基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip 基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip 基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip 基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip基于深度学习+目标检测+mysql数据处理+UI界面的烟厂飞蛾识别检测系统源码.zip

基于强化学习的自动炒股交易，内含数据拉取脚本以及强化学习训练脚本

洛伦兹线性拟合：单峰拟合、双峰拟合 利用matlab 的lsqcurvefit进行双峰拟合 操作见博文：http://t.csdn.cn/kIAnk

记录PointNet PyTorch版本的学习 PyTorch版本PointNet作者Tensorflow版本页面上给出的github地址，这里 数据集 PyTorch版本只给出了ModelNet的数据，只能进行部件分割，但是我想测试S3DIS数据集，所以下载了原作者给的链接中已经处理好的数据，文件为h5格式。 作者对所有的点云进行了采样，每个采样空间是一个立方体，做成一个数据，每个数据有4096个点；一个h5文件中是1000*4096*9个数字，代表1000个点云，每个点云中有4096个点，每个点有9个值xyz，rgb，剩下三个还不知道。 具体处理过程在Tensorflow版本中给出了，太复杂看不太懂。 利用这些处理好的h5文件，结合Tensorflow版本的代码写出PyTorch的数据集class，代码在indoor3d_dataset.py中。 训练 训练的代码基本参考了PyTorch版本的，只是将刚开始数据集的读取改成了S3DIS的，代码在train_indoor_3d.py中。 结果可视化 PyTorch版本用了原作者Tensorflow版本中提供的可视化代码，用ope

本文实例讲述了Python编码类型转换方法。分享给大家供大家参考，具体如下： 1：Python和unicode 为了正确处理多语言文本，Python在2.0版后引入了Unicode字符串。 2：python中的print 虽然python内部需要将文本编码转换为unicode编码来处理，而终端显示工作则由传统的Python字符串完成（实际上，Python的print语句根本无法打印出双字节的Unicode编码字符）。 python的print会对输出的unicode编码（对其它非unicode编码，print会原样输出）做自动的编码转换(输出到控制台时)，而文件对象的write方法就不会做，因

供大家学习参考

spss数据处理，部分题目

本系统主要设计完成两件工作，一是搭建分布式的hadoop的集群环境，二是基于分布式的集群环境做日志分析。详细介绍参考：https://blog.csdn.net/newlw/article/details/127332767

这个是中山大学863项目中手机信令数据处理的代码，现在已经过去3年了，但是很多情况下还是非常先进的，为了避免丢失，被藏在箱子里面，现在公开出来

可用于地震数据处理的工具箱，利用matlab语言编写。