利用Python和MATLAB语言分别对机器学习中的线性分类器做了详解，其中分类的数据来源于三类鸢尾花的4维特征向量，主要利用了Fisher分类器的方法
2024/6/11 14:06:58
3KB
1
将实例的特征向量（以二维为例）映射为空间中的一些点，就是如下图的实心点和空心点，它们属于不同的两类。
那么SVM的目的就是想要画出一条线，以“最好地”区分这两类点，以至如果以后有了新的点，这条线也能做出很好的分类。
那么SVM的目的就是想要画出一条线，以“最好地”区分这两类点，以至如果以后有了新的点，这条线也能做出很好的分类。
2024/6/8 3:24:01
3KB
1
基于K-近邻算法研究手写数字（0-9）的识别问题，本文通过对手写数字的图像进行处理，提取特征向量，使用Python实现了K-近邻算法，并在此基础上开发了一个GUI测试程序。
2024/5/27 0:13:34
88KB
1
提出了一种利用多个图像特征的曝光过度区域检测学习算法。
该算法利用像素的亮度和颜色特征以及光的新特征-色度和边界邻域来构造特征向量。
采用L2正则化的一次逻辑回归方法获得最优分类器mod-e1。
实验结果表明，与直接强度阈值法和其他基于亮度和色彩特征的方法相比，该算法在区域连通性方面能更好地检测出过度曝光区域。
该算法利用像素的亮度和颜色特征以及光的新特征-色度和边界邻域来构造特征向量。
采用L2正则化的一次逻辑回归方法获得最优分类器mod-e1。
实验结果表明，与直接强度阈值法和其他基于亮度和色彩特征的方法相比，该算法在区域连通性方面能更好地检测出过度曝光区域。
2024/5/20 18:55:43
1.15MB
1
该程序用C++实现对任意阶的是对称矩阵求特征值和特征向量，本程序给的例子是读取matrix.txt这个120阶矩阵。
2024/5/4 16:44:09
37KB
1
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
本书是一部经典的线性代数教科书．其内容根据作者在奠斯科大学和基辅大学的授课材料整理修订而成，曾被用作苏联高等院校的教材。
全书内容包括：行列式、线性空间、线性方程组、以向量为自变量的线性函数、坐标变换、双线性型与二次型、欧几里得空间、正交化与体积的测度、不变子空间与特征向量、欧氏空间里的二次型、二次曲面和无穷维欧氏空间的几何学
全书内容包括：行列式、线性空间、线性方程组、以向量为自变量的线性函数、坐标变换、双线性型与二次型、欧几里得空间、正交化与体积的测度、不变子空间与特征向量、欧氏空间里的二次型、二次曲面和无穷维欧氏空间的几何学
2024/4/12 0:03:20
64.86MB
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