朴素贝叶斯估计朴素贝叶斯是基于贝叶斯定理与特征条件独立分布假设的分类方法。
首先根据特征条件独立的假设学习输入/输出的联合概率分布，然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。
具体的，根据训练数据集，学习先验概率的极大似然估计分布以及条件概率为Xl表示第l个特征，由于特征条件独立的假设，可得条件概率的极大似然估计为根据贝叶斯定理则由上式可以得到条件概率P(Y=ck|X=x)。
贝叶斯估计用极大似然估计可能会出现所估计的概率为0的情况。
后影响到后验概率结果的计算，使分类产生偏差。
采用如下方法处理。
条件概率的贝叶斯改为
首先根据特征条件独立的假设学习输入/输出的联合概率分布，然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。
具体的，根据训练数据集，学习先验概率的极大似然估计分布以及条件概率为Xl表示第l个特征，由于特征条件独立的假设，可得条件概率的极大似然估计为根据贝叶斯定理则由上式可以得到条件概率P(Y=ck|X=x)。
贝叶斯估计用极大似然估计可能会出现所估计的概率为0的情况。
后影响到后验概率结果的计算，使分类产生偏差。
采用如下方法处理。
条件概率的贝叶斯改为
2016/5/23 2:49:33
92KB
1
不知道大家有没有注意到现在SD卡都到SD7.1的版本了。
从最早我知道的SD，SDHC，SDXC，SD3.0，SD4.0等，每一代技术更新都是容量和速度的提升。
创惟能支持或婚配的读卡器方案，有多盘符和单盘符系列，10年前很流行多盘符多种类卡的应用，不管什么类型的卡插上去电脑都能读写，实现数据同步，交换。
而现在，也只有单盘符的应用，因为可使用的卡类型少了，很多卡都被淘汰，如XD，M2，MS等。
如果SD7.1价格降下来，估计现在的SD4.0也没它什么事了。
SD7.1是PCIe的协议，速度和容量都可以做到极致。
这要普及应用下来，也可能需要几年时间。
只闻其，不见其物，需要深入聊解，私聊我。
从最早我知道的SD，SDHC，SDXC，SD3.0，SD4.0等，每一代技术更新都是容量和速度的提升。
创惟能支持或婚配的读卡器方案，有多盘符和单盘符系列，10年前很流行多盘符多种类卡的应用，不管什么类型的卡插上去电脑都能读写，实现数据同步，交换。
而现在，也只有单盘符的应用，因为可使用的卡类型少了，很多卡都被淘汰，如XD，M2，MS等。
如果SD7.1价格降下来，估计现在的SD4.0也没它什么事了。
SD7.1是PCIe的协议，速度和容量都可以做到极致。
这要普及应用下来，也可能需要几年时间。
只闻其，不见其物，需要深入聊解，私聊我。
2019/8/16 2:35:12
824KB
1
针对单目深度估计网络庞大的参数量和计算量，提出一种轻量金字塔解码结构的单目深度估计网络，可以在保证估计精度的情况下降低网络模型的复杂度、减少运算时间。
该网络基于编解码结构，以端到端的方式估计单目图像的深度图。
编码端使用ResNet50网络结构；
在解码端提出了一种轻量金字塔解码模块，采用深度空洞可分离卷积和分组卷积以提升感受野范围，同时减少了参数量，并且采用金字塔结构融合不同感受野下的特征图以提升解码模块的功能；
此外，在解码模块之间增加跳跃连接实现知识共享，以提升网络的估计精度。
在NYUDv2数据集上的实验结果表明，与结构注意力引导网络相比，轻量金字塔解码结构的单目深度估计网络在误差RMS的指标上降低约11.0%，计算效率提升约84.6%。
该网络基于编解码结构，以端到端的方式估计单目图像的深度图。
编码端使用ResNet50网络结构；
在解码端提出了一种轻量金字塔解码模块，采用深度空洞可分离卷积和分组卷积以提升感受野范围，同时减少了参数量，并且采用金字塔结构融合不同感受野下的特征图以提升解码模块的功能；
此外，在解码模块之间增加跳跃连接实现知识共享，以提升网络的估计精度。
在NYUDv2数据集上的实验结果表明，与结构注意力引导网络相比，轻量金字塔解码结构的单目深度估计网络在误差RMS的指标上降低约11.0%，计算效率提升约84.6%。
2016/7/24 4:46:08
1.26MB
1
适用于Android的传感器融合演示此应用程序演示了各种传感器和传感器融合的功能。
来自陀螺仪，加速度计和罗盘的数据以不同的方式组合在一起，结果显示为可以通过旋转设备旋转的立方体。
在阅读完整的文档。
此应用程序中的主要新颖之处在于虚拟传感器的融合：改进的方向传感器1和改进的方向传感器2将Android旋转矢量与虚拟陀螺仪传感器融合在一起，从而获得了以前未知的稳定性和精度的姿势估计。
除了这两个传感器之外，还可以使用以下传感器进行比较：改进的方向传感器1（Android旋转矢量和校准的陀螺仪的传感器融合-不稳定，但更准确）改进的方向传感器2（Android旋转矢量和校准的陀螺仪的传感器融合-更稳定，但准确性更低）Android旋转向量（加速度计+陀螺仪+指南针的卡尔曼滤波融合）校准的陀螺仪（加速度计+陀螺仪+指南针的卡尔曼滤波融合的单独结果）重力+指南针加速
来自陀螺仪，加速度计和罗盘的数据以不同的方式组合在一起，结果显示为可以通过旋转设备旋转的立方体。
在阅读完整的文档。
此应用程序中的主要新颖之处在于虚拟传感器的融合：改进的方向传感器1和改进的方向传感器2将Android旋转矢量与虚拟陀螺仪传感器融合在一起，从而获得了以前未知的稳定性和精度的姿势估计。
除了这两个传感器之外，还可以使用以下传感器进行比较：改进的方向传感器1（Android旋转矢量和校准的陀螺仪的传感器融合-不稳定，但更准确）改进的方向传感器2（Android旋转矢量和校准的陀螺仪的传感器融合-更稳定，但准确性更低）Android旋转向量（加速度计+陀螺仪+指南针的卡尔曼滤波融合）校准的陀螺仪（加速度计+陀螺仪+指南针的卡尔曼滤波融合的单独结果）重力+指南针加速
2018/8/26 12:52:28
457KB
1
用MATLAB编写，4个基站的基于TDOA的Chan-Taylor混合加权算法定位。
最普通的Chan-Taylor算法，将Chan算法计算出来的估计值作为Taylor级数展开法的迭代初始值带入，之后合理设置Chan算法和Taylor级数展开法的加权系数来提高精度。
采取循环采样5000次，基站位置，标签节点位置，系统噪声标准差都已经预设置好，可以根据要求本人修改。
本代码使用的衡量指标是累积分布函数CDF，也可以本人改成均方误差RMSE。
下载后可以直接运行。
可以用于TDOA定位算法的改进或者比较或者UWB定位都可以。
最普通的Chan-Taylor算法，将Chan算法计算出来的估计值作为Taylor级数展开法的迭代初始值带入，之后合理设置Chan算法和Taylor级数展开法的加权系数来提高精度。
采取循环采样5000次，基站位置，标签节点位置，系统噪声标准差都已经预设置好，可以根据要求本人修改。
本代码使用的衡量指标是累积分布函数CDF，也可以本人改成均方误差RMSE。
下载后可以直接运行。
可以用于TDOA定位算法的改进或者比较或者UWB定位都可以。
2016/11/11 2:16:23
2KB
1
阶段 文档启动阶段 可行性研究报告框架 项目建议书 项目章程 项目启动会议议程 项目启动会议记录 项目范围说明书 ＷＢＳ工作表 风险评估（整体风险水平定性分析表） 质量管理计划 预算估计（初步） 项目计划 计划阶段 项目预算 风险表 风险管理计划 项目团队培训计划 项目执行计划 执行和控制阶段 过程报告 过程评审表格 周工作计划 工作周报 月度进展报告 项目变更控制（申请）表 项目变更形态跟踪一览表 项目进度偏差控制表 未完成工作表 收尾阶段 结束报告 验收单 项目执行情况调查
2021/7/14 15:13:28
400KB
1
2018年10月份iso27001题库,本人方才考过，把题库放出来赚点分。
估计18年考的都能用，不保证后续不变。
估计18年考的都能用，不保证后续不变。
2020/8/19 15:44:27
26.27MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB