fisher的matlab实现，可以实现分类和最佳投影平面的显示，并且带有测试代码，可以随机在生成的坐标图上点十个点，程序会自动为点着上相应的颜色，比较直观
2024/5/8 18:27:04
2KB
1
adaboost算法是一个由多个弱分类器生成一个强分类器的算法，可以提高分类的正确率，这里利用adaboost算法的原理，结合matlab做了一个简单的实例里面h1-h8为八个弱分类器，adaboost为训练的主函数，test调用了训练函数，对一个样本进行测试，calerr计算每次循环后的错误频率
2024/4/22 10:57:32
4KB
1
人脸检测训练好的分类器文件haarcascade_frontalface_alt.xml，配合opencv进行人脸检测，
2024/4/22 9:36:21
661KB
1
这是全部源码！GLC_Info是一款基于C#+ArcEngine平台设计实现的遥感影像分类软件，其核心为GLC分类器，该分类器采用了当下最为流行的C5.0决策树分类算法为模型，并进行了算法改进，使分类器更加适用于遥感影像分类。
依托该分类器，软件可以独立实现基于像元的遥感影像分类，在获得易康（eCognition）或者ENVIEX分割结果的基础上，软件可以实现对分割结果的全自动分类。
同时该软件提供了全形态VORONO图的生成。
依托该分类器，软件可以独立实现基于像元的遥感影像分类，在获得易康（eCognition）或者ENVIEX分割结果的基础上，软件可以实现对分割结果的全自动分类。
同时该软件提供了全形态VORONO图的生成。
2024/4/20 16:15:30
19.14MB
1
为了提高雷达调制信号在电子对抗环境中的分选准确度，建立了基于偏联系数模糊聚类(PCFCM)算法和教与学随机森林(TLRF)算法的雷达调制信号分选(PCFCM-TLRF)模型。
该模型引入偏联系数(PCN)改进K均值聚类(K-means)算法，优化模糊C均值聚类(FCM)算法，用优化后的FCM算法对信号样本集进行预处理；
使用“教与学”优化(TLBO)算法优化随机森林(RF)算法，使优化后的RF算法能够以更低的复杂度构成更优的分类器；
将预处理后的样本作为TLRF中的训练样本实现信号分选。
研究结果表明，与其他分选模型相比，PCFCM-TLRF模型具有更高的分选准确度，能够有效地实现雷达调制信号的分选。
该模型引入偏联系数(PCN)改进K均值聚类(K-means)算法，优化模糊C均值聚类(FCM)算法，用优化后的FCM算法对信号样本集进行预处理；
使用“教与学”优化(TLBO)算法优化随机森林(RF)算法，使优化后的RF算法能够以更低的复杂度构成更优的分类器；
将预处理后的样本作为TLRF中的训练样本实现信号分选。
研究结果表明，与其他分选模型相比，PCFCM-TLRF模型具有更高的分选准确度，能够有效地实现雷达调制信号的分选。
3.03MB
1
我收集的猫数据集，用于训练基于HOG特征的分类器。
详细请参考我的博客：http://blog.csdn.net/hongbin_xu/article/details/78443289
详细请参考我的博客：http://blog.csdn.net/hongbin_xu/article/details/78443289
2024/3/23 11:55:09
6.32MB
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