Question

我正在尝试为我的色度特征计算自相似矩阵。参考this！用于理解自相似矩阵。

色度特征是在每帧的和弦识别时获得的矢量。现在由于帧的数量非常大（1224097），循环必须运行（n ^ 2）次以形成矩阵，n是帧的数量。这会导致错误分配问题。任何人都可以为此提出建议吗？我可以用循环运行一些n * m次来形成矩阵，但仍能显示正确的结果吗？或者我可以增加记忆力等等。

这里是我试图编写的代码，用于形成相似度矩阵。 chroma_features是大小等于帧数的向量向量。

for(int ii=0;ii<chroma_features.size();ii++)
    {
        vector<float> tr(chroma_features.size(),0.0);
        similarity_matrix.push_back(tr);
        for(int kk=0;kk<chroma_features.size();kk++)
        {    
            float temp = 0;
            for(int jj=12;jj<24;jj++)  
            {  
                 temp += pow((chroma_features[ii][jj]-chroma_features[kk][jj]),2.0);
            }

             similarity_matrix[ii][kk] = sqrt(temp);

        }
    }

存在问题。我的基本目标是做到这一点。我们计算自相似矩阵S = s（i，j）使用欧氏距离的色度向量序列。这个矩阵在主对角线上有零。我们将它标准化因此对于任何i，0 <= s（i，j）<= 1;学家然后我们每行仅保留M n个最小值并设置所有其他值为1（这里0 <= M <= 1）。之后我们只保留那个矩阵的那些平行的对角线段到主对角线并且长度大于或等于k： s（i + 1; j + 1）＆lt; 1 | 0＆lt; = l＆lt; = k1，k1＆gt; = k。得到的矩阵从某种意义上讲它是“稀疏的”，因为它具有很少的元素从1开始。然后我们重新计算色度向量的序列还有其他办法吗？

自相似矩阵形成

0 个答案: