FARO SCENE培训手册 2018年 2018 年 4 月
2021-03-09 22:03:41
51.79MB
1
Azure Fundamentals - Useful links, AZ-900
2021-03-08 09:01:14
29KB
1
Microsoft Certified Azure Fundamentals – Skills
Measured, AZ-900
2021-03-08 09:01:13
215KB
1
R_training_Project_1
使用R项目1进行数据分析：使用NHTS 2017数据集进行探索性数据分析
调查名称：017全国家庭旅行调查-加利福尼亚附加项目
资料来源： :
团队Spreasheet
数据说明
包含CSV文件
1. household data
2. location data
3. person data
4. Trips data
5. vehicles data
贴标
尝试使用thsc-nhts17-caltranscodebook.xlsx标记值使用字典tsdc-nhts17-caltrans-datadictionary.pdf了解数据
缺失值
缺少的值已编码为lile -9，-8，-7等。检查标签是否正确
指示
1. Importing and understanding the data
2. Examples of data aggreg
2021-02-28 10:05:01
9KB
1
最近的研究表明，稀疏表示（SR）可以很好地解决许多计算机视觉问题，并且其内核版本具有强大的分类能力。 在本文中，我们解决了协作SR在半监督图像注释中的应用，该方法可以增加标记图像的数量，以进一步用于训练图像分类器。 给定一组标记的（训练）图像和一组未标记的（测试）图像，通常的SR方法（我们称为正向SR）用于用几个标记的图像表示每个未标记的图像，然后根据这些标记的注释的注释。 但是，就我们所知，SR方法是在相反的方向上进行的，即我们称呼后向SR来用几个未标记图像表示每个标记图像，然后根据标记图像的注释对任何未标记图像进行注释，即未标记图像由后向SR选择表示，到目前为止尚未解决。 在本文中，我们探
2021-02-24 14:04:13
768KB
1