1、资源内容：毕业设计lun-wen word版10000字+；开题报告，任务书
2、学习目标：快速完成相关题目设计；
3、应用场景：课程设计、diy、毕业、参赛；
4、特点：直接可以编辑使用；
5、使用人群：设计参赛人员，学生，教师等。
6、使用说明：下载解压可直接使用。
7、能学到什么：通过学习本课题的设计与实现，
了解不同课题的知识内容，学习内部架构和原理，掌握有关课题重要资源，
同时增加自己对不同方面知识的了解，为后续的创作提供一定的设计思路和设计启发 ，
并且可以快速完成相关题目设计，节约大量时间精力，也为后续的课题创作
提供有力的理论依据、实验依据和设计依据，例如提供一些开源代码、设计原理、
原理图、电路图、毕业设计lun-wen word版10000字+；开题报告，任务书等有效的资料，
也可以应用于课程设计、diy、毕业、参赛等不同场景，而且本设计简单，通俗易通，
方便快捷，易于学习，下载之后可以直接可以编辑使用，
可以为设计参赛人员、学生、老师及爱好者等不同使用者提供有效且实用的学习资料
及参考资料，同时也是一份值得学习和参考的资料。
2022-06-07 12:05:14
18.46MB
对基于朴素贝叶斯算法的垃圾邮件过滤技术进行了研究分析和实验验证。介绍了向量空间模型（VSM）方法以及特征向量抽取方法，推导和研究了引入“特征之间互相独立”假设的朴素贝叶斯分类算法。采用K次交叉验证的方法，以收集的一些邮件为语料，应用朴素贝叶斯分类算法，通过训练集计算得到类别的先验概率和特征项的类条件概率，并以此为基础对测试集中的邮件进行归属判断，以正确率和召回率为指标给出了实验结果。
2022-06-07 11:48:18
284KB
1
1、资源内容：毕业设计lun-wen word版10000字+；开题报告，任务书
2、学习目标：快速完成相关题目设计；
3、应用场景：课程设计、diy、毕业、参赛；
4、特点：直接可以编辑使用；
5、使用人群：设计参赛人员，学生，教师等。
6、使用说明：下载解压可直接使用。
7、能学到什么：通过学习本课题的设计与实现，
了解不同课题的知识内容，学习内部架构和原理，掌握有关课题重要资源，
同时增加自己对不同方面知识的了解，为后续的创作提供一定的设计思路和设计启发 ，
并且可以快速完成相关题目设计，节约大量时间精力，也为后续的课题创作
提供有力的理论依据、实验依据和设计依据，例如提供一些开源代码、设计原理、
原理图、电路图、毕业设计lun-wen word版10000字+；开题报告，任务书等有效的资料，
也可以应用于课程设计、diy、毕业、参赛等不同场景，而且本设计简单，通俗易通，
方便快捷，易于学习，下载之后可以直接可以编辑使用，
可以为设计参赛人员、学生、老师及爱好者等不同使用者提供有效且实用的学习资料
及参考资料，同时也是一份值得学习和参考的资料。
2022-06-06 17:05:58
4.8MB
1、资源内容：毕业设计lun-wen word版10000字+；开题报告，任务书
2、学习目标：快速完成相关题目设计；
3、应用场景：课程设计、diy、毕业、参赛；
4、特点：直接可以编辑使用；
5、使用人群：设计参赛人员，学生，教师等。
6、使用说明：下载解压可直接使用。
7、能学到什么：通过学习本课题的设计与实现，
了解不同课题的知识内容，学习内部架构和原理，掌握有关课题重要资源，
同时增加自己对不同方面知识的了解，为后续的创作提供一定的设计思路和设计启发 ，
并且可以快速完成相关题目设计，节约大量时间精力，也为后续的课题创作
提供有力的理论依据、实验依据和设计依据，例如提供一些开源代码、设计原理、
原理图、电路图、毕业设计lun-wen word版10000字+；开题报告，任务书等有效的资料，
也可以应用于课程设计、diy、毕业、参赛等不同场景，而且本设计简单，通俗易通，
方便快捷，易于学习，下载之后可以直接可以编辑使用，
可以为设计参赛人员、学生、老师及爱好者等不同使用者提供有效且实用的学习资料
及参考资料，同时也是一份值得学习和参考的资料。
2022-06-06 14:09:53
2.29MB
文件包括：
Keil工程----C代码
Proteus工程---原理图仿真
演示+讲解视频
2022-06-06 14:04:14
21.25MB
1
本项目采用YOLOv5实现垃圾分类目标检测。利用大量已标注目标检测数据集进行训练，对居民生活垃圾图片进行检测，找出图片中属于哪个类别的垃圾，并指示出在图片中的位置。
本工程YOLOv5使用PyTorch版的ultralytics/yolov5，在Windows系统上进行垃圾分类目标检测的项目演示。具体项目过程包括：数据集及格式转换、探索性数据分析（EDA）、安装软件环境、安装YOLOv5、修改YOLOv5代码(为支持中文标签）、训练集和测试集自动划分、修改配置文件、准备Weights&Biases训练可视化工具、训练网络模型、测试训练出的网络模型和性能统计。
2022-06-05 12:05:35
503.39MB
1
随着垃圾邮件数量日益攀升,如何有效识别垃圾邮件已成为一项非常重要的课题。为克服k最近邻(k-nea-rest neighbor,kNN)分类法在垃圾邮件识别中的缺陷,本文基于聚类算法提出了一种改进kNN识别方法。首先使用基于最小距离原则的一趟聚类算法将训练邮件集合划分为大小几乎相同的超球体,每个超球体包含一个类别或多个类别的文本;其次,采用投票机制对得到的聚类结果进行簇标识,即以簇中最多文本的类别作为簇的类别,得到的识别模型由具有标识的簇组成;最后,结合最近邻分类思想,对输入的邮件进行自动识别。实验结果表明,该方法可大幅度地降低邮件相似度的计算量,较TiMBL、Nave Bayesian、Stacking等算法效果要好。同时,该方法是一种可增量式更新识别模型的方法,具有一定的实用性。
2022-06-02 12:13:24
787KB
1