matlab环境下运行根据不同的算法，进行图像分割，进行提取特征，机器学习并进行识别，最后利用GUI工具，开发了植物识别系统，该系统简单实用。
2024/2/6 20:01:19
231KB
1
【完整程序+直接可运行+实验结果截图】方便学习。
克里金(Kriging)插值法又称空间自协方差最佳插值法，它是以南非矿业工程师D．G．Krige的名字命名的一种最优内插法。
克里金法广泛地应用于地下水模拟、土壤制图等领域，是一种很有用的地质统计格网化方法。
它首先考虑的是空间属性在空间位置上的变异分布．确定对一个待插点值有影响的距离范围，然后用此范围内的采样点来估计待插点的属性值。
该方法在数学上可对所研究的对象提供一种最佳线性无偏估计(某点处的确定值)的方法。
它是考虑了信息样品的形状、大小及与待估计块段相互间的空间位置等几何特征以及品位的空间结构之后，为达到线性、无偏和最小估计方差的估计，而对每一个样品赋与一定的系数，最后 进行加权平均来估计块段品位的方法。
但它仍是一种光滑的内插方法在数据点多时，其内插的结果可信度较高。
克里金(Kriging)插值法又称空间自协方差最佳插值法，它是以南非矿业工程师D．G．Krige的名字命名的一种最优内插法。
克里金法广泛地应用于地下水模拟、土壤制图等领域，是一种很有用的地质统计格网化方法。
它首先考虑的是空间属性在空间位置上的变异分布．确定对一个待插点值有影响的距离范围，然后用此范围内的采样点来估计待插点的属性值。
该方法在数学上可对所研究的对象提供一种最佳线性无偏估计(某点处的确定值)的方法。
它是考虑了信息样品的形状、大小及与待估计块段相互间的空间位置等几何特征以及品位的空间结构之后，为达到线性、无偏和最小估计方差的估计，而对每一个样品赋与一定的系数，最后 进行加权平均来估计块段品位的方法。
但它仍是一种光滑的内插方法在数据点多时，其内插的结果可信度较高。
2024/2/6 15:01:11
184KB
1
配套的相关资料，好东西。
菜菜的课程，看了就知道是好东西了。
01决策树课件数据源码02随机森林03数据预处理和特征工程04主成分分析PCA与奇异值分解SVD05逻辑回归与评分卡06聚类算法Kmeans07支持向量机上08支持向量机下09回归大家族：线性回归，岭回归，Lasso与多项式回归010朴素贝叶斯011XGBoost
菜菜的课程，看了就知道是好东西了。
01决策树课件数据源码02随机森林03数据预处理和特征工程04主成分分析PCA与奇异值分解SVD05逻辑回归与评分卡06聚类算法Kmeans07支持向量机上08支持向量机下09回归大家族：线性回归，岭回归，Lasso与多项式回归010朴素贝叶斯011XGBoost
2024/2/5 9:49:43
153.32MB
1
采用C++开发的复矩阵数学库，含复数类CMyComplex、矩阵类CMatrix、修正贝塞尔函数类等，可进行各种复数和复矩阵运算，具体包括：实矩阵求逆的全选主元高斯－约当法、复矩阵求逆的全选主元高斯－约当法、对称正定矩阵的求逆、托伯利兹矩阵求逆的埃兰特方法、求行列式值的全选主元高斯消去法求矩阵秩的全选主元高斯消去法、对称正定矩阵的乔里斯基分解与行列式的求值、矩阵的三角分解、一般实矩阵的QR分解、一般实矩阵的奇异值分解、求广义逆的奇异值分解法、约化对称矩阵为对称三对角阵的豪斯荷尔德变换法、实对称三对角阵的全部特征值与特征向量的计算、约化一般实矩阵为赫申伯格矩阵的初等相似变换法、求赫申伯格矩阵全部特征值的QR方法、求实对称矩阵特征值与特征向量的雅可比法、求实对称矩阵特征值与特征向量的雅可比过关法等，内容十分丰富完善。
2024/2/5 6:06:28
6.39MB
1
评分卡模型的介绍（ABCD卡），数据清洗、特征工程的介绍，模型使用的介绍，评分卡模型评价标准的介绍~
2024/2/4 22:47:04
75.51MB
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