主要介绍了Python中的支持向量机SVM的使用（附实例代码），文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2024/6/19 0:53:46
177KB
1
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
核方法的基础学习材料，介绍了核方法的原理和构造，很不错的学习资料，建议机器学习、模式识别、支持向量机等学习方向的学者参考。
2024/6/8 17:14:29
3.03MB
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
设计一种麦克纳姆轮全向行走运输平台的体感交互控制系统。
该系统应用kinect体感器提出骨骼运动信息识别和基于深度手势识别的两种控制方式，应用于不同场景。
基于骨骼运动信息识别控制方式通过kinect获取人体深度图像数据，然后利用骨骼追踪技术提取人体应用关节点，并建立空间坐标系，最后通过向量计算法来计算出人体关节转动角度实现动态的动作识别进而转换为控制指令实现平台控制。
基于深度手势识别控制方式利用kinect获取的深度信息实现手部从背景中分割，然后运用模板匹配的方式识别手势转换为控制指令实现平台控制。
实验表明，通过该控制系统能对全方位运输平台进行有效灵活的控制。
该系统应用kinect体感器提出骨骼运动信息识别和基于深度手势识别的两种控制方式，应用于不同场景。
基于骨骼运动信息识别控制方式通过kinect获取人体深度图像数据，然后利用骨骼追踪技术提取人体应用关节点，并建立空间坐标系，最后通过向量计算法来计算出人体关节转动角度实现动态的动作识别进而转换为控制指令实现平台控制。
基于深度手势识别控制方式利用kinect获取的深度信息实现手部从背景中分割，然后运用模板匹配的方式识别手势转换为控制指令实现平台控制。
实验表明，通过该控制系统能对全方位运输平台进行有效灵活的控制。
2024/6/6 9:27:18
1.15MB
1
蛋白质的磷酸化是重要的翻译后修饰，可激活信号通路中包括的各种酶和受体。
为了减少通过费力的实验来鉴定磷酸化位点的成本，已经积极研究了其计算预测。
在这项研究中，通过采用一组新的特征，并在通过支持向量机进行训练之前，通过随机森林在网格搜索中应用特征选择，我们的方法对两个不同的数据集实现了更好或相当的磷酸化位点预测性能。
为了减少通过费力的实验来鉴定磷酸化位点的成本，已经积极研究了其计算预测。
在这项研究中，通过采用一组新的特征，并在通过支持向量机进行训练之前，通过随机森林在网格搜索中应用特征选择，我们的方法对两个不同的数据集实现了更好或相当的磷酸化位点预测性能。
2024/6/4 10:25:08
1.83MB
1
完整可运行的python代码。
数据过滤，清洗，分割，特征选择，训练词向量模型，测试等等，每行都有注释，真实的数据集超过20w条，是个不错的nlp入门例子。
数据过滤，清洗，分割，特征选择，训练词向量模型，测试等等，每行都有注释，真实的数据集超过20w条，是个不错的nlp入门例子。
2024/6/2 1:43:38
79.61MB
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