资源搜罗部份YOLOV3模子，模子熬炼的步骤的相关阐发都在资源傍边。
框架付与的pytorch,信号灯数据集付与的是我自己标注的信号灯数据集，相关数据集的资源能够在我宣告的其余资源里找到，数据集的数目庞大，品质优异，残缺能够胜任模子的熬炼责任。
模子文件经由自己亲自调解以及测试，确凿实用。
熬炼进程中碰着的下场以及处置方式都写在了资源里的阐发中，最终熬炼实现的权重文件也一并打包上传，有任何下场能够留言。

国度地舆信息，用geoda文件能够掀开，天生权重文件，大概举行空间计量阐发

行人检测是视频监控中的一个底子下场，连年来已经患上到了长足的普及。
然则，由于源熬炼样本以及目的场景中行人样本之间的差距，在某些人民数据集上熬炼的通用行人检测器的成果在使用于某些特定场景时会明晰飞腾。
另外，在目的场景中手动标志样本也是一项高尚且费时的责任。
咱们提出了一种别致的转移学习框架，该框架能够自动将通用检测器转移到特定于场景的行人检测器，而无需手动标志目的场景中的熬炼样本。
在咱们的方式中，咱们经由对于目的场景使用通用检测器来患上到初始检测下场，咱们将该下场称为目的样本。
咱们使用了多少种线索来过滤目的模板，从末了的检测下场中咱们能够未必它们的标签。
高斯稠浊模子（GMM）用于患上到每一个视频帧中的行为地域以及一些其余目的样本，这些目的样本没法被通用检测器检测到，由于这些目的样本距离摄像机较远。
目的样本以及目的模板之间的相关性以及源样本以及目的模板之间的相关性经由怪异编码举行估算，而后用于盘算源样本以及目的样本的权重。
明显性检测是在源样本以及目的模板之间举行相关性盘算以消除了非明显地域干扰以前的一项必不可少的责任。
齐全这些思考都是在单个目的函数下拟定的，经由对于齐全这些样本削减基于怪异编码的权重来

Edmonds着花算法，用于无向图中的最大权重匹配该库实现为了Blossom算法，该算法盘算O（节点数**3）中无向图的最大加权匹配。
它从JorisvanRantwijk编写的python代码移植而来，该代码搜罗在NetworkX图形库中并举行了更正。
入门将需要的依赖项削减到您的名目中：[ageneau/blossom"0.1.4"][aysylu/loom"1.0.2"]用法(nstest.blossom(:require[blossom.max-weight-matching:asmwm][blossom.matching:asm][loom.graph:aslg]))(defedges[[122][13-2][231][24-1][34-6]])(defg(-＞(lg/weighted-graph)(lg/add-edges*edges)));;Computeamaximumweig

[EPS数据狗]278个地级市三种空间权重矩阵及其尺度化.rar

yolov3的cfg配置配备枚举文件以及weights文件，测试帧数抵达40+，精度高

针对于粒子群优化进入前期患上到解的精度低，不平稳的下场，提出了一种改善的自顺应的算法，付与惯性权重线性减小，对于告成的减速系数暴发影像，并于下一代更新中以未必概率唤醒影像，经由仿其实验，评释能够实用的处置了前期精度差，不平稳的下场。

过滤器相似度CIFAR10模型砝码使用链接下载权重（您必须手动下载和提取）。
要将路径设置为下载的weights文件夹，请在vgg.py指定path_to_state_dict。
依存关系通过运行以下命令安装依赖项：pipinstall-rrequirements.txt选项：-net-架构的选择（默认：resnet18）-dataset选择数据集（默认值：cifar10）-tr-batch训练批次大小（默认值：512）-val-batch验证批次大小（默认值：512）-lr学习率（默认值：0.1）-wd权重衰减（默认值：5e-4）-epochs要训​​练的时期数（默认值：300）-cpu-cpu标志-reinit分集丢失使用标志-mode-在转移和默认训练之间选择如何运行：pythontrain.py-lr0.1-gpu-dat

数据挖掘算法算法目录18大DM算法包名 目录名 算法名AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法Classification DataMining_CART CART-分类回归树算法Classification DataMining_ID3 ID3-决策树分类算法Classification DataMining_KNN KNN-k最近邻算法工具类Classification DataMining_NaiveBayes NaiveBayes-朴素贝叶斯算法Clustering DataMining_BIRCH BIRCH-层次聚类算法Clustering DataMining_KMeans KMeans-K均值算法GraphMining DataMining_GSpan GSpan-频繁子图挖掘算法IntegratedMining DataMining_CBA CBA-基于关联规则的分类算法LinkMining DataMining_HITS HITS-链接分析算法LinkMining DataMining_PageRank PageRank-网页重要性/排名算法RoughSets DataMining_RoughSets RoughSets-粗糙集属性约简算法SequentialPatterns DataMining_GSP GSP-序列模式分析算法SequentialPatterns DataMining_PrefixSpan PrefixSpan-序列模式分析算法StatisticalLearning DataMining_EM EM-期望最大化算法StatisticalLearning DataMining_SVM SVM-支持向量机算法其他经典DM算法包名 目录名 算法名Others DataMining_ACO ACO-蚁群算法Others DataMining_BayesNetwork BayesNetwork-贝叶斯网络算法Others DataMining_CABDDCC CABDDCC-基于连通图的分裂聚类算法Others DataMining_Chameleon Chameleon-两阶段合并聚类算法Others DataMining_DBSCAN DBSCAN-基于密度的聚类算法Others DataMining_GA GA-遗传算法Others DataMining_GA_Maze GA_Maze-遗传算法在走迷宫游戏中的应用算法Others DataMining_KDTree KDTree-k维空间关键数据检索算法工具类Others DataMining_MSApriori MSApriori-基于多支持度的Apriori算法Others DataMining_RandomForest RandomForest-随机森林算法Others DataMining_TAN TAN-树型朴素贝叶斯算法Others DataMining_Viterbi Viterbi-维特比算法18大经典DM算法18大数据挖掘的经典算法以及代码实现，涉及到了决策分类，聚类，链接挖掘，关联挖掘，模式挖掘等等方面,后面都是相应算法的博文链接，希望能够协助大家学。
目前追加了其他的一些经典的DM算法，在others的包中涉及聚类，分类，图算法，搜索算等等，没有具体分类。
C4.5C4.5算法与ID3算法一样，都是数学分类算法，C4.5算法是ID3算法的一个改进。
ID3算法采用信息增益进行决策判断，而C4.5采用的是增益率。
详细介绍链接CARTCART算法的全称是分类回归树算法，他是一个二元分类，采用的是类似于熵的基尼指数作为分类决策，形成决策树后之后还要进行剪枝，我自己在实现整个算法的时候采用的是代价复杂度算法，详细介绍链接KNNK最近邻算法。
给定一些已经训练好的数据，输入一个新的测试数据点，计算包含于此测试数据点的最近的点的分类情况，哪个分类的类型占多数，则此测试点的分类与此相同，所以在这里,有的时候可以复制不同的分类点不同的权重。
近的点的权重大点，远的点自然就小点。
详细介绍链接NaiveBayes朴素贝叶斯算法。
朴素贝叶斯算法是贝叶斯算法里面一种比较简单的分类算法，用到了一个比较重要的贝叶斯定理，用一句简单的话概括就是条件概率的相互转换推导

艾滋病疗法的评价及疗效的预测摘要艾滋病是至今人类仍未征服的疾病，流行发展趋势越来越严峻，攻克艾滋病是人类面临的一大难题。
本文给出了艾滋病患者的临床治疗数据，要考虑预测继续治疗的效果，并评价各种治疗方案优劣，预测即根据已有的数据信息推算将来的数据，评价方案的优劣属于决策类问题。
对问题（1），先分析CD4和HIV的浓度的变化趋势，建立微分方程模型，无法求解析解，用软件matlab求出CD4和HIV的参数表达式，从附件的数据信息中挖掘出具有普遍特征的数据，用回归法求参数的值，因为得到的表达式不是常规的形式，只能回归出HIV表达式的参数，CD4的无法求出。
作数据分布图，发现描出的形状同二次曲线的图形相近，二次曲线的图形特性符合CD4的浓度变化趋势。
于是建立待定系数的二次曲线方程模型，先拟合出多组参数值，再用回归法确定最后的值，得出的二次曲线方程。
根据HIV和CD4的浓度表达式结合可以作出提前终止治疗的预测，终止时间在第30周。
问题（2），预测四种疗法的继续治疗效果。
首先将患者按CD4初始浓度分类，仍引用前面的二次曲线模型，用附件二的数据回归出曲线方程的参数。
回归过程中考虑到是要评价不同的疗法，根据疗法的不同把数据分为四类，回归得出四组参数，相应的表达式就是这种疗法的CD4的浓度变化曲线方程。
比较四种疗法的优劣，采用CD4浓度最大值和取得最大值的时间为评判标准，结合更加细化的分类数据画出的图形，从理论上和直观上都证实了评价的结果：疗法4效果最好，疗法3次之，疗法2再次之，疗法1效果较差；
利用二次曲线模型得出最佳方案停止用药的最佳时间为20周，同时由分类法模型得出在四种不同CD4初始浓度的条件下最佳方案停止用药的最佳时间分别为：24周、16周、16周、24周。
两种模型的结果相接近。
问题（3）要考虑药品价格因素的影响，价格和药效的权重无法确定，通过假设权重参数来定量表示价格和药效的关系。
采用层次分析法构建层次结构模型，用特征向量归一化并求组合权向量，找到疗法功能和价格权重的关系。
根据不同经济状况的国家的价格权重的值不一样，得到不同的疗法评价结果。
总结出如下的结论：不发达国家经济落后，价格权重较大，疗法1的评价值较高，疗法4的评价值较低，适合疗法1，对于发达国家应当推广疗法4。
文章的最后对模型地优缺点进行了评价，并作了推广。
关键词艾滋病疗法评价微分方程二次曲线回归层次分析

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。