按照土地利用类型进行分类划分的南昌市兴趣点数据（包括经纬度坐标、兴趣点类型等），此资源包划分为公交站类、居住类、零售批发类、餐饮类、娱乐类、旅馆类、商务办公类、停车场、教育科研类、医疗卫生类、工业类、公园广场类以及地铁站出口类。
类别划分十分详细，每个类别分装在一个excel表中。
有需要的可以下载。
类别划分十分详细，每个类别分装在一个excel表中。
有需要的可以下载。
2025/11/2 21:39:04
462KB
1
随着计算能力、存储、网络的高速发展，人类积累的数据量正以指数速度增长。
对于这些数据，人们迫切希望从中提取出隐藏其中的有用信息，更需要发现更深层次的规律，对决策，商务应用提供更有效的支持。
为了满足这种需求，数据挖掘技术的得到了长足的发展，而分类在数据挖掘中是一项非常重要的任务，目前在商业上应用最多。
本文主要侧重数据挖掘中分类算法的效果的对比，通过简单的实验（采用开源的数据挖掘工具-Weka）来验证不同的分类算法的效果，帮助数据挖掘新手认识不同的分类算法的特点，并且掌握开源数据挖掘工具的使用。
分类算法是解决分类问题的方法，是数据挖掘、机器学习和模式识别中一个重要的研究领域。
分类算法通过对已知类别训
对于这些数据，人们迫切希望从中提取出隐藏其中的有用信息，更需要发现更深层次的规律，对决策，商务应用提供更有效的支持。
为了满足这种需求，数据挖掘技术的得到了长足的发展，而分类在数据挖掘中是一项非常重要的任务，目前在商业上应用最多。
本文主要侧重数据挖掘中分类算法的效果的对比，通过简单的实验（采用开源的数据挖掘工具-Weka）来验证不同的分类算法的效果，帮助数据挖掘新手认识不同的分类算法的特点，并且掌握开源数据挖掘工具的使用。
分类算法是解决分类问题的方法，是数据挖掘、机器学习和模式识别中一个重要的研究领域。
分类算法通过对已知类别训
2025/11/1 2:56:47
464KB
1
利用eCognitionDeveloper输出的地类样本的特征值Excel，可以将其导入到CART决策树中，同样可以实现分类特征的自动选择和特征阈值的自动确定，利用CART决策树自动构建得到一个具有分类顺序的二叉树；
然后将这个二叉树，应用到eCognitionDeveloper中，构建分类规则集。
这里是SalfordPredictiveModeler（简称SPM）中构建CART决策数的操作方法。
然后将这个二叉树，应用到eCognitionDeveloper中，构建分类规则集。
这里是SalfordPredictiveModeler（简称SPM）中构建CART决策数的操作方法。
2025/10/30 16:28:33
5.08MB
1
程序是用于解决多分类问题的“一对一”方法，程序中有个二分类接口是高斯过程分类器，用户可以进行修改，用什么分类器都可以。
该程序是用MATLAB把一对一的思想写成了代码。
该程序是用MATLAB把一对一的思想写成了代码。
2025/10/30 7:18:54
1KB
1
分子识别特征（MoRF）是内在无序蛋白（IDP）的关键功能区域，它们在细胞的分子相互作用网络中起重要作用，并与许多严重的人类疾病有关。
鉴定MoRF对于IDP的功能研究和药物设计都是必不可少的。
本研究采用人工智能的前沿机器学习方法，为改进MoRFs预测开发了强大的模型。
我们提出了一种名为enDCNNMoRF（基于集成深度卷积神经网络的MoRF预测器）的方法。
它结合了利用不同特征的两个独立的深度卷积神经网络（DCNN）分类器的结果。
首先，DCNNMoRF1使用位置特定评分矩阵（PSSM）和22种氨基酸相关因子来描述蛋白质序列。
第二种是DCNNMoRF2，它使用PSSM和13种氨基酸索引来描述蛋白质序列。
对于两个单一分类器，都采用了具有新颖的二维注意机制的DCNN，并添加了平均策略以进一步处理每个DCNN模型的输出概率。
最后，enDCNNMoRF通过对两个模型的最终得分进行平均来组合这两个模型。
当与应用于相同数据集的其他知名工具进行比较时，新提出的方法的准确性可与最新方法相媲美。
可以通过http://vivace.bi.a.utokyo.ac.jp:8008/fang
鉴定MoRF对于IDP的功能研究和药物设计都是必不可少的。
本研究采用人工智能的前沿机器学习方法，为改进MoRFs预测开发了强大的模型。
我们提出了一种名为enDCNNMoRF（基于集成深度卷积神经网络的MoRF预测器）的方法。
它结合了利用不同特征的两个独立的深度卷积神经网络（DCNN）分类器的结果。
首先，DCNNMoRF1使用位置特定评分矩阵（PSSM）和22种氨基酸相关因子来描述蛋白质序列。
第二种是DCNNMoRF2，它使用PSSM和13种氨基酸索引来描述蛋白质序列。
对于两个单一分类器，都采用了具有新颖的二维注意机制的DCNN，并添加了平均策略以进一步处理每个DCNN模型的输出概率。
最后，enDCNNMoRF通过对两个模型的最终得分进行平均来组合这两个模型。
当与应用于相同数据集的其他知名工具进行比较时，新提出的方法的准确性可与最新方法相媲美。
可以通过http://vivace.bi.a.utokyo.ac.jp:8008/fang
2025/10/29 10:38:37
1.56MB
1
第一章振动基本概念1.1振动的基本概念1.2振动的分类第二章单自由度系统振动2.1无阻尼系统的自由振动2.2计算固有频率的能量法第三章两自由度系统振动3.1两自由度系统的自由振动3.2量自由度系统的受迫振动3.3坐标的耦联3.4拍振第四章多自由度系统振动4.1多自由度系统的运动微分方程4.2固有频率主振型4.3主坐标和正则坐标4.4固有频率相等的情形4.5无阻尼振动系统对初始条件的响应4.6质量、刚度变化对固有频率的影响4.7无阻尼振动系统对激励的响应4.8有阻尼系统对激励的响应第五章数值计算方法5.1瑞利能量法5.2里兹法5.3邓克来法5.4矩阵迭代法5.5子空间迭代法5.6传递矩阵法第六章弹性体一维振动6.1杆的纵向自由振动6.2杆的纵向受迫振动6.3梁的横向自由振动6.4梁的横向受迫振动第七章振动分析的有限元法7.1单元体的运动方程式7.2单元体的特性分析7.3坐标转换7.4固有频率及主振型7.5系统的响应第八章减振技术8.1减振的基本概念8.2隔振8.3阻尼消振8.4动力减振器
2025/10/29 0:49:41
19.5MB
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