木瓜成熟度图像识别数据集，实验共使用了57种水果的130个样本。这些果实可分为三个成熟期(EM1、EM2和EM3)。有些图像有多个采集，拥有多个图像。 木瓜成熟度图像识别数据集，实验共使用了57种水果的130个样本。这些果实可分为三个成熟期(EM1、EM2和EM3)。有些图像有多个采集，拥有多个图像。

简要介绍 我是竞赛选手rebornZH，很高兴在2019 CCF BDCI大赛中拿下3个NLP竞赛TOP，在这里我主要分享金融信息负面及主体判定赛题的解决方案和自己对另外两个NLP赛题的一些解题思路，希望能与大家一起学习，一起进步，同时如果有NLP方向的朋友愿意和我一起交流学习NLP技术我也是非常欢迎的，可以加我QQ联系，后面有联系方式。最后希望大家多给下star，毕竟整理这些也挺花时间的，在这里先谢谢大家了。 比赛链接 金融信息负面及主体判定： “技术需求”与“技术成果”项目之间关联度计算模型： 互联网金融新实体发现： 特别说明 上面的开源代码是在我最终版代码上修改而来的baseline，因为有些代码涉及到我队友，不方便全部开源，因此我特地整理一个比较好的基线给大家作为参考，这个基线的分数应该是该赛题开源的基线中分数最好的，并且距离最终版代码差别不是特别大。 GPU最低要求：2080Ti

将远程随机感染引入到经典的SIRS模型来研究复杂网络上疾病传播行为，考虑到感染节点在以一定概率把疾病感染到其邻接节点的同时，随机选取网络中一个不存在边连接的非邻接节点，并以一定的远程感染概率进行感染。针对小世界网络和无标度网络，分别采用重连概率相关和度相关的远程感染概率，利用平均场的方法求得改进的SIRS模型在这两种网络上的传播阈值以及稳态感染密度。数值仿真结果表明：对于小世界网络，有效传播率在一定范围内，重连概率对稳态感染密度和传播速度有明显的影响，超过这个范围，重连概率对稳态感染密度的影响可以忽略；而

自己收集翻译的标准文件 GB36886-2018 Limits and measurement methods for exhaust smoke from non-road mobile machinery equipped with diesel engine.

DFA 算法是一种用于估计长期时间相关性的标度分析方法。 描述：去趋势波动分析（DFA）算法是一种缩放分析方法，用于估计幂律形式的长期时间相关性。 换句话说，如果事件序列具有自相关缓慢衰减的非随机时间结构，则 DFA 可以量化这些相关衰减的速度，如 DFA 幂律指数所示。 我们在这里介绍了作为神经生理学生物标志物工具箱的生物标志物实现的 DFA 算法。 您可以在http://www.nbtwiki.net下载此工具箱。 关于去趋势波动分析的教程可以在这里找到： http ://www.nbtwiki.net/doku.php? id= tutorial:detrended_fluctuation_analysis_dfa

Axure制作版本：8.1（兼容Axure9.0） web端业务数据管理平台+Axure运营数据管理平台+用户画像分析+页面分析+用户活跃度浏览路径分析+用户信息管理+Axure通用web端高保真交互业务数据管理平台

如何挖掘网络用户好友的社团关系是社会网络领域研究热点之一。人人网、Facebook等网络的用户好友关系是通过用户注册信息来表征的, 但对BBS和微博等网络用户来说, 无法采用注册信息来表征好友关系。因此, 针对BBS和微博等网络的用户间互动性这一特征, 引入了认知度概念来描述用户发帖和回帖互动行为的联系紧密度, 在此基础上提出了一种基于用户间认知度的用户好友社团关系挖掘算法; 同时提出了一种好友社团关系的可视化呈现方法。该方法可以直观展现BBS用户友好群体分布和用户分类情况。上述方法在水木清华等高校BBS数据集进行了实验和验证。

【老生谈算法】基于Matlab的无标度网络算法详解及仿真.doc

python开发基于深度学习的智慧教室课堂专注度及考试防作弊系统源码+训练好的模型.zip课堂专注度及考试防作弊系统、课堂动态点名，情绪识别、表情识别和人脸识别相结合。作弊检测 关键点计算方法 转头(probe)+低头(peep)+传递物品(passing) 人脸识别：dlib_face_recognition_resnet_model_v1.dat detection_system/face_recog/weights 人脸对齐：shape_predictor_68_face_landmarks.dat detection_system/face_recog/weights 作弊动作分类器：cheating_detector_rfc_kp.pkl detection_system/weights 使用 运行setup.py安装必要内容 python setup.py build develop 运行demo_inference.py 将detection_system设置为source root 基于深度学习的智慧教室课堂专注度及考试防作弊系统基于深度学习的智慧教室课堂专注度及考试防

智慧教室_基于深度学习实现课堂专注度分析+检测考试作弊系统python源码+模型+项目说明.7z 课堂专注度及考试作弊系统 课堂动态点名，情绪识别、表情识别和人脸识别结合 python版本 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。