统,同时可以优化性能使用OpenMP库。
Matlab
5
2024-09-24
WEKA无监督聚类删除类标号技巧
无监督聚类的删除类标号技巧,挺适合做特征抽取前的预,尤其你想丢掉已有标签让模型自己去发现结构。用的是WEKA这套老牌工具,界面操作上手快。你只需要把有标签的数据丢进去,选好聚类算法,比如EM或SimpleKMeans,运行后就能把原来的类标忽略掉,得到一组纯聚类的结果,后面你拿它去做特征可视化也方便。页面讲得还挺详细,步骤截图也清楚,新手照着做问题不大。如果你手上数据标签不靠谱,或者你本来就想试试模型自己分群的效果,这方法还挺值得一用。
Hadoop
0
2025-06-25
Autoclass算法Bayesian网络无监督分类应用
Autoclass 算法的无监督分类方式挺适合数据量不太确定、属性类型混合的情况。基于Bayesian 网络,你不用提前设定分类标签,它会根据你指定的概率分布,自己尝试不同的分类方式,选出几个还不错的结果。嗯,像用户画像、日志数据这种不太规则的场景,还挺顺手的。
连续属性的话,你要自己是正态分布还是别的啥分布;离散属性就简单了,列出所有的取值就行。还有个小技巧,属性之间如果有关联,可以预先设定联合分布,模型效果会更稳定。
Autoclass 比较适合拿来做探索性的,比如你手里有一堆看不懂的数据,不知道该怎么分组,就可以丢给它试试看。响应还挺快,不同类型的数据也比较灵活。
你如果对概率分布不太熟
数据挖掘
0
2025-06-29
RIPPLE波纹——增强细节的MATLAB代码详述
RIPPLE:波纹——增强细节的MATLAB代码自述文件。该代码库包含额外的代码,用于再现以下手稿的结果:预测促进剂和远程增强剂的调控相互作用。我们已重新实现并使用C++重做实验,详细信息请访问版本1.0(2015年7月)。主要结果使用MATLAB代码的10倍交叉验证运行/训练分类器,包括testAllfeatures_crosscellline.m用于加载分类器并测试特征文件,以及runAllfeatures_crosscellline.m用于分析5C数据。
Matlab
9
2024-09-28
改进小波系数提取函数
这是一个自编的Matlab函数,专为处理小波变换后的系数分块设计。一般情况下,一幅图像经过一次小波分解后会生成一组一维系数,这对初学者来说可能不够直观。该函数可以将这些系数分块成四组二维系数,并提供逆操作函数的附加说明。
Matlab
17
2024-07-19
假设检验代码 Matlab - 半监督特征选择
Matlab 代码实现了论文《用于半监督特征选择的简单策略》中提出的方法,该论文发表于《机器学习杂志》。
代码功能:
semiIAMB.m:实现了 Semi-IAMB 算法,应用于 Markov Blanket 发现 IAMB (IAMB.m) 的切换过程,用于半监督场景中的假设检验。
semiMIM.m 和 semiJMI.m:实现了 Semi-MIM 和 Semi-JMI 算法,分别应用于特征选择方法 MIM (MIM.m) 和 JMI (JMI.m) 的切换过程,用于在半监督场景中对特征进行排名。
Tutorial_SemiSupervised_FS.m:教程,介绍如何在半监督学习环境
Matlab
18
2024-05-25