首先产生若干种群（特征子集），然后用PSO算法对特征及参数进行优化。
在UCI标准数据集上进行的仿真实验表明，该算法可无效地找出合适的特征子集及LS-SVM参数，且与基于遗传算法的最小二乘支持向量机算法（GALS-SVM）和传统的LS-SVM算法相比具有较好的分类效果。
在UCI标准数据集上进行的仿真实验表明，该算法可无效地找出合适的特征子集及LS-SVM参数，且与基于遗传算法的最小二乘支持向量机算法（GALS-SVM）和传统的LS-SVM算法相比具有较好的分类效果。
2020/7/14 17:04:21
256KB
1
首先产生若干种群（特征子集），然后用PSO算法对特征及参数进行优化。
在UCI标准数据集上进行的仿真实验表明，该算法可无效地找出合适的特征子集及LS-SVM参数，且与基于遗传算法的最小二乘支持向量机算法（GALS-SVM）和传统的LS-SVM算法相比具有较好的分类效果。
在UCI标准数据集上进行的仿真实验表明，该算法可无效地找出合适的特征子集及LS-SVM参数，且与基于遗传算法的最小二乘支持向量机算法（GALS-SVM）和传统的LS-SVM算法相比具有较好的分类效果。
2016/6/20 2:21:45
256KB
1
CMUMulti-PIE人脸数据库包含超过750,000张337人的图像，这些图像在五个月内最多可记录四次。
受试者在15个视点和19个照明条件下成像，同时显示一系列面部表情。
此外，还获得了高分辨率正面图像。
总的来说，数据库包含超过305GB的面部数据。
资源包括PIE照明子集（1154张人脸灰度图，32*32）和三个Pose05、Pose07、Pose09子集（分别包括3332张、1629张、859张人脸灰度图，64*64）。
受试者在15个视点和19个照明条件下成像，同时显示一系列面部表情。
此外，还获得了高分辨率正面图像。
总的来说，数据库包含超过305GB的面部数据。
资源包括PIE照明子集（1154张人脸灰度图，32*32）和三个Pose05、Pose07、Pose09子集（分别包括3332张、1629张、859张人脸灰度图，64*64）。
2016/7/18 17:33:03
14.38MB
1
在无标记增强现实中，基于视觉即时定位与地图构建，结合ORB特征提取算法和顺序抽样一致性，提出了一种改进的注册方法。
利用相似函数衡量匹配样本点对之间的差异性，从具有最高质量函数的数据子集中抽取样本，得到较优的匹配点对，完成了三维地图重建过程中的平面检测。
通过奇异值分解，实现了虚拟物体的方向和位置控制；
结合相机的位姿估计，完成了虚拟物体的注册。
实验结果表明，所提方法的平均注册效率提高了34.5%。
利用相似函数衡量匹配样本点对之间的差异性，从具有最高质量函数的数据子集中抽取样本，得到较优的匹配点对，完成了三维地图重建过程中的平面检测。
通过奇异值分解，实现了虚拟物体的方向和位置控制；
结合相机的位姿估计，完成了虚拟物体的注册。
实验结果表明，所提方法的平均注册效率提高了34.5%。
2016/5/13 10:31:57
2MB
1
该数据库包含76个属性，但是所有已发布的实验都引用了其中14个属性的子集。
特别是，克利夫兰数据库是迄今为止ML研究人员使用的独一数据库。
“目标”字段是指患者中心脏病的存在。
heart.csv
特别是，克利夫兰数据库是迄今为止ML研究人员使用的独一数据库。
“目标”字段是指患者中心脏病的存在。
heart.csv
2022/10/3 23:40:49
3KB
1
B/K/...VexRiscv的插件生成器当心，这是针对从2021年1月20日开始的中间草案中的bitmanip扩展（B），因而操作码和子集可能与B的当前版本不匹配。
Z的Ditto，则针对0.8.1版本。
两者都可能需要VexRiscv的功能补丁，请参见下文。
打包的SIMD（P）缺少许多功能，目标是0.92。
这个仓库这是一个快速的'n'dirty插件生成器，用于将扩展的子集添加到内核。
生成的插件仅适用于RV32。
它尚不支持所有的B指令。
缺少的说明是：所有以'W'结尾的指令，因为它们仅适用于RV64BMAT*，因为它们仅适用于RV64CRC32*三操作数指令（CMIX，CMOV，FS[RL]*）；
它们可用，但需要VexRiscv修补程序以支持第三个输入（所有VexRiscv修补程序都可在）支持部分指令（rev8，zext.h或orc.b
Z的Ditto，则针对0.8.1版本。
两者都可能需要VexRiscv的功能补丁，请参见下文。
打包的SIMD（P）缺少许多功能，目标是0.92。
这个仓库这是一个快速的'n'dirty插件生成器，用于将扩展的子集添加到内核。
生成的插件仅适用于RV32。
它尚不支持所有的B指令。
缺少的说明是：所有以'W'结尾的指令，因为它们仅适用于RV64BMAT*，因为它们仅适用于RV64CRC32*三操作数指令（CMIX，CMOV，FS[RL]*）；
它们可用，但需要VexRiscv修补程序以支持第三个输入（所有VexRiscv修补程序都可在）支持部分指令（rev8，zext.h或orc.b
2020/1/12 5:23:49
270KB
1
C语言（子集）的BNF文法描述，本人感觉还是挺全的，基本上把C语言中该有部分都包含在内了，，，下了绝对不会后悔的。
。
。
。
。
。
。
2020/9/15 22:45:34
51KB
1
LFW-a数据集子集mat文件，曾经做cropped处理切割人脸部分，并且resize成了30x15的大小。
只包含样本个数大于等于20的类别。
fea为样本矩阵，每行一个样本,gnd为类别标签。
只包含样本个数大于等于20的类别。
fea为样本矩阵，每行一个样本,gnd为类别标签。
2020/1/4 10:48:50
1.19MB
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