scikit-learn机器学习：常用算法原理及编程实战

机器视觉算法与应用PPT概述.pdf

描述机器视觉算法与应用的PPT，概述内容比较全面。

机器视觉算法与应用笔记

细看《机器视觉算法与应用》这本书摘录的一些重点，并且加上一些自己的理解（通俗易懂），这本书真是一本好书，学机器视觉/HALCON必备（HALCON编程实现。

机器视觉算法与应用PPT

机器视觉算法与应用，程序。在VC中可运行

机器视觉算法与应用笔记.docx

机器视觉算法与应用笔记.docx机器视觉算法与应用笔记.docx机器视觉算法与应用笔记.docx机器视觉算法与应用笔记.docx机器视觉算法与应用笔记.docx机器视觉算法与应用笔记.docx机器视觉算法与应用笔记.docx机器视觉...

机器视觉算法与应用笔记.pdf

机器视觉算法与应用笔记.pdf机器视觉算法与应用笔记.pdf机器视觉算法与应用笔记.pdf机器视觉算法与应用笔记.pdf机器视觉算法与应用笔记.pdf机器视觉算法与应用笔记.pdf机器视觉算法与应用笔记.pdf机器视觉算法与应用...

机器视觉算法与应用--锯片检测.pptx

机器视觉算法与应用--锯片检测.pptx

机器视觉算法与应用笔记.doc

机器视觉算法与应用笔记.doc

机器视觉算法与应用摄像机资料PPT教案.pptx

机器视觉算法与应用摄像机资料PPT教案.pptx

机器视觉算法与应用—照明

机器视觉中照明的目的是使被测物的重要特征显现，而抑制不需要的特征。为达到此目的，我们需要考虑光源与被测物之间的相互作用。其中一个重要的因素就是光源和被测物的光谱组成。我们可以用单色光照射彩色物体以增强...

机器（计算机）视觉应用.pdf

机器视觉可进行检验、OCR/OCV、引导校准、存在缺失、测定测量、读取代码。讲述 机器视觉在各行业中的应用

机器视觉算法与应用-照明

文件- 机器视觉中照明的目的是使被测物的重要特征显现，而抑制不需要的特征。为达到此目的，我们需要考虑光源与被测物之间的相互作用。其中一个重要的因素就是光源和被测物的光谱组成。我们可以用单色光照射彩色物体...

机器视觉及其应用（系列讲座）第5讲 机器视觉的典型应用

机器视觉及其应用（系列讲座）第5讲 机器视觉的典型应用

机器视觉技术及其应用综述

计算机图形学，机器视觉的入门教材，到识别的进阶教材

计算机视觉书籍电子版

该书很好的描述了计算机视觉的内容，对初学者有很大的帮助

getRegion.rar_机器视觉_获取行程_视觉算法

根据《机器视觉算法与应用》编写的获取任意多边形，圆的行程。欢迎交流学习。

机器视觉中高速图像处理算法研究及FPGA实现

图像处理速度影响整个机器视觉系统的性能,而图像处理的速度问题是由图 像数据的特点和图像处理算法的复杂性引起的,依据图像处理算法及数据的特点,把图像处理分成三个层次:数据处理层!信息提取层!知识应用层,各层在...

机器人学机器视觉与控制 MATLAB算法基础.rar_gco_机器人学_机器视觉matlab_视觉控制

介绍机器学习及机器视觉，控制,以及 matlib 的算法 应用。 是本好书，希望对你有帮助。

ChatGPT教程（终极版）最全整理

这是一篇动了某些人利益的良心教程。 这是一篇姗姗来迟的ChatGPT教程。 纯小白关于ChatGPT入门，你看我这篇文章就够了。 如果你已经用上了ChatGPT，更要恭喜你挖到宝藏，后面的高级技巧一定能让你有收获。 文章包含以下内容： 一、ChatGPT是啥？有什么用； 二、ChatGPT如何注册； 三、ChatGPT使用方法； 四、用ChatGPT搞钱； 五、高级技巧；

博客中Kmeans以及FCM算法数据（免积分）

博客中Kmeans以及FCM算法的数据，包括IRIS鸢尾花数据集、Wine葡萄酒数据集、Seed小麦种子数据集、glass数据集、WDBD乳腺癌数据集，下载在直接存入项目文件夹即可，如果下载不了，可以私信我，看到后会及时回复。

神经网络回归预测--气温数据集

神经网络回归预测--气温数据集

hugging face的models-openai-clip-vit-large-patch14文件夹

用于无法访问hugging face并需要运行stable-diffusion-webui时使用

XGBoost+LightGBM+LSTM-光伏发电量预测

包含比赛代码、数据、训练后的神经网络模型等。 在分析光伏发电原理的基础上，论证了辐照度、光伏板工作温度等影响光伏输出功率的因素，通过实时监测的光伏板运行状态参数和气象参数建立预测模型，预估光伏电站瞬时发电量，根据光伏电站DCS系统提供的实际发电量数据进行对比分析，验证模型的实际应用价值。 1 数据探索与数据预处理 1.1 赛题回顾 1.2 数据探索性分析与异常值处理 1.3 相关性分析 2 特征工程 2.1 光伏发电领域特征 2.2 高阶环境特征 3 模型构建与调试 3.1 预测模型整体结构 3.2 基于LightGBM与XGBoost的构建与调试 3.3 基于LSTM的模型构建与调试 3.4 模型融合与总结 4 总结与展望 参考文献

Mathwork+Matlab+编程手册

Introduction to Programming with MATLAB ~ Vanderbilt University

Stable-Diffusion WEBUI 简体中文语言包（2023.05.30更新）

AI绘图，Stable-Diffusion WEBUI，本地化（简体中文）语言文件。 原始文件来自翻译插件，根据自己实际使用情况，增加和修改了一些翻译。 配合【双语插件】看上去要自然一点，内容还在继续完善中。 本次增加了一些翻译内容，特别是插件。 同时继续合并了其它翻译插件的内容。 最近文字提示修改得有点多啊。 请放入“你的SDWebUI项目位置/localizations/”中。 中文翻译部分删掉了不少括起来的英文原文，所以别直接选它用。 请配合【Bilingual Localization】插件使用，双语同时显示，效果最好。

时间序列预测模型实战案例(Xgboost)(Python)(机器学习)包括时间序列预测和时间序列分类，点击即可运行！

内容概要 资源包括三部分(时间序列预测部分和时间序列分类部分和所需的测试数据集全部包含在内) 在本次实战案例中，我们将使用Xgboost算法进行时间序列预测。Xgboost是一种强大的梯度提升树算法，适用于各种机器学习任务，它最初主要用于解决分类问题，在此基础上也可以应用于时间序列预测。 时间序列预测是通过分析过去的数据模式来预测未来的数值趋势。它在许多领域中都有广泛的应用，包括金融、天气预报、股票市场等。我们将使用Python编程语言来实现这个案例。 其中包括模型训练部分和保存部分，可以将模型保存到本地，一旦我们完成了模型的训练，我们可以使用它来进行预测。我们将选择合适的输入特征，并根据模型的预测结果来生成未来的数值序列。最后，我们会将预测结果与实际观测值进行对比，评估模型的准确性和性能。 适合人群：时间序列预测的学习者,机器学习的学习者， 能学到什么：本模型能够让你对机器学习和时间序列预测有一个清楚的了解，其中还包括数据分析部分和特征工程的代码操作 阅读建议：大家可以仔细阅读代码部分，其中包括每一步的注释帮助读者进行理解，其中涉及到的知识有数据分析部分和特征工程的代码操作。

中文短信数据集-带标签

本数据集可用于进行文本分类、信息检索等自然语言处理实验，共包含80万条短信。其中：原始数据集data.txt每行为1条短信，格式为“标签\t短信内容”，标签=0表示正常短信，标签=1表示垃圾短信。train.csv和test.csv为拆分后的训练集与测试集，拆分代码为train_test_split.py。stopwords.txt为使用的停用词。 基于该数据集的文本分类详见文章https://blog.csdn.net/baidu_40395808/article/details/135793836，基于该数据集的信息检索详见文章https://blog.csdn.net/baidu_40395808/article/details/135897480。 示例如下： 0 商业秘密的秘密性那是维系其商业价值和垄断地位的前提条件之一 1 《依林美容》三．八．女人节倾情大放送活动开始啦！！！！超值套餐等你拿，活动时间x月x日一x月xx日， 详情进店咨询。美丽热线x

亚博K210模型训练部署

亚博K210模型训练部署

Plecs电力电子仿真PLECS41.64 电力系统仿真软件免安装版本

超级容易学习的电力电子仿真软件。 PLECS是一个用于电路和控制结合的多功能仿真软件，尤其适用于电力电子和传动系统。 对于仿真Buck电路，Boost电路，单相整流电路，单相逆变电路，三相整流电路，三相逆变电路，LLC电路等都能够完美实现。并且能够直接使用C语言进行编程仿真，让代码直接写完以后完整运行到控制板中。 Plecs主要解决了Matlab Simulink仿真速度很慢，学习过程复杂和困难等问题。 Plexim在电力电子仿真领域处于世界领先地位。首要软件产品PLECS可以协助用户加快产品开发和创新流程。其优势来源于先进的编程技术，以及融合了非常规建模概念的仿真算法。通过认真听取工程师的需求和建议，我们能够为客户的今天和未来提供满意的解决方案。 从2002年开始，PLECS已经在众多工业领域成为电力电子仿真的标准。典型应用涵盖新能源，车辆电子，航空航天，工业及牵引驱动等。

机器学习期末复习题及答案

机器学习期末复习题及答案