文件包括测试图片和svm颜色分类的cpp文件，我用的是vs2013+opencv3.4.1版本，有两张测试图片。
其中训练集数据接纳的是test.png。
其中训练集数据接纳的是test.png。
2016/6/7 8:48:20
4.08MB
1
基于CNN，有GUI界面。
基于tensorflow，有数据集，已划分训练集，测试集，训练集已做标签.直接运转demo.py，按需下载需要包即可运转。
基于tensorflow，有数据集，已划分训练集，测试集，训练集已做标签.直接运转demo.py，按需下载需要包即可运转。
2017/5/8 18:04:54
217.18MB
1
利用100个男女训练集样本，使用贝叶斯分类器判别男女。
1.采用最大似然法和贝叶斯估计的方法获得密度函数，设定不同的先验概率，观察判别结果正确率。
2.分别在男女相关不相关的情况下分析结果正确率。
3.设定不同的风险，采用最小风险的Bayes决策反复上面实验。
1.采用最大似然法和贝叶斯估计的方法获得密度函数，设定不同的先验概率，观察判别结果正确率。
2.分别在男女相关不相关的情况下分析结果正确率。
3.设定不同的风险，采用最小风险的Bayes决策反复上面实验。
2018/9/4 4:21:32
702KB
1
python-opencv汽车检测正训练集照片，8000+照片，负的我没有，有的可以和我换，我在mac上弄训练集，后期也会发布，需求的请关注谢谢
2019/8/15 1:18:09
933.9MB
1
本资源包含一个Mnist手写体的训练脚本，可在环境配置好的情况下直接训练学习模型，然后可以根据模型输出任意照片，预测结果，直接可用，适合入门者。
2019/8/5 9:35:08
10.26MB
1
关于代码的引见可以参考https://blog.csdn.net/qq_41562704/article/details/88975569，代码基于Win10+Python3.7环境，对采集的图片进行了图像平滑，基于OTSU阈值的肤色分割，基于八邻域搜索法进行轮廓检测操作，最终完成了手势图片从采集到轮廓曲线的提取过程，对已得到的轮廓曲线提取其傅里叶描述子和椭圆傅里叶描述子，并分别进行了归一化处理。
用KNN和SVM两种算法训练模型，以自己采集数据集为训练集进行了训练，最后基于PyQt5制作了简易界面。
用KNN和SVM两种算法训练模型，以自己采集数据集为训练集进行了训练，最后基于PyQt5制作了简易界面。
2022/9/28 3:55:24
142.52MB
1
深度学习常用数据集之一，fashion-mnist数据集，可看成是mnist数据集的晋级版，数据的属性和mnist数据集一样（测试集和训练集的样本数）
2021/4/17 21:30:50
34.62MB
1
将mnist手写字符数据集整理为训练集和测试集文件夹，训练集和测试集里各含称号为0-9的10个文件夹，共60000张训练集，10000张测试集，图片格式png
2016/2/16 1:28:35
23.4MB
1
布谷鸟搜索算法的总结，每一个鸟巢地位对应着一组BP神经网络初始连接权值和阀值，BP网络根据连接权值和阀值对训练集进行训练，计算每个鸟巢地位对应的预测精度，并根据预测精度找到当前最优鸟巢
2018/10/25 22:46:16
114KB
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