登录
首页 » python » 隐马尔科夫(HMM)模型的实现

隐马尔科夫(HMM)模型的实现

于 2023-08-26 发布 文件大小:1.79 kB
0 151
下载积分: 2 下载次数: 1

代码说明:

一个HMM的python实现,通俗易用。可以在hmm的学习过程中参考参考。

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • machineLearning
    机器学习-分类器-垃圾邮件系统。数据集来自UCI-spambase.data.(Machine Learning- spam classifier.)
    2021-04-16 09:18:53下载
    积分:1
  • MAgent-master
    多智能体的一段代码,有关强化学习,机器学习,很实用的一段代码!(A code of multi-agent, about reinforcement learning, machine learning, a very practical piece of code!)
    2020-10-20 20:47:26下载
    积分:1
  • AVA_dataset
    ava数据库下载代码,用于图像美学质量评价(download ava dataset,image aesthetic assessment)
    2017-04-15 20:13:00下载
    积分:1
  • Python面试大全(245道面试题)
    Python面试大全(245道面试题)
    2020-12-09下载
    积分:1
  • python jd模拟登陆,优惠卷领取
    需要python3.6环境,使用时需安装redis,在setting.py 设置 redis  地址,运行run.py,用过input_tool.py 控制操作。
    2023-06-24 15:45:03下载
    积分:1
  • Panda3D17
    Packt - Panda3D 1.7 Game Development Cookbook 2011 RETAiL eBOOk(Packt- Panda3D 1.7 Game Development Cookbook 2011 RETAiL eBOOk)
    2011-06-27 03:02:55下载
    积分:1
  • Tensorflow-Deep-Neural-Networks-master
    说明:  DBN源码(DBN source code)
    2019-05-25 16:40:14下载
    积分:1
  • winWord2
    生成以日期为文件名的word文档,写入操作(creating word document named as date)
    2015-08-04 20:58:41下载
    积分:1
  • fenlei
    说明:  利用深度学习进行遥感图像场景分类 这里我们对NWPU-RESISC45数据集的场景图像进行分类 我们将卷积神经网络应用于图像分类。我们从头开始训练数据集。此外,还应用了预先训练的VGG16 abd ResNet50进行迁移学习。(Scene Classification of Remote Sensing Images Using Deep Learning Here we classify scene images from NWPU-RESISC45 dataset We apply convolutional neural network to image classification. We start training data sets from scratch. In addition, a pre-trained VGG16 abd ResNet50 is used for migration learning.)
    2021-03-31 20:19:08下载
    积分:1
  • svm解析验证码
    SVM做的验证码识别,准确率85%# -*- coding: utf-8 -* __author__ = "eple" from svmutil import * from PIL import Image from numpy import * import os import string def getFeatures(path): features = [] im = array(Image.open(path).convert("L")) h,w = shape(im) for i in xrange(0,h): for j in xrange(0,w): im[i][j] = 0 if im[i][j] < 128 else 1 for i in xrange(1,h-1): for j in xrange(1,w-1): if im[i][j] != 0 and im[i-1][j]==0 and im[i][j-1]==0 and im[i][j+1]==0 and im[i+1][j]==0: im[i][j] = 0 for rang in [xrange(2,8), xrange(12,18), xrange(22,28), xrange(32,38)]: temp = [] for i in rang: for j in xrange(0,10): temp.append(im[j][i]) features.append(temp) return features
    2022-04-14 17:07:19下载
    积分:1
  • 696518资源总数
  • 105949会员总数
  • 22今日下载