是一个简易的室内定位软件。
IBeaconReference。
包括采集蓝牙信号、高斯离散权重分配计算距离、基于KNN算法的训练模型，等。
是我和我的同学一起完成的代码。
特此分享。
(数据存储路径一般为手机根目录，特殊需要请自行修改)
IBeaconReference。
包括采集蓝牙信号、高斯离散权重分配计算距离、基于KNN算法的训练模型，等。
是我和我的同学一起完成的代码。
特此分享。
(数据存储路径一般为手机根目录，特殊需要请自行修改)
2024/3/2 19:43:09
1.75MB
1
KNN算法使用MNIST数据集、0-1二值图集、自写的数字图片集，做手写数字识别的代码，文件夹分类明确。
2024/1/23 5:45:20
98.11MB
1
机器学习入门KNN算法实现的手写数字识别基本上照搬了http://lib.csdn.net/article/opencv/30167的代码，只是改了一点bug和增加了一点功能输入就是直接在一个512*512大小的白色画布上画黑线，然后转化为01矩阵，用knn算法找训练数据中最相近的k个，现在应该是可以对所有字符进行训练和识别，只是训练数据中还只有数字而已，想识别更多更精确的话就需要自己多跑代码多写几百次，现在基本上一个数字写10次左右准确率就挺高了，并且每次识别的时候会将此次识别的数字和01矩阵存入训练数据文件夹中，增加以后识别的正确率，识别错了的话需要输入正确答案来扩充训练数据
2023/9/21 3:58:52
15KB
1
基于wifi指纹的室内定位，使用knn算法实现。
数据集来自六个ap的信号强度，最终的定位准确度可以达到接近于60%，具体的代码实现和算法说明以及系统的优缺点在论文中有详细阐述。
数据集来自六个ap的信号强度，最终的定位准确度可以达到接近于60%，具体的代码实现和算法说明以及系统的优缺点在论文中有详细阐述。
2023/7/27 12:39:14
3.33MB
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