基于BP网络的字母识别MATLAB仿真，该程序用MATLAB中的神经网络工具箱进行BP网络仿真，其中还带了训练样本集
2024/8/26 13:28:43
80KB
1
利用不同样本选择方法进行变化检测实验的结果的好坏是通过与对应的精标准图像——GroundTruth进行相似度衡量而得到的。
总体分类精度OA（OverallAccuracy）是指正确分类的像素点数与总的像素点数的比值，是一种常用的衡量变化检测结果的指标，Kappa系数是一种能更加精确衡量分类准确度的参数，能较好的反映出两者的一致性，
总体分类精度OA（OverallAccuracy）是指正确分类的像素点数与总的像素点数的比值，是一种常用的衡量变化检测结果的指标，Kappa系数是一种能更加精确衡量分类准确度的参数，能较好的反映出两者的一致性，
2024/8/23 12:16:26
4KB
1
卷积神经网络的数字识别训练代码python3.5准确率98%保存模型画板手写测试字体颜色和背景相差大就行字体不能太细有编译代码可以看到数字样本图片
2024/8/14 6:30:24
7KB
1
虽然试用版本只能处理12个样本，但经亲自测试：先打开软件提供的案例（超过12个样本的案例如ExampleProject.fa4），进行分析后将其关闭，然后再导入自己的数据，就可以分析多于12个的样本。
2024/8/9 8:29:44
28.07MB
1
数据来自Kaggle的GiveMeSomeCredit，有15万条的样本数据，下图可以看到这份数据的大致情况。
数据属于个人消费类贷款，只考虑信用评分最终实施时能够使用到的数据应从如下一些方面获取数据：–基本属性：包括了借款人当时的年龄。
–偿债能力：包括了借款人的月收入、负债比率。
–信用往来：两年内35-59天逾期次数、两年内60-89天逾期次数、两年内90天或高于90天逾期的次数。
–财产状况：包括了开放式信贷和贷款数量、不动产贷款或额度数量。
–贷款属性：暂无。
–其他因素：包括了借款人的家属数量（不包括本人在内）。
–时间窗口：自变量的观察窗口为过去两年，因变量表现窗口为未来两年。
数据属于个人消费类贷款，只考虑信用评分最终实施时能够使用到的数据应从如下一些方面获取数据：–基本属性：包括了借款人当时的年龄。
–偿债能力：包括了借款人的月收入、负债比率。
–信用往来：两年内35-59天逾期次数、两年内60-89天逾期次数、两年内90天或高于90天逾期的次数。
–财产状况：包括了开放式信贷和贷款数量、不动产贷款或额度数量。
–贷款属性：暂无。
–其他因素：包括了借款人的家属数量（不包括本人在内）。
–时间窗口：自变量的观察窗口为过去两年，因变量表现窗口为未来两年。
2024/8/8 6:55:55
6.32MB
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