VIP会员

用户网络行为画像 大数据中的用户网络行为画像分析与内容推荐应用.pdf

用户网络行为画像

用户网络行为画像_大数据中的用户网络行为画像分析与内容推荐应用_目录完整版223页.pdf.zip

大数据时代下，要实现千人千面，必须要上推荐技术。用户画像是推荐系统的基础，让你更清楚了解用户的画像

用户网络行为画像 大数据中的用户网络行为画像分析与内容推荐应用 [牛温佳，刘吉强，石川著]

用户网络行为画像 大数据中的用户网络行为画像分析与内容推荐应用 [牛温佳，刘吉强，石川著]

用户画像系统实践.pdf

用户画像学习

用户网络行为画像 kindle格式

关于用户网络行为分析、画像构建类的kindle格式电子书

论文研究-SSL应用分析与监控 .pdf

SSL应用分析与监控，寇亚洲，刘吉强，SSL(Secure Socket Layer)可以为HTTP提供安全链接，从而加强了Web应用的安全性，但是，在上网行为审计系统中，获取可审计的明文数据是前提��

论文研究-基于NDIS以及SVM的终端违规上网行为控制系统的研究与实现 .pdf

基于NDIS以及SVM的终端违规上网行为控制系统的研究与实现，刘军，刘吉强，近年来，伴随着计算机与网络技术的飞速发展，因特网在我们的工作、学习和生活中扮演着越来越重要的角色。然而，在企业中，员工的

论文研究-KVM虚拟设备仿真漏洞利用方式研究 .pdf

KVM虚拟设备仿真漏洞利用方式研究，王森，刘吉强，时下，云计算和大数据技术是最炙手可热的话题，虚拟化技术是构建云计算环境的技术基石之一，虚拟化环境的安全问题也日益成为了人

论文研究-医疗信息系统中的隐私保护研究 .pdf

医疗信息系统中的隐私保护研究，张强，刘吉强，随着医疗行业信息化建设的不断发展，高效的信息传输与共享使医疗机构提升了医疗质量，为患者提供了更好的服务。同时，医疗信息的

网络用户数据挖掘与行为分析

网络用户数据挖掘与行为分析

用户网络行为画像--完整高清版带目录_页数223

用户网络行为画像 大数据中的用户网络行为画像分析与内容推荐应用 完整高清版带目录，可以目录检索。

用户画像-大数据时代下的用户洞察

用户画像-大数据时代下的用户洞察用户画像-大数据时代下的用户洞察

IPTV用户数据的分析与应用.pdf

主要介绍了网络电视用户行为习惯的挖掘。通过现有的用户的消费习惯进行深入的挖掘。

论文研究-基于TCM和UKey的策略文件完整性验证 .pdf

基于TCM和UKey的策略文件完整性验证，肖准，刘吉强，在权限管理系统中构建一个可信的策略文件完整性验证系统是保证系统安全的关键之一。普通PC环境下的策略文件可能被恶意篡改，无法�

水稻响应稻瘟病菌侵染的差异表达蛋白分析

水稻响应稻瘟病菌侵染的差异表达蛋白分析，陈默，宋吉强，稻瘟病是危害水稻的三大病害之一，已严重影响水稻生产。本文采用比较蛋白质组学方法，对不同抗、感稻瘟病水稻叶片的总蛋白进行分

热压含碳球团强度影响因素的研究

热压含碳球团强度影响因素的研究，李军，吉强，重点研究了原料水分、粒度和加热时间对热压含碳球团强度的影响，并对影响机理进行了分析。实验结果表明：原料水分对热压含碳球团

经典的安全方案设计范文.docx

刘铜 林立君 《防止汽车二次碰撞的智能升降杆示警装置与服务系统》 申报人：王震 团队成员：张帅 王凯 安聪 杨甲宾 《基于能见度低时路灯自动防雾模式的研究》 申报人：徐聪 团队成员：关雯月 吕文芳 张学宇 孟吉强 ...

YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数

本资源纯属免费，不收任何钱和任何积分，纯粹为爱发电，本资源已经为大家整合好了的，看我的博客部署好直接用：https://blog.csdn.net/Little_Carter/article/details/133610076?spm=1001.2014.3001.5501 资源原本项目源码地址：https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSORT-Object-Tracking 本资源提供了基于YOLOv8-deepsort算法的智能车辆目标检测、车辆跟踪和车辆计数的实现方案。首先，利用YOLOv8算法对视频中的车辆目标进行检测，并对检测到的目标进行标记。然后，通过deepsort算法对标记的车辆目标进行跟踪，实现车辆目标的持续跟踪。最后，根据跟踪结果对车辆数量进行统计，实现车辆计数功能。本资源提供了完整的代码实现和详细的使用说明，帮助读者快速掌握基于YOLOv8-deepsort的智能车辆目标检测、车辆跟踪和车辆计数技术。

YOLOv8网络结构图，自制visio文件，yolov8.vsds，需要的自取，在原有的基础上直接改就行了

YOLOv8网络结构图，自制visio文件，yolov8.vsds，需要的自取，在原有的基础上直接改就行了

yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt

yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt，需要创建的文件夹都以创建，方便大家不用再去GitHub下载 可以搭配该博客：https://blog.csdn.net/weixin_43366149/article/details/132206526?spm=1001.2014.3001.5501

Transformer模型实现长期预测并可视化结果（附代码+数据集+原理介绍）

这篇文章给大家带来是Transformer在时间序列预测上的应用，这种模型最初是为了处理自然语言处理（NLP）任务而设计的，但由于其独特的架构和能力，它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是：Transformer 在时间序列分析中的应用核心在于其自注意力机制，这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码，Transformer 不仅提高了处理效率，而且确保了时间顺序的准确性。其灵活的模型结构允许调整以适应不同复杂度这篇文章给大家带来是Transformer在时间序列预测上的应用，这种模型最初是为了处理自然语言处理（NLP）任务而设计的，但由于其独特的架构和能力，它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是：Transformer 在时间序列分析中的应用核心在于其自注意力机制，这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码，Transformer 不仅提高了处理效率，而且确保了时间顺序的准确性。定制化训练个人数据集进行训练利用python和pytorch实现

YOLOV5 + 双目相机实现三维测距（新版本）

YOLOV5 + 双目相机实现三维测距（新版本）

社交平台上经济类话题的文章热度信息，数据是真实的，但不是真实日期

使用LSTM模型进行时序预测的代码与说明见：https://blog.csdn.net/Q_M_X_D_D_/article/details/109366895

行人跌倒数据集（VOC格式）

行人跌倒数据集（VOC格式）

Unet眼底血管图像分割数据集+代码+模型+系统界面+教学视频.zip

本资源配套对应的视频教程和图文教程，手把手教你使用Unet做眼底图像分割的训练、测试和界面封装，包含了Unet原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型，并封装为了图形化界面，只需点击上传按钮上传图像即可完成眼底图像的预测。 随着生活水平的提高，眼科疾病以及心脑血管疾病的发病率呈现逐年增长的趋势。视网膜血管是这类疾病诊断和监测的重要信息来源，其形态和状况的变化可以反映出许多疾病的早期病理变化。然而，由于受眼底图像采集技术的限制以及视网膜血管自身结构的复杂性和多变性，使得视网膜血管的分割变得非常困难。传统方法依靠人工手动分割视网膜血管，不仅工作量巨大，极为耗时，而且受主观因素影响严重。通过眼底血管图像分割可以提高诊断准确性、效率以及推动科学研究和改进治疗方法等方面。 B站主页：https://space.bilibili.com/161240964 C站主页：https://blog.csdn.net/ECHOSON

全新的SOTA模型YOLOv9

当今的深度学习方法专注于如何设计最合适的目标函数，以使模型的预测结果尽可能接近真实值。同时，还需要设计一个合适的架构，以便获取足够的信息进行预测。现有方法忽略了一个事实：当输入数据经过逐层的特征提取和空间变换时，会丢失大量信息。本文将深入探讨数据在深度网络中传输时数据丢失的重要问题，即信息瓶颈和可逆函数问题。我们提出了可编程梯度信息（PGI）的概念，以应对深度网络实现多个目标所需的各种变化。PGI能够为目标任务提供完整的输入信息，以计算目标函数，从而获得可靠的梯度信息以更新网络权重。此外，我们还设计了一种基于梯度路径规划的新型轻量级网络架构——广义高效层聚合网络（GELAN）。GELAN的架构证明了PGI在轻量级模型上获得了优越的结果。我们在基于MS COCO数据集的目标检测上验证了所提出的GELAN和PGI。结果显示，GELAN仅使用传统的卷积运算符就实现了比基于深度卷积的最新方法更好的参数利用率。PGI可用于从轻量级到大型的各种模型，它可以获取完整信息，使得从零开始训练的模型比使用大型数据集预训练的最新模型获得更好的结果，比较结果如图1所示。

YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频.zip

YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频 代码的下载地址在：https://gitee.com/song-laogou/yolov5-mask-42 大家可以按照这里的视频教程配置环境：https://www.bilibili.com/video/BV1YL4y1J7xz/ 更多数据请看：https://blog.csdn.net/ECHOSON/article/details/121892887 遇到问题请小伙伴通过私信联系作者，感谢大家的支持！

基于YOLOv8-Pose的姿态识别项目，带数据集可直接跑通的源码

这个项目是一个基于YOLOv8-Pose的姿态识别系统，专门用于识别和分析人体姿态。项目采用了最新的YOLOv8-Pose算法，结合了COCO数据集的8种常见姿态，能够快速准确地识别人体的各种姿态。这个可以作为一个简单的项目案例，后续可以直接换成自己的数据去进行训练。 功能特点： 高效识别：使用了先进的YOLOv8-Pose算法，确保了识别的准确性和效率。 支持多种姿态：能够识别COCO数据集中定义的8种主要姿态。 实时处理能力：项目设计支持实时姿态识别，适用于视频监控、动态分析等场景。 使用方法： 环境要求：详细说明所需的操作系统、依赖库和运行环境。 安装步骤：提供项目安装和配置的具体指导。 运行指南：说明如何启动姿态识别任务，包括命令行参数等。