본문 바로가기
Solving LMI using SeDuMi minimize J s.t F0 + x1F1 + x2F2 + x3F3 + JF4 0 라는 문제가 주어졌을 때 C = [0;0;0;0;-F0(:)]; A = [-eye(4);F1(:) F2(:) F3(:) F4(:)]; b = [0 0 0 -1]; K.l = 4; K.s = 3; [primal,x] = sedumi(A,b,C,K) % x are is your variables [x1 x2 x3 x4] In more advanced cases, a modelling tool is recommended, such as YALMIP free, requires an SDP solver such as sedumi, sdpt3,dsdp,csdp,...) Your YALMIP model would be sdpvar x.. 더보기
Gaussian Mixture Model (vs k-means) 1. GMM (Gaussian Mixture Model) 주어진 distribution이 있을 때 이를 위와 같이 modeling하는 것이다. 즉 어떤 모르는 변수들이 막 있을 때 이 변수들이 여러 개의 mixed gaussian distribution에서 나왔다고 가정을 한다. 결국 우리가 구하는 것은 n개의 mean과 covariance matrix이다. 2. 매트랩 시뮬레이션 결과 (크게 보려면 클릭) 3. example_gmm_vs_kmeans.m%%clc;clear all;close all; %%mean1 = [1 2 3]';var1 = 2;mean2 = [3 2 1]';var2 = 1;mean3 = [1 3 -1]';var3 = 0.5; x1 = mean1*ones(1,20) + var1*ra.. 더보기
Save a figure into PNG image / save to a TXT file 1. figure를 jpeg파일로 저장하기. fig1 = figure('Name', 'Result'... ,'Position',[100 300 900 700] ... ,'NumberTitle','off');x_min = 1; x_max = 10; x_count = 10;x = linspace(x_min, x_max, x_count);y = x.^2;plot(x, y, 'ro:'); set(fig1,'PaperPositionMode','auto')print (fig1 , '-djpeg', ['fig', num2str(123), '.jpeg']) ; set(fig,'PaperPositionMode','auto')print (fig , '-dpng', ['fig', num2str(i), '.png']) ; 2.. 더보기
매트랩을 이용해서 구글어스 위에다 그림을 그려보자. 목표: 서울에 있는 기상청의 온도 정보를 이용해서 서울 전체의 온도 지도를 그려보자. 1. 기상청에서 온도 정보를 얻어온다. 여기서 귀찮은 수작업이 있는데 오른쪽의 위치를 위도, 경도로 바꿔줘야 한다. 구글 어스로 들어가 위치 정보를 치면 위도, 경도를 구할 수 있다. 이렇게 각 위치에 대한 위도 경도를 얻은 후엔 이 정보를 매트랩으로 넘겨준다. 사실 정보라고 해봤자 위도, 경도, 온도 뿐이다. 데이터 파일 2. 이 점들을 데이터로 해서 Gaussian Process Regression을 하자. main.m%% 초기화clc;clear all;close all; %% 데이터를 불러온다 (서울시의 기상청의 위도 경도와 온도를 담고 있는 데이터)load 'temperature_data_latitude_long.. 더보기

티스토리툴바