一种新的离散二维卷积矩阵形式算法

辞书式排列法是传统的离散二维卷积的矩阵形式算法，但其计算结果不直观，需要人为分割后才能得到最终结果。在辞书式排列法的启发下本文提出了一种新的矩阵形式算法，经过计算后可直接得到最终结果。经过验证其计算正确，比辞书式排列法的计算方法更直观，与辞书式排列法具有互补性，并且更适于用来描述离散二维卷积计算。     

基于GMM超向量的行为识别研究

通过对UCF11体育运动数据库提取SIFT和STIP特征,采用留一交叉验证法（LOOCV）,利用训练样本数据估算GMM参数以建立GMM—UBM,进一步通过MAP自适应算法得出GMM超向量。以GMM超向量作为输入特征训练SVM分类器在UCF11数据库上进行实际验证,实验证明该方法在行为识别方面具有较好的识别效果。     

EM算法的改进及其在行为识别中的应用

EM算法是求解GMM参数的传统算法,当样本数据规模比较大、GMM高斯成分数量比较高时,EM算法需要很长的时间才能收敛。提出了一种改进的EM算法,通过设置适当的参数,利用改进后的EM算法求解GMM参数,相比原EM算法在运行速度上有了很大的提高;进一步,结合GMM超向量以及SVM分类器,将改进后的EM算法应用到对KTH人体行为数据库的识别中,相比原EM算法识别准确率只受到了很小的影响。     

较大规模数据应用PCA降维的一种方法

PCA是一种常用的线性降维方法,但在实际应用中,当数据规模比较大时无法将样本数据全部读入内存进行分析计算。文章提出了一种针对较大规模数据应用PCA进行降维的方法,该方法在不借助Hadoop云计算平台的条件下解决了较大规模数据不能直接降维的问题,实际证明该方法具有很好的应用效果。