日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當(dāng)前位置: 首頁 > 人工智能 > 循环神经网络 >内容正文

循环神经网络

模式识别 - 处理多演示样例学习(MIL)特征(matlab)

發(fā)布時間:2025/6/17 循环神经网络 52 豆豆
生活随笔 收集整理的這篇文章主要介紹了 模式识别 - 处理多演示样例学习(MIL)特征(matlab) 小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.

處理多演示樣例學(xué)習(xí)(MIL)特征(matlab)


本文地址:?http://blog.csdn.net/caroline_wendy/article/details/27206325


多演示樣例學(xué)習(xí)(MIL)特征(features)包括, "演示樣例編號+視頻編號+標(biāo)簽+特征"的形式;

須要組成多演示樣例學(xué)習(xí)特定包的形式, 每個元胞是一個多演示樣例包, 后面一位是標(biāo)簽, 即"特征包+標(biāo)簽"的形式;


代碼:

%author @ C.L.Wang %time @ 2014.5.27 %matlab @ R2012a%% 載入數(shù)據(jù) clc, clear; features = load('ViolenceMILFeatures.txt');%% 提取多演示樣例包 head = features(:,1:3); % 頭部信息 video_vector = features(:,2); % 視頻名稱 total_num = size(unique(video_vector),1); video_cell = cell(total_num,2); for video_num = 1:total_numtemp = 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%% 分類訓(xùn)練和測試 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]; %整合訓(xùn)練 test_features = [positive_test_features; negative_test_features]; %整合測試



轉(zhuǎn)載于:https://www.cnblogs.com/hrhguanli/p/3802758.html

總結(jié)

以上是生活随笔為你收集整理的模式识别 - 处理多演示样例学习(MIL)特征(matlab)的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯,歡迎將生活随笔推薦給好友。