基于深度学习的端到端无监督配准模型——变形图像配准网络DIRNet图像配准网络，这是一个运用CNN来预测控制点的网格的神经网络，这些控制点能够被用来生成根据参考图像来对待配准图像进行变形的位移矢量场。
2020/8/22 13:23:31
164.51MB
1
基于图像的表格检测、辨认数据集，建立在互联网上Word和Latex文档的新型弱监督基础上，包含417K高质量的标记表
2021/4/16 20:28:48
772KB
1
该文档简述了遥感的定义原理，以及分类的各种详细的方法，以及ENVI软件的具体的操作说明，是适合初学者的一套简单易上手的指点说明
2021/10/27 16:32:40
4.04MB
1
机器学习是计算机科学以及信号信息处理领域中重要的热点研究领域，在多个领域（数据挖掘、大数据分析、视频技术、音频技术、智能机器人技术等）成为关键核心和支撑技术。
这里提供的课件和代码包含了学生需要了解的主流的机器学习理论、方法及算法，并结合应用范例协助学生掌握监督学习、非监督学习、统计学习、计算学习、贝叶斯学习等基本学习的理论、模型算法及应用。
这里提供的课件和代码包含了学生需要了解的主流的机器学习理论、方法及算法，并结合应用范例协助学生掌握监督学习、非监督学习、统计学习、计算学习、贝叶斯学习等基本学习的理论、模型算法及应用。
2018/1/9 4:50:30
22.89MB
1
为实现对南方五省区变电站及发电厂内视频信息和环境信息（包括温湿度、水浸、门禁、风力等）的实时监测及应用，彻底处理不同厂家系统之间的互联互通等问题，实现站内设备工况远程监视、远程操作辅助监视、现场工作行为监督、事故及障碍辅助分析、应急指挥及演练、反事故演习、安全警卫、各类专项检查等功能，中国南方电网有限责任公司生产技术部组织编制了本规范。
2019/11/24 16:16:26
4.58MB
1
这是SVM的具体代码，里面有详细的阐明使用和测试图片，欢迎下载。
SVM(SupportVectorMachine)指的是支持向量机，是常见的一种判别方法。
在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。
SVM(SupportVectorMachine)指的是支持向量机，是常见的一种判别方法。
在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。
2015/6/20 23:38:57
820KB
1
客服：老客户维护跟进、售后的细节汇总调整（中差评跟进）、售前的询单未转化的细节跟进、异常订单监督、物流情况、店铺情况异常（SKU命名，规格信息异常，价格或者优惠券异常）、客户的异常情况反馈、客服发货协调对接。
美工：做图效率（由运营给出视觉参考，需求先通过ecel进行排版—完成视觉需求）、任务表布置（主图，详情页，推广图，其他图片需求）。
仓储：产品的库存反馈（做预算）、产质量量问题反馈（QC）、物流不能及时发货的情况反馈、大型活动库存预算（备货时长）
美工：做图效率（由运营给出视觉参考，需求先通过ecel进行排版—完成视觉需求）、任务表布置（主图，详情页，推广图，其他图片需求）。
仓储：产品的库存反馈（做预算）、产质量量问题反馈（QC）、物流不能及时发货的情况反馈、大型活动库存预算（备货时长）
2015/6/17 17:19:34
583KB
1
德雷蒙德-代码马拉松继续进行。
-菜鸡的Leetcode成长记欢迎监督菜鸡的碎碎念点击本页面右上角的手表在插入上方点击观看订阅本博客，这样本博客的所有文章更新和评论都会在github首页出现。
-菜鸡的Leetcode成长记欢迎监督菜鸡的碎碎念点击本页面右上角的手表在插入上方点击观看订阅本博客，这样本博客的所有文章更新和评论都会在github首页出现。
2019/3/8 21:16:22
3.08MB
1
本书适合有志于从事数据挖掘的初学者，需求的朋友可看看第一部分数据挖掘与机器学习数学基础3第一章机器学习的统计基础3第二章探索性数据分析（EDA）.11第二部分机器学习概述14第三章机器学习概述14第三部分监督学习---分类与回归16第四章KNN（k最邻近分类算法）16第五章决策树19第六章朴素贝叶斯分类29第七章Logistic回归.32第八章SVM支持向量机42第九章集成学习(EsembleLearning)43第十一章模型评估46第四部分非监督学习---聚类与关联分析50第十二章Kmeans聚类分析.50第十三章关联分析Apriori.52第十四章数据预处理之数据降维54第五部分Python数据预处理.57第十五章Python数据分析基础.57第十六章Python进行数据清洗.77第六部分数据结构与算法82第七部分SQL知识.86第八部分数据挖掘案例分析87案例一AJourneythroughTitanic597c770e.87案例二Analysisforairplane-crashes-since-190894案例三贷款预测问题98案例四KNN算法实现葡萄酒价格模型预测及交叉验证107
2015/1/23 5:02:50
4.4MB
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