半监督学习机制下的说话人辨认算法 半监督学习在入侵检测系统中的应用 半监督学习综述 基于半监督学习的眉毛图像分割方法 基于半监督学习的网络流量分类 基于核策略的半监督学习方法 一种基于半监督学习的多模态Web查询精化方法 有关半监督学习的问题及研究

maxent-srl 使用最大熵分类器的语义角色标记

针对红外船只图像较模糊导致的识别率低、识别速度慢等问题，提出了一种基于深度卷积神经网络(CNN)的检测算法。首先采用标记分水岭分割算法提取红外船只图像中的连通区域，并对原图相应的目标位置进行标记和归一化处理，提取候选区域。采用改进的AlexNet(一种深度CNN模型)进行船只目标识别，将提取的候选区域送入改进的AlexNet进行特征提取和预测，得到最终检测结果。分水岭方法可大大减少候选区域检测时间，以及减少深度CNN识别时间。利用实验室自制的红外成像系统获取近千张红外船只图像数据，并对其平移缩放形成的数据集进行仿真实验。结果表明，标记分水岭与深度CNN的结合，可有效识别船只目标，所提方法具有良好的性能，能够更加快速准确地识别红外船只目标。

软件功能介绍：该软件专门为PDF焊口标记研发，可以快速操作完成焊口标记工作，一键生成标记后的PDF并导出结果，操作步骤可以保存和再次导入，操作可以复现。 版本更新内容：更改操作界面，增加颜色自选，8种PDF旋转方式，放大功能，长宽颠倒选项，撤回按钮bug调整等

json-to-pdf, 一个使用JSON标记轻松生成PDF文档 json-to-pdf这个项目旨在提供一种通过 clj PDF库通过JSON符号以声明方式生成PDF报告的方法。示例文档可以在这里查看 。安装 Gradlerepositories { jcenter() ma

DeepLabCut：无需标记的深度学习(动物)姿态估计与行为跟踪

用opencv+vs2013做的迷宫求解程序，能自动标记迷宫的最佳路线，附图。opencv的环境需自己配置。

通过地图标记点位信息，支持8种类型点位，记录点位信息本地存储。使用的小程序内部的腾讯地图，记录信息支持增删查改。

tesseract-demo-script Tesseract演示。 Tesseract JS项目： : tesseract.js通过脚本标签包含。

BB-SVM模型用于论文数据集的自动人格检测（大五人格标记特征） 该存储库包含基于BERT模型的Bagging SVM，用于对Essays数据集进行分类。 安装 有关可以通过以下方式安装的相关软件包的列表，请参阅requirements.txt。 pip -r requirements.txt 本文使用指定的版本。 请注意，需求模块的更新版本可能会更改结果。 一些实验证明，更新的sklearn可以提高准确性。 但是，还请检查按需要求（例如，要求1.10 3.8