data process for large scale datasets

Kmeans:   总体而言，速度(单线程)： yael_kmeans > litekmeans ~ vl_kmeans

1.vl_kemans (win10 + matlab 15 + vs13编译有问题，但win7 + matlab13 +vs12可以)

2.litekmeans (直接使用，single form更快)

http://www.cad.zju.edu.cn/home/dengcai/Data/code/litekmeans.m

3.yael_kmeans (multithreading)  编译时选择useopenmp=yes, matlab的Make文件要加上-fopenmp，否则无法多线程(会出现 ignoring #pragma omp parallel )。 yael_kmeans加上nt的设置，否则无法调整nt值。例如：

mex mex_sum_openmp.c CFLAGS="\$CFLAGS -fopenmp" LDFLAGS="\$LDFLAGS -fopenmp"

流程：./configure.sh配置 -> make -> 编译通用文件 -> 修改matlab中的Make，然后在matlab中运行make文件

https://gforge.inria.fr/frs/?group_id=2151&release_id=6405

openmp编程：http://www.ibm.com/developerworks/cn/aix/library/au-aix-openmp-framework/

ANN:

1.Flann (按照教程编译)

http://www.cs.ubc.ca/research/flann/

特别的，针对python版本编译：把src/python的pyflann拷贝刀./build/src/python下，然后再运行sudo python setup.py install