小编Doa*_*Doa的帖子

我有两个数据集列出了在时间t两个神经网络组件的平均电压输出,看起来像这样:

A = [-80.0, -80.0, -80.0, -80.0, -80.0, -80.0, -79.58, -79.55, -79.08, -78.95, -78.77, -78.45,-77.75, -77.18, -77.08, -77.18, -77.16, -76.6, -76.34, -76.35]

B = [-80.0, -80.0, -80.0, -80.0, -80.0, -80.0, -78.74, -78.65, -78.08, -77.75, -77.31, -76.55, -75.55, -75.18, -75.34, -75.32, -75.43, -74.94, -74.7, -74.68]

当两个神经组件在一定程度上"同相"时,这意味着它们是相互关联的.我想要做的是计算A和B之间的相位差,最好是在模拟的整个时间.由于两个组件不太可能完全同相,我想将该相位差与某个阈值进行比较.

这些是非谐振荡器,我不知道它们的功能,只知道这些值,所以我不知道如何确定相位或相应的相位差.

我在Python中使用numpy和scipy来做这个项目(两个程序集都是numpy数组).

任何建议将不胜感激!

编辑:添加图

程序集1的示例数据文件

程序集2的示例数据文件

以下是两个数据集的外观图:

OpenCV有关于生成SIFT描述符的非常好的文档,但这是"弱SIFT"的版本,其中关键点由原始Lowe算法检测.OpenCV示例读取如下内容:

img = cv2.imread('home.jpg')
gray= cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

sift = cv2.SIFT()
kp = sift.detect(gray,None)
kp,des = sift.compute(gray,kp)

我正在寻找的是强/密SIFT,它不检测关键点,而是计算一组补丁(例如16x16像素,8像素填充)的SIFT描述符,覆盖图像作为网格.据我了解,在OpenCV中有两种方法可以做到这一点:

• 我可以自己将图像分成网格,并以某种方式将这些补丁转换为KeyPoints
• 我可以使用基于网格的特征检测器

换句话说,我必须sift.detect()用能够提供我所需要的关键点的东西替换该行.

我的问题是OpenCV文档的其余部分,特别是wrt Python,严重缺乏,所以我不知道如何实现这两个方面.我在C++文档中看到网格有关键点检测器,但我不知道如何从Python中使用它们.

另一种方法是切换到VLFeat,它具有非常好的DSift/PHOW实现,但意味着我必须从python切换到matlab.

有任何想法吗？谢谢.

我试图获得用于机器学习任务(特别是使用神经网络分类)的音频文件的单个矢量特征表示.我有计算机视觉和自然语言处理的经验,但我需要一些帮助来加快音频文件的速度.

音频文件有各种各样的功能描述符,但似乎MFCC最常用于音频分类任务.我的问题是:如何将MFCC表示作为音频文件,通常是一个矩阵(大概是系数),并将其转换为单个特征向量？我目前正在使用librosa.

我有一堆音频文件,但它们的形状各不相同:

for filename in os.listdir('data'):
    y, sr = librosa.load('data/' + filename)
    print filename, librosa.feature.mfcc(y=y, sr=sr).shape

213493.ogg (20, 2375)
120093.ogg (20, 7506)
174576.ogg (20, 2482)
194439.ogg (20, 14)
107936.ogg (20, 2259)

我作为简历人做的是通过做k-means来量化这些系数,然后使用类似scipy.cluster.vq的东西来获得相同形状的向量,我可以将其用作我的NN的输入.这也是你在音频案例中会做的,或者是否有不同/更好的方法解决这个问题？

我有一个2D numpy数组,我想在彩色条中绘图.我无法更改轴,以便显示我的数据集.垂直轴从0到100"向下",而我希望它从0.0上升到0.1.所以我需要做两件事:

• 使用np.flipud()翻转数组,然后"翻转"轴
• 将标签更改为0.0到0.1,而不是0到100

以下是我的colorbar图表当前的示例:

以下是代码:

data = np.load('scorr.npy')
(x,y) = np.unravel_index(data.argmax(), data.shape)
max=data[x][y]

fig = plt.figure()
ax = fig.add_subplot(111)
cax = ax.imshow(data, interpolation='nearest')
cbar = fig.colorbar(cax, ticks=[-max, 0, max])
cbar.ax.set_yticklabels([str(-max), '0', str(max)])
plt.show()

有人有什么建议吗？提前致谢!

我想允许客户上传他们自己的配置文件,包括图标,以便我可以随时将它们作为我的应用程序的自定义版本,然后他们可以发布.

但是,我在验证配置文件时遇到了一些麻烦.特别是,我想检查DeveloperCertificate是否真的是一个有效的证书.该配置文件看起来像这样:

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
    <key>ApplicationIdentifierPrefix</key>
    <array>
        <string>ABCDEFGH</string>
    </array>
    <key>CreationDate</key>
    <date>2012-03-28T11:17:23Z</date>
    <key>DeveloperCertificates</key>
    <array>
        <data>
        MIIFajCCBFKgAwIBAgIIddUra9YprMQwDQYJKoZIhvcNAQEFBQAwgZYxCzAJ
        BgNVBAYTAlVTMRMwEQYDVQQKDApBcHBsZSBJbmMuMSwwKgYDVQQLDCNBcHBs
        ZSBXb3JsZHdpZGUgRGV2ZWxvcGVyIFJlbGF0aW9uczFEMEIGA1UEAww7QXBw
        ...     
        </data>
    </array>
    ...
</dict>

因此,我提取证书,然后想要检查它们,最好使用openssl命令.这些证书使用的加密是什么,如何使用openssl验证它们？我认为这使用pkcs12,但尝试这给我一个错误:

$ openssl pkcs12 -noout -in testcertificate
140653159306912:error:0D0680A8:asn1 encoding routines:ASN1_CHECK_TLEN:wrong tag:tasn_dec.c:1319:
140653159306912:error:0D07803A:asn1 encoding routines:ASN1_ITEM_EX_D2I:nested asn1 error:tasn_dec.c:381:Type=PKCS12

谁能指出我正确的方向？我必须以某种方式验证开发人员证书的有效性.

谢谢

我正在使用scipy的gmean()函数来确定包含电压输出的numpy数组的几何平均值.数字范围介于-80.0和30.0之间.目前,numpy阵列是二维的,给出两个不同测量的电压.

array([[-60.0924, -60.0882],
       [-80.    , -80.    ],
       [-80.    , -80.    ],
       ...,
       [-60.9221, -66.0748],
       [-61.0971, -65.9637],
       [-61.2706, -65.8803]])

但是,当我采用几何平均值时,我得到NaN:

>>> from scipy import stats as scistats
>>> scistats.gmean(voltages)
array([ NaN,  NaN])

有没有人知道可能导致这种情况的原因是什么？难道我做错了什么？

提前致谢!

我正在运行一系列脚本,所有脚本都从不同的矩阵文件中导入数据.似乎显示矩阵的内容需要花费很多时间.通常情况下我会做"更多"并在第一页之后取消显示,但是我在这里自动执行命令行版本.

有没有办法阻止Matlab在加载变量时显示变量的内容？比方说,非详细/守护进程模式？当我搜索时,我找不到办法,但我确信必须有一个.

提前致谢!