此文档是Vector编制的VT System中文使用指导手册。

BioVec 代表生物序列的新方法。 该算法来自本文：“ ” 安装 克隆后在本地安装。 快速开始 import biovec pv = biovec.models.ProtVec("some_fasta_file.fasta", corpus_fname="output_corpusfile_path.txt", n=3) # The n-gram "QAT" should be trained in advance pv["QAT"] # convert whole amino acid sequence into vector pv.to_vecs("ATATQSQSMTEEL") # convert multi-sequence FASTA file to a numpy array of protvec vectors (axis 0 = sample axis) # seqty

Autosar工具链导入CAN DBC所需Attribute属性定义的参考文件，决定了不同类型的报文：APP应用报文，UDS/OBD诊断报文，NM网络管理报文，XCP测量标定报文。 TechnicalReference_DbcRules_Vector

视频图matlab代码fisher_vector_aggregation_3d 用于3D对象检索的有效Fisher向量聚合 由Jean-Baptiste Boin与AndréAraujo，Lamberto Ballan和Bernd Girod合作 斯坦福大学图像，视频和多媒体系统小组 该存储库包含用于工作的代码：JB Boin，A。Araujo，L。Ballan和B. Girod。 Proc。中的“用于3D对象检索的有效Fisher矢量聚合”。 ICASSP，2017年。用于此工作的数据集是“雕塑”数据集。 我们还提供了可在其他数据集上运行的脚本。 对于该数据集，摄像机的姿势已经为人所知，因此“姿势”聚合方法不需要“从运动构造”步骤。 安装先决条件 先决条件： 图像魔术 该项目所依赖的其他项目的依存关系（，） 第1步：克隆存储库。 $ git clone https://github.com/jbboin/fisher_vector_aggregation_3d.git 第2步：我们用于Fisher向量框架的实现是基于Araujo等人的实现的，其中进行了一些小的修改。 我们包含了一个构

针对神经网络存在的过学习、欠学习、局部极小值等问题,提出了一种基于支持向量机(SVM)的数字调制方式的识别方法。从信号的瞬时幅度,瞬时相位,瞬时频率,频谱,包络变化等特性中提取了7个特征参数,用于训练支持向量机。运用二叉树理论设计多类分类器,与已有算法相比,具有简单、高速、高精度的特点。仿真结果证明,在高斯白噪声(AWGN)下,当信噪比大于15dB时,对2ASK、4ASK、8ASK、2FSK、4FSK、8FSK、BPSK、QPSK、8PSK调制方式的识别率可以达到97%以上。

基于中文维基百科语料训练出的wiki.zh.text.model，压缩包中包含4个模型文件，提供百度网盘链接，下载即可。包括 wiki.zh.text.model 、wiki.zh.text.vector、wiki.zh.text.model.wv.vectors.npy、wiki.zh.text.model.trainables.syn1neg.npy

向量 不带STL的嵌入式系统（如arduino）的最小矢量实现 用法 # include < Arduino> # include < Utils> # include < Vector> void setup () { // put your setup code here, to run once: Vector< int> v; Utils::DBG ( " v size: " + String (v. Size ())); v. Push ( 2 ); Utils::DBG ( " v size: " + String (v. Size ())); v. Push ( 4 ); Utils::DBG ( " v size: " + String (v. Size ())); for ( int i

图像压缩矢量量化 使用随机初始化对聚类中心进行图像压缩的 k-means 的实现

主要功能： 1、支持单值分类和二值分类的超球体构建 2、支持多种核函数 (linear, gaussian, polynomial, sigmoid, laplacian) 3、支持 2D 或 3D 数据的决策边界可视化 4、支持基于贝叶斯超参数优化、遗传算法和粒子群算法的 SVDD 的参数优化 5、支持加权的 SVDD 资源使用事项： 1、提供了多个示例文件，每个文件的开头都有对应的介绍 2、需要 R2016b 以上的 MATLAB 版本 3、内含详细的使用说明 4、主要用于单类(One-class)分类问题得的研究。对于单分类任务。不是分类问题以“区分不同的类”为目标，也不是回归问题以“对每一个样本产生一个期望输出”为目标，而是给出一个关于训练样本集的描述，同时检测哪些与这个训练样本集相似的(新的)样本。该描述应该覆盖代表训练样本集的样本类，同时，在理想情况下，该描述应该能够将样本空间中其它所有可能的异常样本排除在外。

针对现有的SIFT特征在车辆细粒度分类中存在的分类精度低的问题，提出了一种融合FV-SIFT特征和深度卷积特征的车辆图像细粒度分类算法。首先采用SIFT算法与Fisher Vector算法相结合的方式提取车辆图像的FV-SIFT特征，然后采用VGG-16卷积神经网络提取车辆图像的深度卷积特征，最后将FV-SIFT特征与深度卷积特征进行线性融合并采用支持向量机对融合后的车辆特征进行分类。实验结果表明，该方法的分类准确率达到82.3%，较FV-SIFT算法在分类准确率上提高了15.4%。