对于网络微博用户可信任性的问题,通过对爬取的所有源语料进行有目的的预处理,得到具有规范格式的用户数据,并从用户信息数据中,选择性的提取用户信息的完整度、活跃度、交际广度、传播力度四项指标组成指标体系;然后利用设计的层次分析法(AHP)结构模型,实现了对指标的权重系数数值确定,进而计算与统计用户的权威性。
最终完成对用户可信度模型的构建。
实验表明,该模型对微博用户的可信度评测方面有较好的准确性。
最终完成对用户可信度模型的构建。
实验表明,该模型对微博用户的可信度评测方面有较好的准确性。
2024/9/25 1:19:21
307KB
1
课程作业，是对中文文本的获取、删除特殊符号、删除停用词、分词、最后计算文本之间的相似度、降维、Kmeans聚类以及可是化等
2024/9/25 1:35:57
12KB
1
印刷体文字识别VC++源程序在嵌入式图像采集系统硬件上实现，首先是图像采集，然后进行图像预处理，图像二值化、细化等，在进行特征提取，基于模板匹配法进行识别！
2024/9/24 10:49:34
3.38MB
1
目的：使用CNN卷积神经网络实现语音识别步骤：（1）预处理。
首尾端的静音切除，降低对后续步骤造成的干扰，然后进行声音分帧，把声音切开成帧，，各帧之间一般是有交叠。
（2）特征提取。
运用的算法为倒谱系数（MFCC），把每一帧波形变成一个包含声音信息的多维向量；
（3）RNN模型训练。
有了特征，就可以使用TensorFlow完成模型的建立和训练了。
（4）验证模型。
目标：对相应的声音数据进行分类，例如数据的是数数的数据，能够输出对应的数字。
首尾端的静音切除，降低对后续步骤造成的干扰，然后进行声音分帧，把声音切开成帧，，各帧之间一般是有交叠。
（2）特征提取。
运用的算法为倒谱系数（MFCC），把每一帧波形变成一个包含声音信息的多维向量；
（3）RNN模型训练。
有了特征，就可以使用TensorFlow完成模型的建立和训练了。
（4）验证模型。
目标：对相应的声音数据进行分类，例如数据的是数数的数据，能够输出对应的数字。
2024/9/7 10:11:28
5KB
1
kaggle入门赛房价预测，包括pandas数据预处理，使用skitlen线性回归预测结果，输出结果表格
2024/9/6 21:35:56
161KB
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