GeoSOS-FLUS软件是根据FLUS模型的原理开发的多类土地利用变化情景模拟软件，是在其前身------地理模拟与优化系统GeoSOS的基础上的发展与传承。
GeoSOS-FLUS软件为用户提供进行空间土地利用变化模拟的功能，在对未来土地利用变化进行模拟时，需要用户先应用其他方法（系统动力学模型，或马尔科夫链）或使用预设情景来确定未来土地利用变化的数量作为GeoSOS-FLUS的输入。
GeoSOS-FLUS软件为用户提供进行空间土地利用变化模拟的功能，在对未来土地利用变化进行模拟时，需要用户先应用其他方法（系统动力学模型，或马尔科夫链）或使用预设情景来确定未来土地利用变化的数量作为GeoSOS-FLUS的输入。
2024/5/24 16:35:27
62.46MB
1
数据不平衡是指在数据集中，一类（或多类）样本特别多而另一类（或多类）样本特别少。
这种问题广泛存在于金融欺诈、医学检测、网络入侵等场景中。
这种问题广泛存在于金融欺诈、医学检测、网络入侵等场景中。
2024/1/30 22:45:10
1.49MB
1
这里实现了四种SVM工具箱的分类与回归算法1、工具箱：LS_SVMlabClassification_LS_SVMlab.m-多类分类Regression_LS_SVMlab.m-函数拟合2、工具箱：OSU_SVM3.00Classification_OSU_SVM.m-多类分类3、工具箱：stprtool\svmClassification_stprtool.m-多类分类4、工具箱：SVM_SteveGunnClassification_SVM_SteveGunn.m-二类分类Regression_SVM_SteveGunn.m-函数拟合
2023/12/15 17:58:15
232KB
1
脑-机接口(BCI)中常用高密度导联来获取脑电(EEG)信号的空间信息,为了避免使用过多导联给EEG采集工作带来不便,消除无关的噪声通道,本文提出了一种基于共空间模式(CSP)的导联优化方法,基于CSP方法得到的投影矩阵,使用2-范数的导联筛选准则,筛选出在投影空间中权重较大的M个导联,目的是用较少的导联来获得与使用高密度导联相近的分类识别率。
实验数据使用BCICompetition2005DatasetⅢa,针对三个受试者的三类运动想象(左手、右手和脚),分别比较了使用该方法选择的导联和使用全部导联情况下得到的分类识别率。
实验表明,使用筛选后的20导联得到的三个受试者的分类识别率,均高于使用全部60导联得到的分类识别率,从而验证了所提出方法的有效性和实用性
实验数据使用BCICompetition2005DatasetⅢa,针对三个受试者的三类运动想象(左手、右手和脚),分别比较了使用该方法选择的导联和使用全部导联情况下得到的分类识别率。
实验表明,使用筛选后的20导联得到的三个受试者的分类识别率,均高于使用全部60导联得到的分类识别率,从而验证了所提出方法的有效性和实用性
2023/11/25 9:41:41
1.04MB
1
为了提升自然场景图像的识别精度，结合bag-of-visualword模型，提出了一种基于核稀疏表示的图像识别方法。
该方法的图像描述部分主要利用核稀疏表示在高维度空间进行图像特征的匹配表示，识别部分采用AdaBoost分类器，对各个类别编码并在对应的核矩阵上进行划分，从而实现多类场景图像的识别能力。
实验结果表明，该方法有效的提升了图像描述的准确度与对自然场景图像识别的精度。
该方法的图像描述部分主要利用核稀疏表示在高维度空间进行图像特征的匹配表示，识别部分采用AdaBoost分类器，对各个类别编码并在对应的核矩阵上进行划分，从而实现多类场景图像的识别能力。
实验结果表明，该方法有效的提升了图像描述的准确度与对自然场景图像识别的精度。
2023/10/31 6:44:35
1.2MB
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