DeepLabCut：无需标记的深度学习(动物)姿态估计与行为跟踪

为了进一步提高量子行为粒子群优化(QPSO) 算法的全局收敛性能, 有效改善算法中存在的粒子早熟问题,提出一种基于完全学习策略的改进QPSO 算法(CLQPSO). 该学习策略改变了QPSO 中局部吸引子的更新方式, 充分利用了种群的社会信息. 采用8 个测试函数对算法性能进行比较分析. 实验结果表明, 所提出的改进算法不仅收敛速度快, 而且全局收敛能力好, 收敛精度优于PSO 算法和QPSO 算法.

本设计基于决策树算法从多角度对某学校网上平台的学生行为数据进行分析，将根据学生的综合成绩将学生划分为三类：优秀（80分 – 100分）、良好（60分 – 79）、差（0分 – 59分）。这些数据包括到课率、预习率、习题正确率、综合成绩，数据量达千余条。通过已有数据建立决策树模型，供该平台未来的使用者进行预测，起到教学预警的作用。

基于不平衡数据的Python_Health-Insurance-交叉销售预测 在该项目中，我们将现代机器学习技术应用于保险单持有人的数据，以分析和预测其行为。 使用Python语言，我们对数据的处理方法产生了令人兴奋的见解，可以帮助保险公司进行业务建模。

超弹性是形状记忆合金(shape memory alloy，SMA)重要的力学性能之一。通过试验研究了具有不同加载速率和不同试验温度的循环加载条件下TiNi形状记忆合金超弹性变形行为。分析了循环变形期间相变应力和弹性模量变化的特性，得到了加载期间残余应力和残余应变的关系。在具有循环变形的机械训练之后，研究了不承载情况下加热和冷却所产生的两方向变形。

大学生网络游戏消费行为调查报告.docx

应用正交设计的公交出行选择行为Logit模型与政策评估，杨飞，陈林，选择成都市二环路交通走廊沿线的西南交通大学组团和金沙组团两大城市功能组团为研究对象，采用Logit模型研究两个组团间的公交出行�

matlab语言之视频的行为人行为姿势识别（跌倒摔倒检测，GUI界面设计，行走，站立，跌倒）

基于matlab设计：人体异常姿态行为检测[GUI界面，万字文档]

behaviac是游戏AI的开发框架组件，也是游戏原型的快速设计工具 支持行为树BT，状态机FSM，HTN等多种范式 方便的编辑，实时和离线调试 支持全平台，适用于客户端和服务器，助力游戏快速顺序开发 是文档，教程，API，FAQ，源码，下载等一切的入口 您可以加入我们的QQ群433547396获得即时的帮助或信息反馈。 BehaviacSetup * .exe是安装包，内部包含重置的编辑器及示例。如需要自行构建，需要去或下载或克隆源码，然后可以访问获取帮助 行为是游戏AI开发的框架，也可以用作快速游戏原型设计工具 行为支持行为树，有限状态机和分层任务网络 行为可以在设计器中进行设计和调试，