提出一种融合多种特征的图像过曝光区域检测算法。
利用转换的亮度特征和颜色特征，并新引入亮颜特征和边界邻域特征来构成特征向量，用L2正则化逻辑非线性回归方法。
对实验图像进行过曝光区域检测，结果显着示，相较于亮度阈值法和采用亮度和颜色特征的常规检测方法，约会新特征后的改进算法检测出的过照射范围区域连通性更好。
利用转换的亮度特征和颜色特征，并新引入亮颜特征和边界邻域特征来构成特征向量，用L2正则化逻辑非线性回归方法。
对实验图像进行过曝光区域检测，结果显着示，相较于亮度阈值法和采用亮度和颜色特征的常规检测方法，约会新特征后的改进算法检测出的过照射范围区域连通性更好。
2024/4/30 6:56:48
478KB
1
通过在UCI开源网站上下载CarEvaluation数据集，对其使用机器学习算法进行分析，分别使用了分类算法，回归算法，聚类算法，文件中附数据集以及代码，代码使用jupyter运行即可，代码中介绍比较详细，通熟易懂，从头至尾皆可跑通！
2024/4/28 2:31:52
70KB
1
论文+翻译+PPT+代码+动画视频PoseCNN：AConvolutionalNeuralNetworkfor6DObjectPoseEstimationinClutteredScenes；
机器人与现实世界进行交互时，对已知目标的6D姿态估计至关重要。
由于对象的多样性，以及由于对象之间的杂波和遮挡而导致场景的复杂性，使得该问题具有挑战性。
本文介绍了一种用于6D目标姿态估计的新型卷积神经网络PoseCNN。
PoseCNN通过在图像中定位物体的中心并预测其与摄像机的距离来估计物体的三维平移。
通过回归到四元数(w,x,y,z)表示来估计物体的三维旋转。
机器人与现实世界进行交互时，对已知目标的6D姿态估计至关重要。
由于对象的多样性，以及由于对象之间的杂波和遮挡而导致场景的复杂性，使得该问题具有挑战性。
本文介绍了一种用于6D目标姿态估计的新型卷积神经网络PoseCNN。
PoseCNN通过在图像中定位物体的中心并预测其与摄像机的距离来估计物体的三维平移。
通过回归到四元数(w,x,y,z)表示来估计物体的三维旋转。
2024/4/26 2:23:44
26.44MB
1
使用emd进行回归预测的代码，使用方法结单，只需输入训练集和测试集就可以进行emd预测了，预测的结果会保存在相应的.mat文件里，详细操作请看代码里的操作说明。
资源里有demo，guidence.m文件里有调用实例，直接复制到commandwindows里运行就可以了，简单易懂，汉语注释说明等。
运行结果会直接输出测试集的MAE,RMSE,MAPE,DISTAT这几个统计量
资源里有demo，guidence.m文件里有调用实例，直接复制到commandwindows里运行就可以了，简单易懂，汉语注释说明等。
运行结果会直接输出测试集的MAE,RMSE,MAPE,DISTAT这几个统计量
2024/4/25 9:55:47
4KB
1
利用lssvm对时间序列进行预测，代码已调试完毕，附件有部分数据，可根据自己情况另则数据。
代码分为几个模块，包括读入数据、数据归一化、模型初始化、交叉验证、模型训练、回归预测及数据反归一化等，配有详细备注。
代码分为几个模块，包括读入数据、数据归一化、模型初始化、交叉验证、模型训练、回归预测及数据反归一化等，配有详细备注。
2024/4/20 21:35:45
776KB
1
支持向量机非线性回归通用matlab程序，本程序使用支持向量机法，实现对数据的非线性回归，核函数的设定和修改在函数内部进行，数据预处理在函数外部进行，简单易懂，希望能对大家有所帮助！
2024/4/20 14:17:39
3KB
1
主要内容包括多元正态分布、均值向量和协方差阵的检验、聚类分析、判别分析、主成分分析、因子分析、对应分析、典型相关分析等常见的主流方法，还参考国内外大量文献系统介绍了近年来在市场研究、顾客满意度研究、金融研究、环境研究等领域应用颇广的较新方法，包括定性数据的建模分析、对数线性模型、logistic回归、路径分析、结构方程模型、联合分析、多变量的图表示法、多维标度法等。
2024/4/17 16:07:25
5.9MB
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