朴素贝叶斯实战代码，含注释，分为两个模块，第一模型实现，第二进行文本分类。
事实上利用的是词袋模型的朴素贝叶斯，也就是多项式事件模型。
利用python3进行编程实现。

本报告包括详尽完整的文本分类处理过程，包括语料库的处理、jieba分词、停用词无关词处理、词袋模型的构建（CHI值检验用于特征筛选、tfidf作为特征向量值）。
并用自编朴素贝叶斯以及sklearn包中的SVM进行了文本效果的检测，通过混淆矩阵和roc曲线展现了实现效果。
实验报告写的很详细，不懂的地方可以看报告以及看博客中的部分细节讲解。

这里面的matlab代码是BOW的实现，里面有kmeans++的部分，模块化，易理解，稍微改动就可以用于处理自己的问题

OpenVSLAM的ORB词袋包。
OpenVSLAMisamonocular,stereo,andRGBDvisualSLAMsystem.Thenotablefeaturesare:Itiscompatiblewithvarioustypeofcameramodelsandcanbeeasilycustomizedforothercameramodels.Createdmapscanbestoredandloaded,thenOpenVSLAMcanlocalizenewimagesbasedontheprebuiltmaps.Thesystemisfullymodular.Itisdesignedbyencapsulatingseveralfunctionsinseparatedcomponentswitheasy-to-understandAPIs.Weprovidedsomecodesnippetstounderstandthecorefunctionalitiesofthissystem.

运用matlab实现蜂群SVM，粒子群SVM，遗传算法SVM，数据包含有公共数据集，公共图像数据集，图像特征提取用了词袋，保证可用（公共图像数据集太大，删除了）

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。