宝贝啊嗷嗷跑 宝贝啊嗷嗷跑
关注数: 6 粉丝数: 9 发帖数: 1,969 关注贴吧数: 8
真饭进阶必修--现场mix 今天才发现give me five的DVD最后带了一段视频「美しいmix讲座」 经常看现场的基友们应该留意到日本观众总会在歌曲前中后嚷嚷点什么玩意、而且特别齐 今天我浪费五万来个脑细胞把这段视频翻译成文字、希望基友们能在有幸被抽中的情况下安全使用 最基本的单词如下: 总起:『あ〜〜よっしゃぁ〜行くぞぉ〜!』 一:タイガー、ファイヤー、サイバー、ファイバー、ダイバー、バイバー、ジャージャー 二:虎(とら)、火(ひ)、人造(じんぞう)、繊维(せんい)、海女(あま)、振动(しんどう)、化繊飞除去(かせんとびじょきょ) 三:チャパ、アパ、カラ、キナ、ララ、トゥスケミョーホントゥスケ 其中: 1.『あ〜〜よっしゃぁ〜行くぞぉ〜!』作为开头出现。有时会根据情况改成『あ〜〜もういっちょ行くぞぉ〜!』具体是神马情况就不得而知了 2.タイガー、ファイヤー、サイバー、ファイバー、ダイバー、バイバー、ジャージャー(英语......这叫英语?) 虎、火、人造、繊维、海女、振动、化繊飞除去(日语) チャパ、アパ、カラ、キナ、ララ、トゥスケミョーホントゥスケ(阿伊努族语(日本北方一少数民族(别以为少数民族都穿着皮裙袒胸露乳打猎维生啊、人家也喜欢偶像啊魂淡))) 以上三句意思相同称为三连mix,单说第一句叫一连(就一句还连你一脸啊),你可以自行想象一下说两句叫几连.... 至于神马意思,作为中国人推荐看日语那一排,除了「繊维」=纤维、「化繊飞除去」=化学纤维快滚蛋,其他的都应该能看懂。 下面进入实战练习(不要相信你的意淫能力、请一边放歌一边练习) 初级:一连(脸) 例1.言い訳maybe 吉他演奏开始→三个小节→打mix『あ〜〜よっしゃぁ〜行くぞぉ〜!』  タイガー、ファイヤー、サイバー、ファイバー、ダイバー、バイバー、ジャージャー 例2.ポニーテールとシュシュ 钢琴开始→钢琴结束→三个小节→打mix『あ〜〜よっしゃぁ〜行くぞぉ〜!』  タイガー、ファイヤー、サイバー、ファイバー、ダイバー、バイバー、ジャージャー 虎、火、人造、繊维、海女、振动、化繊飞除去 例3.everyday カチューシャ 前奏开始大约4秒→『あ〜〜よっしゃぁ〜行くぞぉ〜!』  タイガー、ファイヤー、サイバー、ファイバー、ダイバー、バイバー、ジャージャー 虎、火、人造、繊维、海女、振动、化繊飞除去 チャパ、アパ、カラ、キナ、ララ、トゥスケミョーホントゥスケ吵吵完正好开始唱。 中级: 例1.强き者よ 无前奏,唱一句后开始间奏,唱完第一句那一秒把气吸进肺里然后开始喊『あ〜〜よっしゃぁ〜行くぞぉ〜!』  タイガー、ファイヤー、サイバー、ファイバー、ダイバー、バイバー、ジャージャー喊完正好间奏结束 例2.上からマリコ 前奏开始三个小节,跟着节奏喊四个「はい」,然后是正常mix『あ〜〜よっしゃぁ〜行くぞぉ〜!』  タイガー、ファイヤー、サイバー、ファイバー、ダイバー、バイバー、ジャージャー喊完有两个小节的空余时间开始唱歌 例3.チームB推し 第一声鼓响之后两个小节大喊48(日式英语、发音为:猴踢A偸) 最后一句台上唱完 「チームB推し ですよね。ですよね」回应一句「はい」 例4.少女たちよ 间奏时间、台上喊一句AKB--然后下边接一句48(当然还是日式英语) 高级: 例1.初日 例2.谁かのために 累死了 下次再弄......
求助支持向量机的人脸识别问题 钛合金F5冰天雪地赤身裸体3600°转体跪等高手帮助 运行了train.m如下: function train(C, gamma) % 整个训练过程,包括读入图像,PCA降维以及多类 SVM 训练,各个阶段的处理结果分别保存至文件: %    将 PCA 变换矩阵 W 保存至 Mat/PCA.mat %    将 scaling 的各维上、下界信息保存至 Mat/scaling.mat %    将 PCA 降维并且 scaling 后的数据保存至 Mat/trainData.mat %    将多类 SVM 的训练信息保存至 Mat/multiSVMTrain.mat global imgRow; global imgCol; display(' '); display(' '); display('训练开始...'); nPerson=40; nFacesPerPerson = 5; display('读入人脸数据...'); [imgRow,imgCol,FaceContainer,faceLabel]=ReadFace(nFacesPerPerson,nPerson); display('..............................'); nFaces=size(FaceContainer,1);%样本(人脸)数目 display('PCA降维...'); [pcaFaces, W] = fastPCA(FaceContainer, 20); % 主成分分析PCA % pcaFaces是200*20的矩阵, 每一行代表一张主成分脸(共40人,每人5张),每个脸20个维特征 % W是分离变换矩阵, 10304*20 的矩阵 visualize_pc(W);%显示主成分脸 display('..............................'); X = pcaFaces; display('Scaling...'); [X,A0,B0] = scaling(X); save('Mat/scaling.mat', 'A0', 'B0'); % 保存 scaling 后的训练数据至 trainData.mat TrainData = X; trainLabel = faceLabel; save('Mat/trainData.mat', 'TrainData', 'trainLabel'); display('..............................'); for iPerson = 1:nPerson      nSplPerClass(iPerson) = sum( (trainLabel == iPerson) ); end multiSVMStruct = multiSVMTrain(TrainData, nSplPerClass, nPerson, C, gamma); display('正在保存训练结果...'); save('Mat/multiSVMTrain.mat', 'multiSVMStruct'); display('..............................'); display('训练结束。'); 提示:??? Input argument "C" is undefined. Error in ==> train at 49 multiSVMStruct = multiSVMTrain(TrainData, nSplPerClass, nPerson, C, gamma); 说我“C”没定义。 请问如何编辑“C”? 另附multiSVMTrain.m如下: function multiSVMStruct = multiSVMTrain(TrainData, nSampPerClass, nClass, C, gamma) %function multiSVMStruct = multiSVMTrain(TrainData, nSampPerClass, nClass, C, gamma) % 采用1对1投票策略将 SVM 推广至多类问题的训练过程,将多类SVM训练结果保存至multiSVMStruct中 % % 输入:--TrainData:每行是一个样本人脸 %      --nClass:人数,即类别数 %      --nSampPerClass:nClass*1维的向量,记录每类的样本数目,如 nSampPerClass(iClass) %      给出了第iClass类的样本数目 %      --C:错误代价系数,默认为 Inf %      --gamma:径向基核函数的参数 gamma,默认值为1 % % 输出:--multiSVMStruct:一个包含多类SVM训练结果的结构体 % 默认参数 if nargin < 4      C = inf;      gamma = 1; elseif nargin < 5      gamma = 1; end %开始训练,需要计算每两类间的分类超平面,共(nClass-1)*nClass/2个 for ii=1:(nClass-1)      for jj=(ii+1):nClass          clear X;          clear Y;          startPosII = sum( nSampPerClass(1:ii-1) ) + 1;          endPosII = startPosII + nSampPerClass(ii) - 1;          X(1:nSampPerClass(ii), :) = TrainData(startPosII:endPosII, :);                       startPosJJ = sum( nSampPerClass(1:jj-1) ) + 1;          endPosJJ = startPosJJ + nSampPerClass(jj) - 1;          X(nSampPerClass(ii)+1:nSampPerClass(ii)+nSampPerClass(jj), :) = TrainData(startPosJJ:endPosJJ, :);                            % 设定两两分类时的类标签          Y = ones(nSampPerClass(ii) + nSampPerClass(jj), 1);          Y(nSampPerClass(ii)+1:nSampPerClass(ii)+nSampPerClass(jj)) = 0;                   % 第ii个人和第jj个人两两分类时的分类器结构信息          CASVMStruct{ii}{jj}= svmtrain( X, Y, 'Kernel_Function', @(X,Y) kfun_rbf(X,Y,gamma), 'boxconstraint', C );       end end % 已学得的分类结果 multiSVMStruct.nClass = nClass; multiSVMStruct.CASVMStruct = CASVMStruct; % 保存参数 save('Mat/params.mat', 'C', 'gamma');
1 下一页