Я пишу код для поиска соответствия ядра. В этом я использовал cvxpy для выпуклой оптимизации. Мне нужно минимизировать следующую цель, основанную на этой статье: http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=6815769 и код выглядит следующим образом:
import os
import cv2
import numpy as np
import cvxpy as cp
import cvxopt
from sklearn.datasets import make_sparse_coded_signal
from sklearn.linear_model import OrthogonalMatchingPursuit
rootdir = 'F:/face train image'
image=list()
#newimg=list()
for subdir, dirs, files in os.walk(rootdir):
for file in files:
img=cv2.imread(os.path.join(subdir, file),0)
img1=cv2.resize(img,(50,50))
img2=np.reshape(img1,(2500,1))
image.append(img2)
for i in range(1,len(image)):
if i == 1:
Y=image[0]
Y=np.append(Y,image[i],1)
[r,c]=Y.shape
for i in range(0,c):
a=np.linalg.norm(Y[:,i])
for j in range(0,r):
Y[j,i]=Y[j,i]/a
yt=cv2.imread( "F:/face test image/s5/8.pgm",0)
yt=cv2.resize(yt,(50,50))
yt=np.reshape(yt,(2500,1))
Ytr=np.transpose(Y)
print Ytr.shape
ytr=np.transpose(yt)
print ytr.shape
#Kernel functions using dot product.Here only linear kernel is used.
KYY=np.dot(Ytr,Y)
Kytyt=np.dot(ytr,yt)
KytY=np.dot(ytr,Y)
lam=0.2
xt=cp.Variable(25,1,name="xt")
xtr=xt.T
epirk=Kytyt+xt.T*KYY*xt-KytY*xt
objective= cp.Minimize(epirk+lam*cp.norm1(xt))
constraints=[]
prob=cp.Problem(objective,constraints)
result=prob.solve()
Но код не работает и выдает ошибку: невозможно умножить две неконстанты. Я думаю, что это проблема умножения трех терминов в «epirk». Но у меня нет решения по этому вопросу. Пожалуйста, помогите.
