#####使用python开发定向抓取器mini_spider.py，实现对种子链接的广度优先抓取，并把URL长相符合特定pattern的网页保存到磁盘上。 程序运行: python mini_spider.py -c spider.conf #####配置文件spider.conf: [spider] url_list_file: ./urls ; 种子文件路径 output_directory: ./output ; 抓取结果存储目录 max_depth: 1 ; 最大抓取深度(种子为0级) crawl_interval: 1 ; 抓取间隔. 单位: 秒 crawl_timeout: 1 ; 抓取超时. 单位: 秒 target_url: .*.(gif|png|jpg|bmp)$ ; 需要存储的目标网页URL pattern(正则表达式) thread_count: 8 ; 抓取线程

用于水声通信的pattern通信体制的matlab源程序代码 4bits量化 常规解码 语音压缩

Functional Safety

局部二进制模式（LBP）是一种有效的纹理描述符，在纹理分类和面部识别中具有成功的应用。 常规LBP描述符有许多扩展。 扩展之一是主要局部二进制图案，其目的是提取纹理图像中的主要局部结构。 第二个扩展表示Gabor变换域（LGBP）中的LBP描述符。 第三个扩展是多分辨率LBP（MLBP）。 另一个扩展是用于视频纹理提取的动态LBP。 在本文中，我们将传统的本地二进制模式扩展到金字塔变换域（PLBP）。 通过级联分层空间金字塔的LBP信息，PLBP描述符考虑了纹理分辨率的变化。 PLBP描述符显示了其在纹理表示方面的有效性。 对LBP，MLBP，LGBP和PLBP进行了全面比较。 比较了无采样，部分采样和空间金字塔采样方法构建PLBP纹理描述符的性能。 讨论了金字塔生成方法和金字塔级别对基于PLBP的图像分类性能的影响。 与现有的多分辨率LBP描述符相比，PLBP具有令人满意的性能和较低的计算成本。

模式识别和机器学习（PRML） 该项目包含Christopher Bishop的“模式识别和机器学习”一书中介绍的许多算法的Jupyter笔记本，以及该书中介绍的许多图形的副本。 讨论（新） 如果您有任何疑问和/或要求，请查看页面！ 有用的链接 内容 . ├── README.md ├── chapter01 │   ├── einsum.ipynb │   ├── exercises.ipynb │   └── introduction.ipynb ├── chapter02 │   ├── Exercises.ipynb │   ├── bayes-binomial.ipynb │   ├── bayes-normal.ipynb │   ├── density-estimation.ipynb │   ├── exponential-family.ipynb │   ├── gamma-distribution.ipynb │   ├── mixtures-of-gaussians.ipynb │   ├── periodic-variables.ipynb │   ├──

Kernel Methods for Pattern Analysis，讲解模式分析与机器学习中用到的核方法，书中配有相应的matlab语句，很经典实用的教材

WM-811K_semiconductor_wafer_map_pattern_classified 资料介绍 WM-811K是半导体数据集，您可以从或下载 在半导体中，存在很多Craft.io问题，而CP良率，WAT（晶圆接受测试）和Particle的晶圆图模式可以帮助工程师找到一些线索。 但是，存在一个大问题，即如何在无需人工操作的情况下将晶圆地图图案分类为服务器组。 有很多论文对此问题进行了调查，在这里，我将展示应用深度学习的结果。 数据中有811457张图像，但只有172950张带有手动标签的图像（总共9个标签：0、1、2、3、4、5、6、7、8）。 在172950张图像中，标签：8（无图案）占85.2％。 另一个剩余模式（14.8％）是 中心：4294（2.5％） 甜甜圈：555（0.3％） 边缘位置：5189（3.0％） 边环：9680（5.6％） 位置：3593

英文版电子书：Statistical Pattern Recognition 3rd Edition

Intersection Approach to Array Pattern Synthesis.pdf

有些资源缺少第12章.这个,是完整版的. 有些资源缺少第12章.这个,是完整版的. 有些资源缺少第12章.这个,是完整版的. 有些资源缺少第12章.这个,是完整版的.