OCT 的自动分类 这个项目是论文中提到的分类管道的一个实现：

近年来随着Internet的大规模普及和企业信息化程度的提高，有越来越多的信息积累，而需要信息的人还没有特别方便的工具去从来自异构数据源的大规模的文本信息资源中提取符合需要的简洁、精炼、可理解的知（毕业设计，课程设计，请联系，Q Q：1728327660）识，文本挖掘正是解决这一问题的一个方法。 　　　本课题研究基于贝叶斯的文本分类系统，可以用于以下领域和系统中：企业知识门户、信息增值服务、智能搜索引擎 、数字图书馆 、情报分析 、信息安全和过滤、电子商务系统。文本自动分类不需人工干预的自动分类技术，有效提高非结构化信息资源的加工效率。利用朴素贝叶斯分类文法的分类器，分析已经手动分类的文本，根据文本内容计算分类条件概率，再利用训练好的分类器分析未分类的文本，根据分类器算出的所属领域概率最大的进行分类（毕业设计，课程设计，请联系，Q Q：1728327660）。

软件介绍: DropIt_是一款自动给文件分类整理的小工具，它能够按照设定的协议自动帮助你整理文件/文件夹。可设置处理协议，如将所有扩展名为JPG的文件自动归类(移动、复制、压缩、删除等等)到目标文件夹。偏爱的协议是如果多个协议匹配，哪个协议优先使用。支持正则表达式和文件拖拽方式处理，能够智能地归类文件。使用时需要先设置好协议文件，你可以新建协议，将文件按照协议中的动作来处理文件。

塑料手机外壳出厂合格检测时, 使用传统的人工辨别外观缺陷, 费时费力. 利用深度学习的卷积神经网络模型训练一个分类器, 实现手机外壳外观出现的划痕缺陷自动化检测, 可以极大的提高工作效率. 实验首先建立基本的卷积神经网络模型, 训练模型获得识别基线, 再设计修改逐步提高检测准确率. 为了解决小数据集训练中的模型过拟合和提高检测精度, 综合使用了丢弃层、数据增强技术和批量标准化, 减少参数量, 并应用迁移学习等方法. 实验结果证明, 分类器模型能有效提升准确率, 在小数据集上达到非常好的划痕缺陷识别效果.

针对传统方法在低维纳米材料形貌检测和分类鉴别方面的不足,提出了一种基于扫描电子显微镜(SEM)图像的低维纳米材料自动分类方法.以纳米材料的SEM图像为基础,利用小波包分解技术对材料表面纹理特征进行提取,通过将纹理特征与支持向量机(SVM)相结合,实现了纳米材料的自动分类.该方法具有检测速度快、精度高、无损耗等诸多优点,可用于纳米材料大规模生产中的自动检测.对16种不同类别材料的SEM图像仿真结果表明,该方法的分类精度能够达到93.75%,证明了其在实际工程中的有效性.

Android项目源码非常漂亮的图库相册图片自动分类是一款图片浏览器源码，应该说这个Gallery太强大了，功能很多查看图片、放大缩小、旋转、幻灯播放，分享、等等。本项目UI设计的也很炫，项目中使用了3D Gallery效果，可以好好学习下。代码层次分明，大部分方法都加了详细的注释。对于想做本地图片相册的开发人员来说，简直是福音。1、载入效果非常漂亮 2、超炫的动画效果 （项目采用GBK编码,SDK 19）。

行业分类-设备装置-一种金属丝自动分类存储装置

行业分类-外包设计-自动分类打包垃圾箱.zip

基于深度学习卷积神经网络的地震波形自动分类与识别.pdf

基于深度学习的电子文件自动分类技术——以电子图像文件为例.pdf