Latex에서 일본어 문자 입력부분에서 error 때문에 고생했다..


LaTeX Error: This file needs format `pLaTeX2e'


이런 경고창이 뜨면서 ㅠㅠ



Texmaker라는 프로그램으로 옮겨탈려다..

이 고생이 시작됐다..

Tex live에서는 포함하고 있으니 동작한다고 하는데..

어찌된 일인지 내꺼에선 동작하지 않았다.


그래서 texlive를 설치하고,



@echo off 
platex -synctex=1 -kanji=utf8 -guess-input-enc %1 && ^ 
dvipdfmx "%~n1" 

이라는 내용의 pdfplatex.bat이라는 파일을 만든다.



그 다음 c:\\texlive\\2014\\bin\\win32 에 옮겨놓는다.





TexLive를 실행하고, Edit -> Preferences 




다음은 Typesetting 에서 Processing tools 에서 추가한다.

다음 그림과같이 경로와 이름 등을 작성하면 일본어가 사용가능하다..











'공부 > latex' 카테고리의 다른 글

Latex 일본어 입력 문제 (LaTeX Error: This file needs format `pLaTeX2e')  (0) 2014.12.12
[펌] LaTex 테이블 그리기 (셀 병합)  (0) 2014.06.25
라텍스 그림넣기  (0) 2013.12.06
라텍스에서 스페이스  (0) 2013.12.06
LaTex  (0) 2013.12.05
Posted by 그래제길

출처 : http://angrygoguma.tistory.com/6


이번에는 LaTeX에서 셀(칸)을 병합하는 방법을 알아보겠습니다.



먼저 열(column)을 병합할때는 multicolumn이라는 명령어를 씁니다.


multicolumn은 아래와 같이 3가지 옵션이 있습니다.


\multicolumn{합칠 열의 수}{정렬과 선그리기}{칸에 넣을 내용}


합칠 열의 수는 테이블의 전체 열의 수 보다 같거나 작아야 합니다.

정렬과 선그리기는 저번 포스팅에서 적은 '|c|', 'r|' 과 같은 옵션입니다.


행을 합칠때는 그냥 선을 긋지 않는것만으로도 그 효과를 볼수 있습니다.

보통 테이블의 선을 그을때는 \hline 을 사용하지만,

부분부분 선을 그을때는 \cline을 사용합니다.

\cline은 아래와 같이 한가지 옵션을 가집니다.


\cline{선긋기를 시작할 칸 - 끝낼칸}


백번 설명하는것 보다 한번 해보는게 좋을테니,

실제로 예제를 한번 해볼까요?


<표. 1>


먼저 <표.1>과 같은 테이블을 만들어 봅시다.

3 X 3의 테이블이고, 첫번째 행은 3개의 열, 두번째 행은 두개의 열이 병합되어 있습니다.

열을 병합할때는 ?

\multicolumn{}{}{}코맨드 입니다.


위의 테이블 소스코드는 아래와 같습니다.



\begin{table}

\begin{tabular}{|c|c|c|} \hline

\multicolumn{3}{|c|}{a}\\ \hline

\multicolumn{2}{|c|}{b} & c \\ \hline

d & e & f \\ \hline

\end{tabular}

\end{table}





그럼 밑은 테이블은 어떻게 그리면 될까요?



행을 병합했기때문에\cline{}코맨드를 쓰면 됩니다.

그리고 선은 2번째열에서 3번째열까지 그렸기 때문에

\cline{2-3}이라고 하면 되겠네요.

위의 테이블의 소스코드 입니다.



\begin{table}

\begin{tabular}{|c|c|r|}\hline

& a & b \\ \cline{2-3}

c & d & e \\ \cline{2-3}

& f & g \\ \hline

\end{tabular}

\end{table}



'공부 > latex' 카테고리의 다른 글

Latex 일본어 입력 문제 (LaTeX Error: This file needs format `pLaTeX2e')  (0) 2014.12.12
[펌] LaTex 테이블 그리기 (셀 병합)  (0) 2014.06.25
라텍스 그림넣기  (0) 2013.12.06
라텍스에서 스페이스  (0) 2013.12.06
LaTex  (0) 2013.12.05
Posted by 그래제길



eps 와 다른 것 들~~


EPS를 사용하는 경우 

    \usepackage[dvips]{graphicsx}

PNG, JPEG 그림파일을 사용하는 경우

    \usepackage[pdftex]{graphicsx}


http://blog.naver.com/PostView.nhn?blogId=valkyry&logNo=40155297447





'공부 > latex' 카테고리의 다른 글

Latex 일본어 입력 문제 (LaTeX Error: This file needs format `pLaTeX2e')  (0) 2014.12.12
[펌] LaTex 테이블 그리기 (셀 병합)  (0) 2014.06.25
라텍스 그림넣기  (0) 2013.12.06
라텍스에서 스페이스  (0) 2013.12.06
LaTex  (0) 2013.12.05
Posted by 그래제길

라텍스에서 수식중.. 스페이스를 주기

\,  \:   \;   \!   \quad   \qquad   \mspace{mu}




'공부 > latex' 카테고리의 다른 글

Latex 일본어 입력 문제 (LaTeX Error: This file needs format `pLaTeX2e')  (0) 2014.12.12
[펌] LaTex 테이블 그리기 (셀 병합)  (0) 2014.06.25
라텍스 그림넣기  (0) 2013.12.06
라텍스에서 스페이스  (0) 2013.12.06
LaTex  (0) 2013.12.05
Posted by 그래제길
2013.12.05 22:07





http://www.codecogs.com/latex/eqneditor.php                                                    - 온라인 수식변환

http://www.artofproblemsolving.com/Wiki/index.php/LaTeX:Commands                   - 수식정리





'공부 > latex' 카테고리의 다른 글

Latex 일본어 입력 문제 (LaTeX Error: This file needs format `pLaTeX2e')  (0) 2014.12.12
[펌] LaTex 테이블 그리기 (셀 병합)  (0) 2014.06.25
라텍스 그림넣기  (0) 2013.12.06
라텍스에서 스페이스  (0) 2013.12.06
LaTex  (0) 2013.12.05
Posted by 그래제길

출처 : http://valley.egloos.com/viewer/?url=http://hackos.egloos.com/157662


GPDM(Gaussian Process Dynamical models)

 

아래의 글은 Neil Lawrence "Probabilistic Non-linear Principal Component Analysis with Gaussian Process Latent Variable Models"를 기초로하여 이해한 내용을 정리한 것입니다.

우선 내가 하고자하는 목표는 High dimensional space상에 존재하는 데이터를 Low dimensional space (Latent Variable)에 나타내고자 한다. 이러한 방법은 기계 학습, 패턴 인식 분야에서 많이 사용되는 방법이다. 나는 GPLVM(Gaussian Process Latent Variable Models)에서 더 나아간 GPDM(Gaussian Process Dynamical models)를 이해하기 위해 공부를 하고 있다.

용어 정리
-----------------------------------------------
Y : High dimensional space data or Observed data
X : Low dimensional space data or Latent data
-----------------------------------------------

PCA(Principal Component Analysis)는 데이터의 차원을 축소시키는 방법 중 하나로 널리 사용되고 있다. 하지만 PCA는 데이터와 Latent variable 사이에 선형적(Linear)인 관계가 있을 때에 잘 작동한다.

 

 

데이터와 Latent variable가 비선형적(Non-linear)인 관계를 지니고 있다면 다른 방법으로 접근해야한다. 비선형 차원 축소 방법에는 Kernel PCA GPLVM이 있는데 Kenel PCA은 행렬 연산을 통해 Latent Variable를 구하고, GPLVM은 확률적 모델을 기반으로 Latent Variable를 구한다는 큰 차이가 있다.

그렇다면 똑같이 비선형 차원 축소 방법인데 왜 두가지 방법에 대한 연구가 진행 되었을까? 그 답은 용도의 차이이다.
데이터에서 Latent Variable로의 변환 ( Y -> X ) Latent Variable을 이용하여 데이터를 근사( X -> Y' )할 수 있는 PCA와는 달리 비선형적인 데이타 분포를 나타내기 위해서는 둘 중에 한가지만이 가능하다. Kernel PCA ( Y -> X ), GPLVM ( X -> Y )가 가능하다.

Kernel PCA는 여러 데이터를 분류하는 패턴 인식 분야에서 많이 사용된다. 현재 데이터의 Latent variable이 이전에 학습된 데이터들의 Latent variables과 어떤 관계를 가지는에 대해서만 관심을 가지고 있다면 Kernel PCA을 사용해야한다. 예를 들어, 사람의 얼굴 사진에 대한 데이터가 있다, 이 사진에 나타난 인물이 남자인지 여자인지를 구분하는 분류기를 만들고 싶다. 분류기를 만들기 위해서 인터넷에서 얻은 남녀 사진 1000장을 가지고 학습을 하려고 한다. 하지만 사진은 (width * hight * RGB )의 정보를 가지고 있는 High dimensional space 상의 데이터이다. Kernel PCA를 통해 데이터들의 비선형적인 관계까지 고려하여 차원을 축소시킬 수 있고 우리가 학습시킨 Kernel function을 통해 특정 사진의 Latent variable ( Y -> X )를 구할 수 있다. Latent variable가 학습시킬때 사용되었던 데이터들의 Latent variables들 중 남자 사진에 유사한지 여자 사진에 유사한지를 판단하면 되는 문제이다. 하지만 이 경우 임의의 Latent variable X3에 대응하는 Y3의 값을 알 수 없다. 예를 들어 Y1 Y2의 사진 데이터가 있고 Kernel function를 통해 X1, X2를 구했다고 하자. Y1 Y2의 중간값 (단순한 영상의 중간값이 아닌, Non-linear space상의 평균값)을 알고 싶어 X3 = 0.5*(X1+X2)를 한다고 하더라도 Y3를 구할 수 없다

반면에 GPLVM은 데이터를 분류할 수는 없지만, Low dimensional space상의 임의의 Latent variable X를 생성하여 학습된 데이터와 유사한 데이터를 생성( X -> Y )해낼 수 있다.

나는 사람의 동작 데이터(High dimensional data)를 학습 시키고 이와 유사한 자세 생성( X-> Y)을 효율적으로 하여 최적화의 성능을 높이기 위해 GPLVM을 사용하려한다.

GPLVM을 이해하기 위해서 필요한 과정인 PPCA, DPPCA에 대해서 설명하고 GPLVM을 진행도록 하겠다.

 

 

출처http://valley.egloos.com/viewer/?url=http://hackos.egloos.com/157662

 

'공부 > Pattern recognition' 카테고리의 다른 글

[펌] GPLVM  (0) 2013.09.04
Dimensionality Reduction and Classification  (0) 2013.09.03
Posted by 그래제길

matlab 을 이용한 차원 축소와 이와 관련된 분류 문제를 할 수 있도록 구현해 놓은 matlab Toolbox이다.

연구에 필요한 분들이 참고하면 좋을 것 같다.


차원 축소 ( Dimensionality Reduction )


http://homepage.tudelft.nl/19j49/Matlab_Toolbox_for_Dimensionality_Reduction.html


Currently, the Matlab Toolbox for Dimensionality Reduction contains the following techniques:

? Principal Component Analysis (PCA)

? Probabilistic PCA

? Factor Analysis (FA)

? Sammon mapping

? Linear Discriminant Analysis (LDA)

? Multidimensional scaling (MDS)

? Isomap

? Landmark Isomap

? Local Linear Embedding (LLE)

? Laplacian Eigenmaps

? Hessian LLE

? Local Tangent Space Alignment (LTSA)

? Conformal Eigenmaps (extension of LLE)

? Maximum Variance Unfolding (extension of LLE)

? Landmark MVU (LandmarkMVU)

? Fast Maximum Variance Unfolding (FastMVU)

? Kernel PCA

? Generalized Discriminant Analysis (GDA)

? Diffusion maps

? Neighborhood Preserving Embedding (NPE)

? Locality Preserving Projection (LPP)

? Linear Local Tangent Space Alignment (LLTSA)

? Stochastic Proximity Embedding (SPE)

? Multilayer autoencoders (training by RBM + backpropagation or by an evolutionary algorithm)

? Local Linear Coordination (LLC)

? Manifold charting

? Coordinated Factor Analysis (CFA)

? Gaussian Process Latent Variable Model (GPLVM)

? Stochastic Neighbor Embedding (SNE)

? Symmetric SNE (SymSNE)

? t-Distributed Stochastic Neighbor Embedding (t-SNE)


분류기 ( Classifier, Classification)


http://www.prtools.org/

The Matlab Toolbox for Pattern Recognition.


출처 : http://kimbellw.tistory.com/26


'공부 > Pattern recognition' 카테고리의 다른 글

[펌] GPLVM  (0) 2013.09.04
Dimensionality Reduction and Classification  (0) 2013.09.03
Posted by 그래제길

우선 우분투는 OpenCV가 자체적으로 같이 포함되어 나옵니다 보통,

하지만 상위 버전인 OpenCV를 사용하기 위해선 아래와 같은 작업이 필요합니다


먼저 터미널을 켜시고, 아래를 차례대로 입력합니다


sudo add-apt-repository ppa:gijzelaar/cuda

sudo add-apt-repository ppa:gijzelaar/opencv2.3

sudo apt-get update

sudo apt-get install libopencv-dev


이로써 OpenCV 설치는 완료 되었고, Eclipse를 설치해봅시다


먼저와 같이 터미널을 켜시고, 아래를 차례대로 입력합니다


sudo apt-get install eclipse

sudo apt-get install eclipse-platform

sudo apt-get install eclipse-rcp

sudo apt-get install eclipse-platform-data

sudo apt-get install eclipse-pde

sudo apt-get install pdebuild

sudo apt-get install eclipse-cdt


이로써 Ecllipse 설치도 완료되었습니다


프로젝트에 OpenCV 를 활성화 시키기 위해서는 비주얼 스튜디오와 마찬가지로 참조, 라이브러리 디렉토리에 대한 수정이 필요합니다.


1. 먼저 Empty project를 만드신 후, Project Explorer에서 해당 프로젝트를 오른쪽 클릭합니다

2. 팝업 메뉴 중 properties 를 클릭하시고, C/C++ Build 에 Settings를 클릭합니다

3. 오른쪽에 GCC C Compiler 아래에 있는 Directories 를 선택합니다.

4. Include Directories(포함 디렉토리)를 아래와 같이 설정합니다.

/usr/include/opencv

5. 다시 왼쪽으로 와서 GCC C Linker 아래에 있는 Libraries를 선택합니다.

6. Libraries에 opencv_core, opencv_highgui 를 기본적으로 포함해주시고, 추가적인 library들은 코드에 맞춰서 넣어주시면 됩니다.

opencv_imgproc, opencv_ml, opencv_video, opencv_features2d, opencv_calib3d, opencv_objdetect, opencv_contrib, opencv_legacy, opencv_flann

7. 마지막으로 Library Search Path에 아래와 같이 입력해주시면 완료입니다.

/usr/lib

8. 3~7을 Release 모드에서도 반복해주시면 최종적으로 설정이 완료 됩니다.


Sample Code 입니다.


#include <stdio.h>

#include <math.h>

#include "cv.h"

#include "highgui.h"


int main(int argc, char *argv[])

{

cvNamedWindow("Test",CV_WINDOW_AUTOSIZE);

IplImage* image=0;


image=cvLoadImage("image.jpg",CV_LOAD_IMAGE_COLOR);

if(image==0)

printf("image doesn't exist");

else

{

cvShowImage("Test",image);

cvWaitKey(0);

cvReleaseImage(&image);

}


return 0;

}


위의 샘플코드를 입력한 뒤, 빌드하고 실행 시켜 주시면 해당 프로젝트 폴더에 있는 image.jpg가 뜨게 됩니다. 


출처 : http://wrahoolwrites.blogspot.com/2012/01/setting-up-opencv-23-and-eclipse-on.html

     http://ehgma0821.tistory.com/9


Posted by 그래제길



c3d.org         http://www.c3d.org/
c3dserver      http://www.c3dserver.com/
메뉴얼          http://www.c3dserver.com/HTML/default.html?turl=c3dserverinstallation.htm 

 

'공부 > Motion capture' 카테고리의 다른 글

c3d 파일 관련 사이트  (0) 2011.11.01
Posted by 그래제길


영상처리:

1. 제목: Computer Imaging "Digital Image Analysis and Processing"
   출판사: CRC PRESS BOOK
   저자: Scott E Umbaugh
   추천이유: 책의 내용은 이론을 바탕으로 예제 중심으로 잘 만들었다고 생각하며 Low Processing에만 국한되지 않고
   high processing 적인 요소까지 다루고 있기 때문에 유용할 것이라는 생각이 듭니다. 영상처리와 관련된 왠만한 알고리즘들은 CVIP 툴 킷을 이용하여 유용하게 쓸 수 있습니다. 특히, 개발 중간 단계에서 자신이 직접 구현한 영상처리 알고리즘이 맞는지 결과를 확인 할 때 CVIP 툴 킷을 이용하면 아주 유용하답니다.   

2. 제목: Digital Image Analysis "selected techniques and applications"
   출판사: Springer
   저자: Walter G. Kropatsch, Horst Bischof
   추천이유: 일반적인 영상처리 서적이 기본적인 이론을 다루는 반면에 이 책은 알려지지 않은 유용한 techniques을 많이 소개하고 어느 분야에 적용하였을 때 유용한지 잘 기술되어 있습니다. (개인적으로 가장 아끼는 책중에 하나입니다.)  

3. 제목: The Image Processing Handbook
   출판사: CRC PRESS BOOK
   저자: John C. Russ
   추천이유: 전반적으로 다루는 내용은 곤잘레스의 DIP와 비슷하지만 DIP가 중급 이상의 독자에 초점을 맞추고 있는 반면에 이 책은 초보자도 쉽게 접근하여 읽을수 있다는 장점을 가지고 있습니다.

4. 제목: Digital Image Processing Algorithms And Applications
   출판사: Prentice Hall
   저자: PITAS
   추천이유: 영상처리와 관련된 기본적인 알고리즘을 C로 구현해놨으며 오래된 책이지만 입문자들에게 유용한 책이라고 생각을 합니다.

 5. 제목: Practical Algorithms For Image Analysis "Description, Example, And Code"
   출판사: CAMBRIDGE
   저자: Michael Seul, Lawrence O` Gorman, Michael J. Sammon
  추천이유: 제목에서 볼 수 있듯이 영상 분석과 관련된 알고리즘의 이론과 예, 그리고 코드까지 직접 제공하는 책입니다.

 6. 제목: Feature Extraction & Image Processing
   출판사: Newes
   저자: Mark Nixon & Alberto Aguado
   추천이유: 영상처리에서 가장 중요한 영역중에 하나인 특징 추출에 관한 내용을 자세하게 다루었으며 관련된 알고리즘 또한 제공하고 있습니다.

 7. 제목: Dealing with Texture
   출판사: WILEY
   저자: Maria Petrou & Pedro Garcia Sevilla
   추천이유: 일반적인 영상처리 서적들이 Texture에 대해 교과서적인 내용만을 다루는데 비해서 영상에서 가장 유용한 정보를 제공하    는 특징 중 하나인 Texture에 대해서 이론적 접근을 통해서 깊이 있는 내용을 다루고 있습니다. 개인적으로 어렵긴 하지만 참 잘 만든 책이라고 생각을 합니다. 영상 분류의 기본이 되는 Texture에 관심이 있으신 분들은 참고하시면 좋은 서적이 될 것 같습니다.

  

컴퓨터 비전:

 1. 제목: COMPUTER VISION
   출판사: Prentice Hall
   저자: Linda G. Shapiro & George C. Stockman
   추천이유: 컴퓨터 비전과 관련하여 개인적으로 곤잘레스의 DIP 처럼 Bible라고 생각하는 책입니다. 아주 최신적인 내용을 다루고 있지는 않지만 개념을 잡고 전반적인 이해를 하는데 유용한 책이 될 것입니다.

 2. 제목: Emerging Topic In Computer Vision
   출판사: Prentice Hall
   저자: Gerard Medioni & Sing Bing Kang
   추천이유: 컴퓨터 비전의 전통적인 내용부터 Tensor Voting과 같은 최신 내용까지 포괄적으로 잘 다루고 있으며 컴퓨티 비전에 관해 기본적인 내용이 들어간 툴 킷을 제공하고 있습니다.

 3. 제목: Computer Vision and Applications
   출판사: ACADEMIC PRESS
   저자: Bernd Jahne, Horst Haubecker
   추천이유: 센서부터 패턴 인식 및 시스템 적용까지 전반적인 내용을 잘 다루고 있으며 특히 응용 및 적용 분야에서 참고하시면 유용한 책이라고 생각을 합니다.

 4. 제목: Introduction Techniques for 3-D Computer Vision
   출판사: Prentice Hall
   저자: Emanuele Trucco, Alessandro Verri
   추천이유: 컴퓨터 비전과 관련된 기본적인 알고리즘을 이론과 함께 설명하고 있으며 소스코드도 제공하고 있습니다. 책이 오래되서 최신 내용까지 반영하지 못하지만 비전 관련 기본적인 알고리즘을 익히는데는 상당히 유용한 책이라고 생각을 합니다.

 5. 제목: 3-D IMAGE PROCESSING ALGORITHMS
   출판사: WILEY
   저자: Nikolaidis, Pitas
   추천이유: 컴퓨터 비전과 관련된 최신적인 알고리즘까지 자세하게 제공하고 있으며 꼭 필요한 내용만을 충실하게 다룬 것 같습니다.

   6. 제목: Computer Vision Algorithms In Image Algebra
   출판사: CRC PRESS
   저자: Gerhard X. Ritter, Joseph N. Wilson
   추천이유: 제 3판까지 나와 있으며 일반적인 서적들이 수학적인 내용에 깊이가 없는 반면에 컴퓨터 비전과 관련된 알고리즘을 수학적으로 접근하여 순차적으로 자세히 표현하고 있다는게 이책의 매력인 것 같습니다.

 7. 제목: Dictionary of Computer Vision and Image Processing
   출판사: WILEY
   저자: R.B. Fisher 외 다수
  추천이유: 스테레오 정합과 관련된 연구를 시작하면서 Ground truth라는 용어를 몰라서 오랫동안 웹을 검색한 적이 기억납니다. 영상처리와 컴퓨터 비전에 관련된 용어들을 사전으로 만들어서 개념을 제공하고 있으며 paper나 원서를 보실 때 혹시나 단어에  내재된 뜻을 모르신다면 이 사전을 참고하시면 왠만한 용어들은 다 설명이 되어 있을 것입니다.



출처 : http://cafe.naver.com/opencv.cafe?iframe_url=/ArticleRead.nhn%3Farticleid=4737




Posted by 그래제길
이전버튼 1 이전버튼