-
Drowsiness_Detection
说明： 基于opencv图像处理、人脸识别的疲劳驾驶检测系统(Drowsiness detection based on)
- 2020-04-07 21:44:25下载
- 积分：1
-
Explain FHSS and DSSS with Examples
Explain FHSS and DSSS with Examples
- 2018-09-18 21:53:09下载
- 积分：1
-
Face_ID
说明： shape_predictor_68_face_landmarks.dat文件太大,请自行下载(face recognition,python,ssh)
- 2020-04-04 12:30:20下载
- 积分：1
-
mpi_kmeans-1.5
Super-fast kmeans code in C++/matlab/python
- 2009-06-03 15:54:24下载
- 积分：1
-
Basic Commands
说明： VISSIM COM 二次開發基礎指令(各種程式語言)(VISSIM basic comment by various program language)
- 2020-02-04 14:44:54下载
- 积分：1
-
森林结构参数提取
提取森林结构参数
#读取冠层高度模型CHM
raster = gdal.Open("./chm.tif")
banddataraster = raster.GetRasterBand(1)
dataraster = banddataraster.ReadAsArray()
#对CHM进行高斯滤波，平滑数据
dataraster_gau = gaussian_filter(dataraster,sigma=1)
#寻找CHM中的局部最大值作为分水岭的标记点
local_maxi = peak_local_max(dataraster_gau, indices=False)
markers = ndi.label(local_maxi)[0]
#利用分水岭算法进行分割，labels变量中存储了每个分割结果
labels = watershed(-dataraster_gau, markers, mask= dataraster_gau[:]>5)
#利用matplotlib出图查看初步结果
- 2022-02-13 18:03:00下载
- 积分：1
-
w600wifi模块的micropython固件
- 2022-03-20 12:40:26下载
- 积分：1
-
Kalman-master
kalman filtering for design based on bayesian model
- 2019-04-18 18:07:05下载
- 积分：1
-
sam
逻辑回归，随机森林，xgboost案例,了解三种模型的基本用法(sample for lr,rfm,xgboost)
- 2018-06-04 23:46:12下载
- 积分：1
-
Clustering
1) 使用凝聚型层次聚类算法（即最小生成树算法）对所有数据点进行聚类，最后聚成3类。相异度定义方法可选择single linkage、complete linkage、average linkage或者average group linkage中任意一种。
2) 使用C-Means算法对所有数据点进行聚类。C=3。
任务2（必做）：
使用高斯混合模型（GMM）聚类算法对所有数据点进行聚类。C=3。并请给出得到的混合模型参数（包括比例??、均值??和协方差Σ）。
任务3（全做）：
1) 参考数据文件第三列的类标签，使用聚类有效性评价的外部方法Normalized Mutual Information指标，分别计算任务1和任务2聚类结果的有效性。
2) 使用聚类有效性评价的内部方法Xie-Beni指标，分别计算任务1和任务2聚类结果的有效性。(The main results are as follows: 1) the condensed hierarchical clustering algorithm (that is, the minimum spanning tree algorithm) is used to cluster all the data points, and finally it is grouped into three categories. Any of the single linkage,complete linkage,average linkage or average group linkage methods can be selected for the definition of dissimilarity. 2) using C-Means algorithm to cluster all data points. C = 3.)
- 2019-05-16 21:54:22下载
- 积分：1
