向量/特征的累积分级
问题描述：
假设，如果存在长度为n的特征向量，则累积分箱到k个分箱中，特征向量长度现在变为n×k。究竟该如何做？任何帮助？向量/特征的累积分级
我在纸上遇到此累积合并概念首次第七节第8页：Learning Human Activities and Object Affordances from RGB-D Videos
我接触这方面的论文的作者，但没有从他们那里得到任何答复然而。
何时可以使用这种技术？这种技术还有其他应用吗？
答
至于如何结合的特征为一个矩阵很简单
M = numpy.vstack（（F1，F2，...，FK））
至于为什么累积的分级是必要的。这是因为他们在所有十个班级（颈，躯干，左肩，左胳膊肘，左手掌，右 肩，右肘和右手掌） 所以每个区间对应于一类 希望它可以帮助
我不要认为10是因为这一点，因为在物体特征（没有颈部，躯干，右手肘和右掌）中使用相同的累积分箱...它可以这是因为累积分箱可能有助于减少以高维收集时特征的稀疏性。这可能是本文的原因。我不确定这种方法通常会在何时何地使用 – praneeth