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 Sparse Coding Embedded BoAW}, author={Liwen Zhang, Jiqing Han and Shiwen Deng}, conference={Interspeech}, year={2018}.
Matlabsvr代码香草时间池的无监督特征学习
相关推荐
Matlab代码改进细节无监督管提取
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 Sangi
Matlab
14
2024-07-31
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
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
基于VGG16特征和M3C聚类的微观结构无监督分类
本研究利用VGG16卷积神经网络对微观结构图像进行特征提取，并结合M3C聚类算法实现无监督分类。
数据与方法:
本研究使用包含1925张图像的数据集，从中随机选取100张进行分析。 首先，利用预训练的VGG16网络提取图像特征，具体而言，使用第五个卷积层的输出，并进行平均池化以降低特征维度。 接着，使用M3C聚类算法对提取的特征进行聚类分析，确定最佳聚类数量。 最后，利用项目共识值识别高置信度和不明确的数据，用于后续半监督学习框架的训练。
数据共享:
Python、R和Matlab之间的数据共享通过Excel文件实现。
所需软件包:
Python: Keras, Numpy, Xlsx
Matlab
22
2024-05-31
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
星图识别MATLAB代码-强大的弱监督时间动作本地化
精选的关于弱监督时间动作本地化的出版物列表，帮助研究者在这一领域导航。此存储库仅包含接受的会议论文，以确保可靠性和更新性。最近更新日期为2021年5月3日。性能指标报告了在不同IoU阈值下的平均精确度（mAP），涵盖了THUMOS14和ActivityNet的不同版本。链接指向实现框架的规范。
Matlab
11
2024-08-12
探索无监督学习：聚类、降维与特征提取
无监督学习是一类强大的机器学习方法，其核心在于从无标签数据中学习内在结构和模式。常见的无监督学习技术包括：
聚类分析: 将数据点划分为不同的组，使得组内相似度高，组间相似度低。
主成分分析 (PCA): 一种降维技术，通过线性变换将原始数据映射到低维空间，保留数据的主要特征。
稀疏编码与学习: 通过学习一组基向量，将数据表示为这些基向量的稀疏线性组合，从而实现特征提取和降维。
算法与数据结构
10
2024-05-19
半监督学习构建和应用半监督机器学习模型
利用LASSO进行特征选择，并采用半监督方法训练K-最近邻、支持向量机、随机森林和神经网络之一。
Matlab
19
2024-07-31
无监督学习大纲
什么是无监督学习
无监督学习的类型
聚类
降维
异常检测
无监督学习的应用
客户细分
模式识别
欺诈检测
算法与数据结构
11
2024-04-30