欧式范数:在数学矩阵论里详细介绍
鲁棒性:
来自不染丹心的博客园鲁棒性（robustness）
鲁棒性就是系统的健壮性。它是在异常和危险情况下系统生存的关键。比如说，计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，能否不死机、不崩溃，就是该软件的鲁棒性。所谓“鲁棒性”，是指控制系统在一定（结构，大小）的参数摄动下，维持某些性能的特性。根据对性能的不同定义，可分为稳定鲁棒性和性能鲁棒性。以闭环系统的鲁棒性作为目标设计得到的固定控制器称为鲁棒控制器。
鲁棒性原是统计学中的一个专门术语，20世纪70年代初开始在控制理论的研究中流行起来，用以表征控制系统对特性或参数摄动的不敏感性。在实际问题中，系统特性或参数的摄动常常是不可避免的。产生摄动的原因主要有两个方面，一个是由于量测的不精确使特性或参数的实际值会偏离它的设计值（标称值），另一个是系统运行过程中受环境因素的影响而引起特性或参数的缓慢漂移。因此，鲁棒性已成为控制理论中的一个重要的研究课题，也是一切类型的控制系统的设计中所必须考虑的一个基本问题。对鲁棒性的研究主要限于线性定常控制系统，所涉及的领域包括稳定性、无静差性、适应控制等。鲁棒性问题与控制系统的相对稳定性（频率域内表征控制系统稳定性裕量的一种性能指标）和不变性原理（自动控制理论中研究扼制和消除扰动对控制系统影响的理论）有着密切的联系，内模原理（把外部作用信号的动力学模型植入控制器来构成高精度反馈控制系统的一种设计原理）的建立则对鲁棒性问题的研究起了重要的推动作用。当系统中存在模型摄动或随机干扰等不确定性因素时能保持其满意功能品质的控制理论和方法称为鲁棒控制。早期的鲁棒控制主要研究单劻路系统频率特性的某些特征，或基于小摄动分析上的灵敏度问题。现代鲁棒控制则着重研究控制系统中非微有界摄动下的分析与设计的理论和方法。
控制系统的一个鲁棒性是指控制系统在某种类型的扰动作用下，包括自身模型的扰动下，系统某个性能指标保持不变的能力。对于实际工程系统，人们最关心的问题是一个控制系统当其模型参数发生大幅度变化或其结构发生变化时能否仍保持渐近稳定，这叫稳定鲁棒性。进而还要求在模型扰动下系统的品质指标仍然保持在某个许可范围内，这称为品质鲁棒性。鲁棒性理论目前正致力于研究多变量系统具有稳定鲁棒性和品质鲁棒性的各种条件。它的进一步发展和应用，将是控制系统最终能否成功应用于实践的关键。
UCF50 数据集:
vectorized 向量化
piece-wise 分段
cinstant：恒定的
patches：修补程序
spikes：电信号
momentum：惯性
HOG+MBH+HOF：HOF是HOG的改进。MBH也是一种算法，与前面的作用相同。
HOG descriptors 是应用在计算机视觉和图像处理领域，用于目标检测的特征描述器。这项技术是用来计算局部图像梯度的方向信息的统计值。这种方法跟边缘方向直方图（edge orientation histograms）、尺度不变特征变换（scale-invariant feature transform descriptors） 以及形状上下文方法（ shape contexts）有很多相似之处，但与它们的不同点是：HOG描述器是在一个网格密集的大小统一的细胞单元（dense grid of uniformly spaced cells）上计算，而且为了提高性能，还采用了重叠的局部对比度归一化（overlapping local contrast normalization）技术。
HOG描述器最重要的思想是：在一副 图像中，局部目标的表象和形状（appearance and shape）能够被梯度或边缘的方向密度分布很好地描述。具体的实现方法是：首先将图像分成小的连通区域，我们把它叫细胞单元。然后采集细胞单元中各像素 点的梯度的或边缘的方向直方图。最后把这些直方图组合起来就可以构成特征描述器。为了提高性能，我们还可以把这些局部直方图在图像的更大的范围内（我们把 它叫区间或block）进行对比度归一化（contrast-normalized），所采用的方法是：先计算各直方图在这个区间（block）中的密 度，然后根据这个密度对区间中的各个细胞单元做归一化。通过这个归一化后，能对光照变化和阴影获得更好的效果。
与其他的特征描述方法相 比，HOG描述器后很多优点。首先，由于HOG方法是在图像的局部细胞单元上操作，所以它对图像几何的（geometric）和光学的 （photometric）形变都能保持很好的不变性，这两种形变只会出现在更大的空间领域上。其次，作者通过实验发现，在粗的空域抽样（coarse spatial sampling）、精细的方向抽样（fine orientation sampling）以及较强的局部光学归一化（strong local photometric normalization）等条件下，只要行人大体上能够保持直立的姿势，就容许行人有一些细微的肢体动作，这些细微的动作可以被忽略而不影响检测效 果。综上所述，HOG方法是特别适合于做图像中的行人检测的。
temporal：时序
algorithm：算法
propagation：传播，
Back Propagation 反向传播 ; 反向传播算法 ; 算法 ; 向后传播算法
propagation loss 传播损耗 ; 传播损失 ; 传输损耗 ; 传播衰减
cluster：族，群
sptial：空间的
proximity：临近的，
Proximity effect 邻近效应 ; 近距离效果 ; 靠近效应 ; 近接效应
trajectory：轨道
bipartite：双边的，
bipartite structure 二分结构 ; 二分构造 ; 二分机关 ; 城郭套叠
bipartite partition 二部划分
bipartite matroid 二部拟阵
sparisty：稀疏，
data sparsity 数据稀疏 ; 稀疏性 ; 数据稀疏性
Sparsity Subspace 稀疏子空间 ; 稀疏子空间
Matrix Sparsity 矩阵稀疏性 ; 矩阵稀疏性