样本api文档
使用OpenAPI，Redocly和GitHub Pages的示例API文档
2021-03-18 13:03:52
1KB
1
Alex Allain - Jumping into C++ (with Sample Code)
http://www.cprogramming.com/c++book/?inl=ft-nhp
(this website alway be my online references for C/C++)
2021-03-16 22:18:12
4.07MB
1
训练支持向量机（SVM）需要解决非常大的二次规划（QP）优化问题。 传统方法（例如，牛顿法）用于解决此问题，这可能导致训练缓慢并占用大量内存，尤其是对于大型训练集。 这些缺点限制了SVM的应用。 为了提高支持向量机的训练速度并减少存储需求内存，本文提出了一种通过从原始集合中提取边界样本来减少训练数据量的新方法。 人工集和UCI集用于测试我们方法的性能。 当训练集是线性可分离的时（例如LS-600和LS-1600），压缩率可以达到93.8％和98.7％，而准确性都达到100.0％。 该方法在非线性情况下的性能仍然很好。 实验结果表明，该方法可以减少训练数据的数量，保证分类的准确性。
2021-03-12 09:08:07
321KB
1
我们提出了一种使用平均厚度不同的三通道样本对肺结节进行假阳性减少的新方法。 一个三通道样本包含一个以候选点为中心的色块以及该候选点上方和下方的第k个切片的两个色块。 三通道样本包含丰富的肺结节空间背景信息，并且可以在较低的计算和存储要求下进行训练。 卷积神经网络（CNN）被构建和优化为我们研究中的候选特征提取器和分类器。 提出了一种融合方法，用于融合每个候选的多个预测结果。 我们的方法报告说，在LUNA16 Challenge进行的888 CT扫描中，每次扫描4次和8次假阳性时，灵敏度分别为84.8％和91.4％。 实验结果表明，我们的方法显着减少了肺结节检测中的假阳性。
2021-03-12 09:08:05
395KB
1