原创 在VS2010中調用MATLAB內建函數

整個過程如下: 1. 首先在R盤根目錄下創建"DLL"文件夾,然後把spline.m和chckxy.m兩個文件拷貝到"R:\DLL"文件夾下(在我的機器上,spline.m位於文件夾"C:\Program Files\MATLAB

原创 error: 此類型沒有存儲類或類型說明符

問題: 在vs 2010 中寫C++,如果在int main()函數外定義如下: vector<int> adjacency; adjacency.push_back(1);系統會報錯,顯示此“聲明沒有存儲類或類型說明符”,但是如果將這

原创 C++拷貝構造函數(深拷貝,淺拷貝)

對於普通類型的對象來說,它們之間的複製是很簡單的,例如:int a=88; int b=a; 而類對象與普通對象不同,類對象內部結構一般較爲複雜,存在各種成員變量。下面看一個類對象拷貝的簡單例子。  #include <io

原创 程序調試錯誤記錄

程序調試記錄: (1)錯誤:extracSIFT.obj : error LNK2019: 無法解析的外部符號 "class boost::system::error_category const & 

原创 poselet 源碼編譯總結

1、源碼下載地址:http://www.cs.berkeley.edu/~lbourdev/poselets/       code April 2013 release (C++) 2、代碼中使用到了jpeglib中的函數,所以需要下載

原创 記調試MKL MATLAB接口

在將MKL C++代碼做MATLAB接口的過程中遇到一個小問題總是運行出錯,今天終於解決,記錄下來: mxArray* aa = mxCreateSparse(num_of_feature, model->l, nonzero_eleme

原创 RANSAC算法(RANdom SAmple Consensus隨機抽樣一致)

它可以從一組包含“局外點”的觀測數據集中,通過迭代方式估計數學模型的參數。它是一種不確定的算法——它有一定的概率得出一個合理的結果;爲了提高概率必須提高迭代次數。該算法最早由Fischler和Bolles於1981年提出。 光看文字還是

原创 學習OpenCV——KNN算法

轉自:http://blog.csdn.net/lyflower/article/details/1728642   文本分類中KNN算法,該方法的思路非常簡單直觀:如果一個樣本在特徵空間中的k個最相似(即特徵空間中最鄰近)的樣本中

原创 Exemplar-SVMs for Object Detection and Beyond—Details(二)

Reference: [1] Ensemble of Exemplar-SVMs for Object Detection and Beyond,ICCV 2011Carnegie Mellon University [2] Exe

原创 多核學習

1摘要 分類在搜索引擎中的應用非常廣泛,這種分類屬性可以方便在rank過程中針對不同類別實現不同的策略,來更好滿足用戶需求。本人接觸分類時間並不長,在剛用SVM做分類的時候對一個現象一直比較困惑,看到大家將各種不同類型特徵,拼接在一起

原创 python xml+xsl 生成html文件

</pre><p></p><p><span style="font-family:Verdana;font-size:12px;"><strong>1. 在ubuntu的環境下安裝libxml2 libxstl</strong></

原创 人體骨骼座標在彩色圖像中顯示

// YeNite2SimpleUsingOpenCV.cpp : 定義控制檯應用程序的入口點。 // #include "stdafx.h" #include <iostream> // OpenCV 頭文件 #incl

原创 NITE 2與OpenCV結合的第二個程序(提取人體骨骼座標)

  溫故而知新——NITE 2的基本使用主要包括以下幾個步驟:     1. 初始化NITE環境: nite::NiTE::initialize();     2. 創建User跟蹤器: nite::UserTracker mUse

原创 bind - boost 使用指南

bind - boost 頭文件: boost/bind.hpp bind 是一組重載的函數模板.用來向一個函數(或函數對象)綁定某些參數.  bind的返回值是一個函數對象. 它的源文件太長了. 看不下去. 這裏只記下它的用法:

原创 Exemplar-SVMs for Object Detection and Beyond--Overview(一)

Reference: [1] Ensemble of Exemplar-SVMs for Object Detection and Beyond,ICCV 2011Carnegie Mellon University [2] Exe