根据以下视频整理的ppt，视频地点：https://study.163.com/course/courseMain.htm?courseId=1005709005

这是一个KNN算法和pls-da算法希望能够协助您,不喜勿喷

这项工作提出了一种提取电流波形特征以识别家用电器的方法。
短时傅立叶变换（STFT）和内核PCA技术用于提取这些特征。
一旦定义了特征，分类器k-最近邻(kNN)、支持向量机(SVM)、线性判别分析(LDA)、随机森林(RF)和极限学习机(ELM)被用于设备（??或组合）电器）标识。
PS：ELM算法摘自http://www.ntu.edu.sg/eee/icis/cv/egbhuang.htm并顺应本工作

最邻近算法KNN辨认字符最邻近算法KNN辨认字符最邻近算法KNN辨认字符最邻近算法KNN辨认字符

如果机器学习能够自动识别癌细胞，那么它将为医疗系统提供相当大的益处。
自动化的过程很有可能提高检测过程的效率，从而可以让医生在诊断上花更少的时间，而在治疗疾病上花更多的时间。
自动化的筛查系统还可能通过去除该过程中的内在主观人为因从来提供更高的检测准确性。
从带有异常乳腺肿块的女性身上的活检细胞的测度数据入手，应用kNN算法，从而研究机器学习用于检测癌症的功效。

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。