稀疏表示+字典学习

Online Learning Toolbox Francesco Orabona

http://francesco.orabona.com/pubs.html

http://dogma.sourceforge.net/index.html#code

最近在查怎样利用在线学习来更新跟踪过程中的目标模板,偶尔发现了这个工具箱,留着将来用!

Machine Perception Toolbox (MPT)

偶然的机会发现了这个工具箱,虽说05年都没有再更新了,但是很多东西还是可以借鉴的。很好的一个工具箱,功能包含face detection, eye detection, blink detection, color tracking。

http://mplab.ucsd.edu/grants/project1/free-software/MPTWebSite/introduction.html

留着备用!

SMALLbox SPARCO toolbox

做稀疏表示的有很多,不同的算法也被不断提出,有研究人员已经开始提出整合一个平台,用来对各种稀疏表示的解法进行比较,SPARCO是个很不错的工具箱,前几天刚发现了另外一个,SMALLbox,这个工具箱不仅用来比较各种稀疏表示的解法,而且把字典学习算法也融合了进去,以后搞稀疏的要开心了,呵呵,什么东西都是现成的了,只需要把数据准备好,字典学习有现成的,稀疏表示有现成的!

Sparse Models, Algorithm, and Learning for Large-scale data(SMALL)作者:Remi Gfibonval 法国 INRIA网址: http://small-project.eu/

kernel regression & Kardi Teknomo's Homepage

以前从别的模式识别里面看过 kernel regression, 一直以来也没用用到,所以就有些忘记了,今天在wiki搜索了一下kernel regression, 看到了稀疏学习工具箱,博士介绍的kernel regression, 感觉浅显易懂,特地做个标记,留作以后温习,http://people.revoledu.com/kardi/tutorial/Regression/KernelRegression/index.html

他的主页给我留下了非常深刻的印象,上边有很多有用的tutorials, 并且都是author自己的语言进行组织的。 Bayesian Compressive SensingShihao Ji http://people.ee.duke.edu/~shji/杜克大学的博士,本科和硕士在西电读的,不知道该不该称其为大牛,因为他以第一作者发了两篇PAMI。作者目前主要在研究Bayesian Compressive Sensing.相关的有三篇文章:1。Bayesian compressive sensing and projection optimization。2007. [ pdf file]2。Bayesian compressive sensing。2008. [ pdf file | code]3。Multi-task compressive sensing。2009. [ pdf file | code]另外,从作者的主页可以链接到Bayesian Compressive Sensing 的主页,有很多相关的工作,及代码,感兴趣的可以查看: http://people.ee.duke.edu/~lihan/cs/
作者在杜克的导师 Lawrence Carin, http://people.ee.duke.edu/~lcarin/看看他们的研究组吧,有用的链接: Electronic Copies of Recent Papers

Reading Group

AFRL-Duke Workshop on Compressive Sensing

虽然看了相关的贝叶斯的基础知识,但是看起来BCS的文章,还是没搞明白,从理论上讲,BCS应该属于机器学习的内容,杜克的这个研究组似乎也主要沿着贝叶斯这条线在做,继续关注。。。。

  • 0
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值