python实现五子棋游戏包括人工智能对战 大学生课程设计 基于python的课程设计 五子棋是全国智力运动会竞技项目之一，是一种两人对弈的纯策略型棋类游戏。五子棋有两种玩法。玩法一：双方分别使用黑白两色的棋子，下在棋盘直线与横线的交叉点上，先形成五子连线者获胜。玩法二：自己形成五子连线就替换对方任意一枚棋子。被替换的棋子可以和对方交换棋子。最后以先出完所有棋子的一方为胜。五子棋的棋具与围棋通用，是一种传统的棋种。

图神经网络 | Python实现LSTM-GNN时间序列预测 LSTM-GNN用于病人的结果预测：一个混合模型，结合了用于提取时间特征的长短期记忆网络（LSTM）和用于提取病人邻域信息的图谱神经网络（GNN）。 关于预测重症监护室（ICU）病人结果的工作主要集中在生理时间序列数据上，基本上忽略了诊断和药物等稀疏数据。当它们被包括在内时，它们通常是在模型的后期阶段被串联起来的，这可能难以从更罕见的疾病模式中学习。通过在图中连接类似的病人，将诊断作为关系信息加以利用。 LSTM-GNNs在eICU数据库的住院时间预测任务中的表现优于仅有LSTM的基线。利用图神经网络从相邻的病人病例中提取信息是一个很有前途的研究方向，在电子健康记录的监督学习性能方面产生了切实的回报。

基于python实现实时获取国内疫情数据，大屏数据可视化报表展示项目源码。 文件内容如下： 1.sql脚本导入 2.spider.py爬取数据存入/更新数据库信息 3.app.py主启动程序 内附代码注释，日常学习，期末作业，高校毕业设计高分必看项目 基于python实现实时获取国内疫情数据，大屏数据可视化报表展示项目源码。 文件内容如下： 1.sql脚本导入 2.spider.py爬取数据存入/更新数据库信息 3.app.py主启动程序 内附代码注释，日常学习，期末作业，高校毕业设计高分必看项目 基于python实现实时获取国内疫情数据，大屏数据可视化报表展示项目源码。 文件内容如下： 1.sql脚本导入 2.spider.py爬取数据存入/更新数据库信息 3.app.py主启动程序 内附代码注释，日常学习，期末作业，高校毕业设计高分必看项目

资源包含文件：设计报告word文档+源码 针对目标检测的任务，可以分为两个部分：目标识别和位置检测。通常情况下，特征提取需要由特有的特征提取神经网络来完成，如 VGG、MobileNet、ResNet 等，这些特征提取网络往往被称为 Backbone 。而在 BackBone 后面接全连接层***(FC)***就可以执行分类任务。但 FC 对目标的位置识别乏力。经过算法的发展，当前主要以特定的功能网络来代替 FC 的作用，如 Mask-Rcnn、SSD、YOLO 等。我们选择充分使用已有的人脸检测的模型，再训练一个识别口罩的模型，从而提高训练的开支、增强模型的准确率。 详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/124897861

通过Python实现鸡群算法，包括鸡类和鸡群类，提供了判据函数的接口。 博客【Python实现鸡群算法】 地址 https://tinycool.blog.csdn.net/article/details/127942327

联合面检测与对准 使用多任务级联卷积网络的Caffe和Python实现联合人脸检测和对齐。 建立 设置环境并将C ++层代码复制到Caffe的源代码树。 $ export PYTHONPATH=/path/to/Joint-Face-Detection-and-Alignment:$PYTHONPATH $ export CAFFE_HOME=/path/to/caffe $ sh layers/copy.sh 按照其文档编译Caffe。 准备数据 下载数据集 ， 和 。 将它们放在如下所示的数据目录中。 data ├── CelebA │   └── img_celeba ├── fddb │ ├── FDDB-folds │ ├── images │ │   ├── 2002 │ │   └── 2003 │ └── result │ └── images └── WIDER ├── wider_face_split ├── WIDER_test ├── WIDER_train └── WIDER_val 我已经编

本代码实现了朴素贝叶斯分类器（假设了条件独立的版本），常用于垃圾邮件分类，进行了拉普拉斯平滑。 关于朴素贝叶斯算法原理可以参考博客中原理部分的博文。 #!/usr/bin/python # -*- coding: utf-8 -*- from math import log from numpy import* import operator import matplotlib import matplotlib.pyplot as plt from os import listdir def loadDataSet(): postingList=[['my', 'dog', 'has'

卡尔曼滤波的单目标跟踪代码Python版，视频中逐帧处理。

​ 1.滑动平均概念 滑动平均滤波法（又称递推平均滤波法），时把连续取N个采样值看成一个队列 ，队列的长度固定为N ，每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则)  把队列中的N个数据进行算术平均运算,就可获得新的滤波结果。N值的选取：流量，N=12；压力：N=4；液面，N=4~12；温度，N=1~4 优点：  对周期性干扰有良好的抑制作用，平滑度高  适用于高频振荡的系统  缺点：  灵敏度低  对偶然出现的脉冲性干扰的抑制作用较差  不易消除由于脉冲干扰所引起的采样值偏差  不适用于脉冲干扰比较严重的场合  比较浪费RAM  2.解决思路 可以发现滑动平均滤波法

使用Python实现朴素贝叶斯算法实现垃圾邮件分类 一、实验任务内容 1、分解各类先验样本数据中的特征 2、计算各类数据中，各特征的条件概率 3、分解待分类数据中的特征 4、计算各特征的各条件概率的乘积 5、结果中的最大值就是该样本所属的类别 二、实验步骤及结果 1、得到数据集和标签集，返回列表参数，返回单词转换为向量之后的列表。 2、通过训练得到贝叶斯分类模型 3、用朴素贝叶斯文本分类器对两个测试样本进行分类，利用正则函数进行解析 4、导入垃圾邮件和非垃圾邮件各25个并解析；构建训练集和测试集，利用贝叶斯分类模型来预测测试集，输出贝叶斯预测的准确率 5、输出测试10次的平均值 6、输出去重的单词列表和贝叶斯分类模型测试的准确率，测试10次的准确率的平均值。 三、实验心得 朴素贝叶斯确实是很好的预测分类的算法，但是这个算法还是有点过分的依赖训练集了，一些基本的概率计算还是根据训练集的结果得来的（比如40个训练集，10个测试集，它输出的准确率是0.5），预测的结果很大程度上取决于训练集的好坏，一旦训练集数据趋势有误会对结果造成严重的影响。