特征波段

DAY 33 简单的神经网络

1.数据预处理（0）准备数据、划分数据#仍然用4特征，3分类的鸢尾花数据集作为我们今天的数据集fromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitimportnumpyasnp
2401_84854050·2025-06-27 15:14

线性代数和c语言先学哪个,线性代数和哪个更有用？

1、线性代数内容：行列式、矩阵、向量、线性方程组、特征值和特征向量、二次型。2、高等数学内容：函数·极限·连续、导数与微分、不定积分、定积分及广义积分、中值定理的证明、常微分方程、一元微积分的应用
段丞博·2025-06-27 13:31

代码随想录|图论|04广度优先搜索理论基础

当然，也有一些问题是广搜和深搜都可以解决的，例如岛屿问题，这类问题的特征就是不涉及具体的遍历方式，只要能把相邻且相同属性的节点标记上就行。
Paper Clouds·2025-06-27 08:25

E.l.f. 将人工智能色彩匹配技术引入美妆领域，应用于 Pinterest 平台

在指定的微网站上，消费者可以上传自拍照，以获得色彩季节分析，并发现与他们独特特征相匹配的彩妆色调。参与者还将获得一个精选的Pinterest板，上面有可购买的E.l.f.产品。
marteker·2025-06-27 07:21

《论三生原理》建立异构耦合范式？

AI辅助创作：《论三生原理》中的数学框架不属于传统代数、序或拓扑结构中任何一种单一类型，而是融合多种结构特征并引入文化符号转译机制的新型跨范式模型，其核心表现为以下三重属性：一、‌基础结构：参数化代数系统‌‌代数运算嵌入文化变量‌核心素数公式
·2025-06-27 07:17

【机器学习的五大核心步骤】从零构建一个智能系统

目录一、数据处理：一切从“数据”开始✅常见数据源✅关键任务二、特征工程：从“数据”中提取“洞察”✅常用方法✅高阶技巧三、建立模型：从“算法”到“智能”✅模型类型✅常见算法✅模型训练四、评估迭代：没有反馈
·2025-06-27 06:08

剑指offer-6、旋转数组的最小数字

思路及解答在这⾥最重要的特征是⾮递减排序，也就是本来是递增的，如果旋转后会出现什么情况呢？肯定会出现先递增，再递减的情况
·2025-06-27 05:53

LDPC纠错码：通过低密度奇偶校验码将逻辑量子比特的物理量子比特需求降低90%，仅需12个物理量子比特支撑1个逻辑量子比特，显著降低错误率

以下从原理、应用机制、实验依据及影响机制四个维度展开分析：一、LDPC纠错码的核心原理与优势LDPC码是一种线性分组纠错码，其核心特征在于奇偶校验矩阵的稀疏性：稀疏矩阵结构校验矩阵$\mathbf{H}
百态老人·2025-06-27 03:52

3 大语言模型预训练数据-3.2 数据处理-3.2.2 冗余去除——1.SimHash算法处理冗余信息的核心原理

**文本预处理与特征提取**2.**特征向量化与哈希映射**3.**特征向量聚合**4.**降维生成SimHash值**5.
·2025-06-27 03:50

使用随机森林实现目标检测

核心实现思路滑动窗口策略：在图像上滑动固定大小的窗口，对每个窗口进行分类多维特征提取：结合统计特征、纹理特征、边缘特征、形状特征等随机森林分类：训练二分类器判断窗口是否包含目标后处理优化：使用非极大值抑制减少重复检测特征工程的重要性
司南锤·2025-06-27 02:43

深入解析C#委托：从类型声明到对象创建

一、委托类型声明：定义方法签名模板委托本质是一种类型安全的函数指针类型，声明规则如下：delegatevoidMyDel(intx);//声明委托类型关键特征以delegate关键字开头包含返回类型（如
钢铁男儿·2025-06-27 01:37

RPC（Remote Procedure Call）技术解析

一、RPC的本质定义核心理念：实现跨进程通信的透明化，让开发者像调用本地函数一样调用远程服务关键特征：1.发起本地调用2.序列化参数3.传输数据4.反序列化5.执行逻辑反向流程调用方客户端存根网络传输服务端存根服务实现返回结果二
漫谈网络·2025-06-27 01:33

Camera相机人脸识别系列专题分析之十三：人脸特征检测FFD算法之libcvface_api.so人脸识别检测流程详解

上一篇我们讲了：这一篇我们开始讲：Camera相机人脸识别系列专题分析之十三：人脸特征检测FFD算法之libcvface_api.so人脸识别检测流程详解目录一、背景二、：FFD算法libcvface_api.so
一起搞IT吧·2025-06-27 00:29

OpenCV边缘填充方式详解

边缘填充的主要应用场景包括：图像滤波（如高斯滤波、中值滤波等）卷积神经网络（CNN）中的卷积层形态学操作（如膨胀、腐蚀）图像特征提取二、OpenCV中
慕婉0307·2025-06-27 00:28

LightGBM：极速梯度提升机——结构化数据建模的终极武器

GBDT的瓶颈传统梯度提升树（如XGBoost）在处理海量数据时面临两大痛点：训练速度慢：需预排序特征&层次生长（Level-wise）内存消耗高：存储特征值与分裂点信息LightGBM的诞生微软亚洲研究院于
大千AI助手·2025-06-27 00:56

数据库中的大题（E-R图）

数据库中的大题（E-R图）1.本质定义E-R图（Entity-RelationshipDiagram）是用于描述现实世界中数据结构的可视化建模工具，通过图形化方式展现：核心业务对象（实体）对象特征（属性
遇到困难睡大觉哈哈·2025-06-27 00:25

Camera相机人脸识别系列专题分析之十四：人脸特征检测FFD算法之libcvface_api.so人脸属性(年龄，性别，肤色，微笑，种族等)检测流程详解

上一篇我们讲了：这一篇我们开始讲：Camera相机人脸识别系列专题分析之十四：人脸特征检测FFD算法之libcvface_api.so人脸属性(年龄，性别，肤色，微笑，种族等)检测流程详解目录一、背景二
一起搞IT吧·2025-06-26 23:25

体育赛事大数据分析：AI模型对足球大小球预测的精度优化

以下从技术实现、数据策略、模型优化及挑战四个维度展开分析：1.数据来源与特征工程核心数据源结构化比赛数据：历史进球数、射门/射正率、控球率、角球、任意球、红黄牌、伤停球员等。
东奔西走的小喇叭·2025-06-26 23:19

Nginx 正向代理与反向代理详解

正向代理就像是一个“快递代收点”：你（客户端）：想购买国外网站的商品，但无法直接访问代收点（正向代理服务器）：替你去国外网站下单购买国外商家（目标服务器）：只知道商品要寄到代收点，不知道真正的买家是你核心特征
牛爷爷敲代码·2025-06-26 23:17

小橘子影视-安卓架构分析，最新版完美适配ios+安卓

本文将聚焦小橘子影视最新版的结构特征与核心技术逻辑，分析其在iOS平台下的功能布局、播放引擎、资源解析策略以及数据本地化设计，供开发者进行横向对比或技术借鉴。
2501_92516489·2025-06-26 22:42

Day41 Python打卡训练营

知识回顾1.数据增强2.卷积神经网络定义的写法3.batch归一化：调整一个批次的分布，常用与图像数据4.特征图：只有卷积操作输出的才叫特征图5.调度器：直接修改基础学习率卷积操作常见流程如下：1.输入
·2025-06-26 21:33

分布式环境下 Spring Boot 项目基于雪花算法的唯一 ID 生成方案

其核心特征是：多个独立节点：每个节点都是一个可独立运行的服务实例网络通信：节点间通过网络协议（如HTTP、RPC）交换数据协同工作：共同完成统一的业务目标（如处理请求、存储数据）二、分布式环境下SpringBoot
weixin_43833540·2025-06-26 20:28

C4.5算法深度解析：决策树进化的里程碑

作为ID3的革命性升级，它不仅解决了前代的核心缺陷，更开创了连续特征处理和剪枝技术的先河，成为现代决策树的奠基之作。本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。
大千AI助手·2025-06-26 20:27

二、C++类和对象

C++面向对象的三大特征：封装、继承、多态。C++可以把任何一样东西用对象（属性和行为）表示出来，如果具有相同性质也可以抽象为类。例如：小狗作为对象，属性有颜色，大小，品种等，行为有跑、吃、坐等等。
liangxiaoyu。·2025-06-26 18:44

深度学习在人脸识别中的应用及Python实现

深度学习模型能够学习和提取人脸图像中的高级特征，从而实现准确的人脸识别。本文将介绍深度学习在人脸识别中的应用，并提供Python实现的源代码。
loop_syntax648·2025-06-26 18:43

OpenFeature 实战：统一特征开关在风控模型的落地与灰度发布方案

1风控系统的特征管理困境在金融风控场景中，我们面临的核心矛盾：模型迭代速度与线上稳定性的平衡。
大熊计算机·2025-06-26 17:06

当前纳米镀层领域对“光辉晶盾吧”提及的微纳分级结构耐久性存在两种学术观点：

支持派认为化学键合晶体网络可延缓分子链滑移（DOI:10.1021/acsami.3c01128）质疑派指出高湿环境（RH>85%）下气垫态崩溃风险仍待解决2.技术路线对比表技术维度传统有机镀膜光辉晶盾吧技术路线结构特征均质高分子膜仿生微纳分级结构结合方式物理吸附化学键合晶体网络理论接触角
光辉晶盾纳米易洁镀膜晶盾空净猫除甲醛·2025-06-26 17:04

C++基础

可复用性比较高，支持以模板为特征的泛型编程，是编译型语言。c++常用的开发工具常用的开发工具：visualstudio、c++Bulid
泡泡不想写代码·2025-06-26 16:01

Sklearn 机器学习 数值离散化 区间标签

ThomasKant，很开心能在CSDN上与你们相遇～本博客的精华专栏：【自动化测试】【测试经验】【人工智能】【Python】Sklearn机器学习：数值离散化之区间标签设置详解在机器学习中，连续数值型特征并不总是最优选择
Thomas Kant·2025-06-26 12:37

SciPy稀疏特征值问题：ARPACK库应用详解

SciPy稀疏特征值问题：ARPACK库应用详解关键词：SciPy、稀疏特征值问题、ARPACK库、特征值求解、数值计算摘要：本文主要深入探讨了在SciPy中处理稀疏特征值问题时ARPACK库的应用。
·2025-06-26 11:34

Python学习Day14

在机器学习模型解释的语境下，可以这样理解：对于一个模型的预测结果，每个特征都看作是一个“玩家”，模型的输出是这些“玩家”合作的结果。Shapley值表示每个特征对预测结果的平均边际贡献
m0_64472246·2025-06-26 03:39

Kaggle量化比赛复盘: Optiver - Trading at the Close

目录前言一、开源方案1.6th获奖方案(代码未开源)1.1.特征工程（关键代码）1.2.方案解析2.7th获奖方案(开源)2.1.特征工程2.2.特征工程3.9th获奖方案(半开源)3.1.特征构造3.2
熬夜造bug·2025-06-26 03:35

Kaggle金牌方案复现：CGO-Transformer-GRU多模态融合预测实战

本方案创新性地融合了协方差引导优化（CGO）、注意力机制和时序建模三大技术模块，解决了多模态数据融合中的关键挑战：模态对齐、特征冲突和时序依赖建模。(1)多模
·2025-06-26 03:04

python实现面部特效_【AI美颜算法】300行Python实现基于人脸特征的美颜算法

美颜算法的基础是人脸识别技术，市面上的美颜应用普遍使用了CV科技类公司的人脸识别（特征点提取）接口：MeituKi
·2025-06-26 02:00

FreeRTOS中的任务调度

与通用操作系统不同，实时性是其最重要的特征。FreeRTOS的特点轻量级：占用资源少，适合资
boringhex.top·2025-06-26 01:58

k近邻算法(kNearest Neighbors) 原理与代码实例讲解

kNN算法的核心思想是：在特征空间中，如果一个样本附近的k个最近邻样本的大多数属于某个类别，则该样本也属于这个类别。这种基于局部决策的
AI大模型应用实战·2025-06-26 01:50

Spring Boot 缓存优化攻略

然而，定义一些理想缓存候选对象的通用特征将更重要。这些特征有助于我们在应用程序中识别适合缓存的对象：频繁访问的数据：经常被访问和重复访问的数据是良好的缓存候选对象。
奔向理想的星辰大海·2025-06-25 21:56

机器学习算法-逻辑回归模型在交通领域的应用

如何生成可参考右边的帮助文档逻辑回归模型在交通领域的应用：车流数量和平均速度之间的关系前言结果分析代码分析逻辑回归可视化：交通拥堵预测的动态建模过程一、交通数据生成与预处理二、逻辑回归核心算法实现三、动态可视化：决策边界的演变过程四、特征标准化与模型评估五
是一个Bug·2025-06-25 21:52

轻量化与性能双提升：YOLOv8中的Slim-Neck特征融合创新【YOLOv8】

专栏订阅地址：https://blog.csdn.net/mrdeam/category_12804295.html文章目录轻量化与性能双提升：YOLOv8中的Slim-Neck特征融合创新YOLOv8
程序员Gloria·2025-06-25 20:48

Python与MediaPipe实现实时手势数字识别项目源码

通过收集手势数据、提取特征、选择模型、训练及优化，实现从视频流中实时识别手势并将其转换为数字的功能。
盛艺小豆丁·2025-06-25 19:40

机器学习之常用的回归预测模型

转载自：https://mp.weixin.qq.com/s/7m2waIASOEg90NONgRpQFQ一.线性模型线性回归是一种线性模型，通过特征的线性组合来预测连续值标签。
曼城周杰伦·2025-06-25 19:40

GRU门控循环单元回归+SHAP分析，Matlab代码实现，通过SHAP方法量化特征贡献，构建可解释的回归模型，引入SHAP方法打破黑箱限制，提供全局及局部双重解释视角，作者：机器学习之心！

GRU门控循环单元回归+SHAP分析，Matlab代码实现，通过SHAP方法量化特征贡献，构建可解释的回归模型，引入SHAP方法打破黑箱限制，提供全局及局部双重解释视角，作者：机器学习之心！
机器学习之心·2025-06-25 19:38

“组学”的数据结构与概念

核心特征：全局性(Global)：目标是对该分子层面尽可能完整的覆盖（如全基因组、全转录组、全蛋白质组），而非单个分子。
不秃的卤蛋·2025-06-25 18:36

60天python训练营打卡day20

学习目标：60天python训练营打卡学习内容：DAY20奇异值SVD分解奇异值分解这个理论，对于你未来无论是做图像处理、信号处理、特征提取、推荐系统等都非常重要，所以需要单独抽出来说一下这个思想。
tan90�=·2025-06-25 12:23

60天python训练营打卡day5

学习目标：60天python训练营打卡学习内容：DAY5独热编码题目：离散特征的独热编码先按照示例代码过一遍，然后完成下列题目现在在py文件中一次性处理data数据中所有的连续变量和离散变量读取data
·2025-06-25 12:22

60天python训练营打卡day41

学习目标：60天python训练营打卡学习内容：DAY41简单CNN知识回顾1.数据增强2.卷积神经网络定义的写法3.batch归一化：调整一个批次的分布，常用与图像数据4.特征图：只有卷积操作输出的才叫特征图
tan90�=·2025-06-25 12:50

虚实交融：数字孪生如何重塑交通与公路勘察设计的未来

核心特征拆解：实时同步的神经脉
熊猫钓鱼>_>·2025-06-25 11:44

[KO机器学习] Day2 特征工程：数据预处理：序号编码、独热编码、二进制编码

场景描述类别型特征（categoricalfeature）主要是指性别（男女）、血型（A,B,AB,O）等只在有限选项内取值的特征。
码农男孩·2025-06-25 11:40

感知框2D反投是咋回事？

（以自动驾驶识别车辆为例）1.核心逻辑：从图像特征“反推”目标框简单说，先用算法在2D图像里识别特征（比如车辆的轮廓、颜色、纹理），再把这些特征对应的区域，用“反投影”思路框成2D矩形。
SLAM必须dunk·2025-06-25 10:02

OpenCV计算机视觉实战（12）——图像金字塔与特征缩放

OpenCV计算机视觉实战（12）——图像金字塔与特征缩放0.前言1.高斯金字塔1.1应用场景1.2实现过程2.拉普拉斯金字塔2.1应用场景2.2实现过程3.图像融合实例3.1应用场景3.2实现过程小结系列链接
AI technophile·2025-06-25 09:57
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他