-
Envalue
说明： 本代码总结了信息熵、条件信息熵、PSNR、SSIM等图像评价指标(This code summarizes information entropy, conditional information entropy, PSNR, SSIM and other image evaluation indexes)
- 2020-03-04 16:47:57下载
- 积分：1
-
基于python-flask的个人博客系统
基于python-flask的个人博客系统
- 2020-12-02下载
- 积分：1
-
pso-down
说明： 用python语言编写的粒子群优化算法，内有多种适应度函数可供选择(Python language used particle swarm optimization algorithm, there are a variety of alternative fitness function)
- 2020-12-16 09:39:13下载
- 积分：1
-
python爬虫翻译小软件
通过简单的爬虫 和 TK组件 制作了一个翻译小软件吗，仅供学习。
- 2023-02-20 15:55:05下载
- 积分：1
-
Ball-Tracking2
this program is for ball tracking
- 2014-11-11 08:58:17下载
- 积分：1
-
Unet-train
说明： 使用python的tensorflow库进行u-net进行图像去噪(Using tensorflow Library of Python for u-net image denoising)
- 2020-12-25 11:29:06下载
- 积分：1
-
神经网络实现情感分类
神经网络实现情感分类,基于卷积网络，主要是python实现的，比较有参考价值，希望能给进行自然语言处理的大家能有一点帮助
- 2022-06-19 03:46:42下载
- 积分：1
-
Python Cookbook（第3版）中文版
经典入门教程，快速入手，纯英文版，满足python 开发人员需求(Classic introductory tutorial)
- 2017-11-19 15:11:58下载
- 积分：1
-
databricks-spark-reference-applications.pdf.tar
摘要: 现有的聚类算法比如
CluStream 是基于 k-means 算法的。这些算法不能够发现任
意形状的簇以及不能处理离群点。
解决上述问题,本文提出了
而且, 它需要预先知道
k 值和用户指定的时间窗口。
为了
分将数据映射到一个网格,
D-Stream 算法,它是基于密度的算法。这个算法用一个在线部
在离线部分计算网格的密度然后基于密度形成簇。
度衰减技术来捕获数据流的动态变化。
为了探索衰减因子、 数据密度以及簇结构之间的关系,
我们的算法能够有效的并且有效率地实时调整簇。
群点的稀疏网格是合理的,
算法采用了密
而且, 我们用理论证明了移除那些属于离
从而提高了系统的时间和空间效率。
该技术能聚类高速的数据流
而不损失聚类质量。 实验结果表明我们的算法在聚类质量和效率是有独特的优势,
并且能够
发现任意形状的簇,以及能准确地识别实时数据流的演化行为(Abstract: Existing clustering algorithms such as CluStream are based on the k-means algorithm. These algorithms can not be found
Meaningful clusters and can not handle outliers. To solve the above problems, this paper presents)
- 2017-09-03 11:05:23下载
- 积分：1
-
facedetectandrecognition-dlib-python3.6
说明： 机器学习专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技 能，为包括人脸识别领域的人工智能的发展做出了极大的贡献。本文探索如何应用机器学习中的一些技术，使计算机更好地完成人脸识别领域中的人脸检测和人脸验证。
在人脸检测方面，针对如何快速、准确地检出人脸的问题，基于DLIB中特征模型，可以快速提取检测出人脸，并且提取出人脸特征点,主要作用就是快速检测定位人脸。在训练过程中，引入了ResNet机器学习算法，该算法采用多层卷积神经网络结构，对人脸进行多层特征提取和描述，得到人脸特征描述符。通过测试可以证实了上述方法能够检测和识别人脸。(In terms of face detection, for the problem of how to detect faces quickly and accurately, based on the feature model in DLIB, you can quickly extract and detect faces, and extract face feature points, the main role is to quickly detect and locate faces. In the training process, the VGG-FACE machine learning algorithm is introduced. This algorithm uses a multi-layer convolutional neural network structure to perform multi-layer feature extraction and description on the face to obtain the face feature descriptor. Tests can confirm that the above method can detect and recognize human faces.)
- 2020-05-06 14:33:08下载
- 积分：1
