2011年全国计算机应用技术证书考试(NIT)Dreamweaver-MX考题(C卷)里面包含的是素材和已经制作好的网页样本，考试的内容就是按照提供的素材制作出样本一样的网页本人亲身整理，多多支持
2021/7/3 22:50:05
15.22MB
1
Fisher线性判别（FisherLinearDiscrimination，FLD），也称线性判别式分析(LinearDiscriminantAnalysis,LDA)。
FLD是基于样本类别进行全体特征提取的有效方法。
它在使用PCA方法进行降维的基础上考虑到训练样本的类间信息。
FLD方法在进行图像全体特征提取方面有着广泛的应用。
压缩包中有完整的代码与结果图
FLD是基于样本类别进行全体特征提取的有效方法。
它在使用PCA方法进行降维的基础上考虑到训练样本的类间信息。
FLD方法在进行图像全体特征提取方面有着广泛的应用。
压缩包中有完整的代码与结果图
2022/9/8 5:33:15
40KB
1
用Java实现语音引擎，语音引擎的工作原理是把细小的声音样本连接起来，每一个样本都是人的言语发音（英语）的一个最小单位。
这些声音样本称为音素（allophone）。
每一个因素对应一个、二个或者三个字母。
这些声音样本称为音素（allophone）。
每一个因素对应一个、二个或者三个字母。
2022/9/7 12:54:09
120KB
1
本文通过对文本人物关系、文本结构分层、作者行文风格的分析来分析中文文本。
针对问题一，我们运用聚类分析和层次分析建立模型从物理结构与逻辑结构两方面来分析文本，我们提取文本中和文本标题中的人名作为特征项，用matlab编程分别统计每个人名在各个段落中的频数。
通过运用主成分分析法对文本进行的分析我们得出自变量与常数项几乎不相关，因而不需要采取主成分回归分析。
通过系统聚类分析，我们得到了聚类图，从中得出了主演人物之间的关系。
通过层次划分，我们将样本一划分为两层，样本二划分为两层，样本三划分为两层。
最后通过matlab编程统计样本中虚词的频数，并且分别对样本中虚词总体和各个虚词进行统计，运用计算风格学理论，我们得出前八十回与后四十回作者的行文风格存在差异。
针对问题二，我们对聚类分析、层次划分、行文风格进行了检验。
对于聚类分析的结果，我们与从对文本概述的文学概括分析得到的人物关系进行比较检验，验证了聚类分析结果是可靠性。
对于层次分析，我们通过用Excel对数据做出折线图，对图形进行分析，得出与用层次分析算法得出的相同的人物关系结论。
针对问题三，我们计算了各个样本中主要人物的比重，做出了折线图，从图中我们得出了文本结构一致性的结论，体现了三个样本的相同性。
通过计算同一个人物在不同样本中的频数（以黛玉为例），我们得出各个样本由于主题思想的不同主要人物也有差异。
针对问题一，我们运用聚类分析和层次分析建立模型从物理结构与逻辑结构两方面来分析文本，我们提取文本中和文本标题中的人名作为特征项，用matlab编程分别统计每个人名在各个段落中的频数。
通过运用主成分分析法对文本进行的分析我们得出自变量与常数项几乎不相关，因而不需要采取主成分回归分析。
通过系统聚类分析，我们得到了聚类图，从中得出了主演人物之间的关系。
通过层次划分，我们将样本一划分为两层，样本二划分为两层，样本三划分为两层。
最后通过matlab编程统计样本中虚词的频数，并且分别对样本中虚词总体和各个虚词进行统计，运用计算风格学理论，我们得出前八十回与后四十回作者的行文风格存在差异。
针对问题二，我们对聚类分析、层次划分、行文风格进行了检验。
对于聚类分析的结果，我们与从对文本概述的文学概括分析得到的人物关系进行比较检验，验证了聚类分析结果是可靠性。
对于层次分析，我们通过用Excel对数据做出折线图，对图形进行分析，得出与用层次分析算法得出的相同的人物关系结论。
针对问题三，我们计算了各个样本中主要人物的比重，做出了折线图，从图中我们得出了文本结构一致性的结论，体现了三个样本的相同性。
通过计算同一个人物在不同样本中的频数（以黛玉为例），我们得出各个样本由于主题思想的不同主要人物也有差异。
2022/9/6 19:12:32
1.45MB
1
这个小工具用于在裁剪图像部分区域时记录坐标。
相信誉AdaBoost算法进行人脸检测的同志们一定对于一开始收集、裁剪物体样本的过程记忆犹新，那是一个纯体力活儿。
有了这个小工具，可以极大的加快进程。
不搞目标识别的同志们也可以来试试，很好玩的！用鼠标在图上圈定区域，按空格可记录坐标，按回车处理下一图。
相信誉AdaBoost算法进行人脸检测的同志们一定对于一开始收集、裁剪物体样本的过程记忆犹新，那是一个纯体力活儿。
有了这个小工具，可以极大的加快进程。
不搞目标识别的同志们也可以来试试，很好玩的！用鼠标在图上圈定区域，按空格可记录坐标，按回车处理下一图。
2022/9/5 11:53:22
1.01MB
1
人脸图像数据集olivetti_py3.pkz，该数据集一共有400张人脸图片，每张图片的巨细是：64x64，每张图片作为一个样本，一共有400个样本，每个样本的特征维度是：64x64=4096；
400张图片一共包含40个不同的人，每个人有10张人脸图片
400张图片一共包含40个不同的人，每个人有10张人脸图片
2022/9/5 11:23:01
1.34MB
1
植物分类是植物科学研究领域和农林业生产运营中重要的基础性工作，植物分类学是一项具有长远意义的基础性研究，其主要的分类依据是植物的外观特征，包括叶、花、枝干、树皮、果实等。
因此，花卉分类是植物分类学的重要部分，利用计算机进行花卉自动种类识别具有重要意义。
本文从常见的观赏花卉入手，探索了基于花朵数字图像对花卉进行种类识别的方法。
在己有研究的基础上，针对花朵的生长特点定义了颜色、纹理、形状等方面的特征，并使用分级SVM分类器对花卉图像进行了识别。
论文提出了分区域特征提取以及极坐标系下的灰度共生矩阵适于描述放射状生长的花朵纹理特征，对提高系统的识别准确率具有重要意义，此外，所设计的分级SVM分类器有效降低了分类器对样本种类数量的敏感性，克服了SVM分类器对大样本量识别准确率低的问题。
本文构建了基于数字图像的花卉种类识别系统，并用五十种花卉对系统进行了测试，达到了95.72%的识别准确率。
实验结果表明，本文所实现的花卉种类识别系统具有较高的识别准确率和稳定性。
因此，花卉分类是植物分类学的重要部分，利用计算机进行花卉自动种类识别具有重要意义。
本文从常见的观赏花卉入手，探索了基于花朵数字图像对花卉进行种类识别的方法。
在己有研究的基础上，针对花朵的生长特点定义了颜色、纹理、形状等方面的特征，并使用分级SVM分类器对花卉图像进行了识别。
论文提出了分区域特征提取以及极坐标系下的灰度共生矩阵适于描述放射状生长的花朵纹理特征，对提高系统的识别准确率具有重要意义，此外，所设计的分级SVM分类器有效降低了分类器对样本种类数量的敏感性，克服了SVM分类器对大样本量识别准确率低的问题。
本文构建了基于数字图像的花卉种类识别系统，并用五十种花卉对系统进行了测试，达到了95.72%的识别准确率。
实验结果表明，本文所实现的花卉种类识别系统具有较高的识别准确率和稳定性。
2022/9/4 7:01:48
6.39MB
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