支持机器学习！LiDAR360点云数据处理分析软件 V2.1发布-附件资源

入门级大数据精品课程，适合初学者，完备的课程在线服务体系，可以帮助初学者实现“零基础”学习大数据。课程指导思想是“构建知识体系、阐明基本原理、引导初级实践、了解相关应用”。课程由国内高校知名大数据教师厦门大学林子雨老师主讲。配套的《大数据技术原理与应用》教材已经被众多高校采用。

前面已经分析了窗函数和相位误差对脉冲压缩的影响，并给出了一些仿真实验。这里对前面所有的仿真进行了总结，并整理了相关程序，设计了一个matlab小软件。 本软件的功能是分析窗函数和相位误差对脉冲压缩的影响，在Matlab环境下运行“PulseCompress_PhaseError_Win.m”软件。 该软件的基本原理是首先构造一个理想的sinc参考函数，其分辨率（3dB宽度）为1m；然后在此参考函数上添加窗函数和相位误差（目前可以添加1~6阶相位误差）；最后测量并显示脉冲压缩后的性能指标（分辨率、峰值、积分旁瓣比、峰值旁瓣比）。 运行后。软件界面如下图所示，主要包含4个模块：窗函数权值配置模块、相位误差配置模块、指标显示模块和功能执行模块。

kaggle-driver-telematics-analysis Kaggle竞赛“驾驶员远程信息处理分析”。 makefeatures.py-将所有路线的77个要素组成一个numpy数组。 merge.py-将来自2种不同算法的结果合并到csv中。 randomforest.py-使用随机森林从numpy的77个特征数组中进行预测 svm.py-使用svm从77个功能的numpy数组进行预测 我最好的结果是来自没有合并的randomforest的0.91051（125th / 1528）-前10％。 svm并将rf与svm合并产生了较差的结果（0.87060和0.90004）

adams导出图形数据,并导入matlab处理分析[参照].pdf

课程分享——基于Flink流处理的动态实时电商实时分析系统，完整版65讲，附源码+课件。 本课程将基于真实的电商分析系统构建，通过Flink实现真正的实时分析，该系统会从无到有一步一步带大家实现，让大家在实操中快速掌握Flink技术。

flume+Logstash+Kafka+Spark Streaming进行实时日志处理分析【大数据】

case_pyspark 基于Python语言的Spark数据处理分析案例集锦（PySpark） 实验环境 1） Linux： Ubuntu 20.04 2） Python： 3.7.x 3） Spark： 2.4.5（安装教程： 4） Jupyter Notebook： （安装教程和使用方法： 案例 1） yelp: 基于YELP数据集的商业数据分析 2） us_counties: 2020年美国新冠肺炎疫情数据分析 3） ECommerce: 基于零售交易数据的Spark数据处理与分析 4） earthquake: 基于地震数据的Spark数据处理与分析 5） global： 基于Spark的地震数据处理与分析 6） OverDue： 基于信用卡逾期数据的Spark数据处理与分析 7） project： 基于 TMDB 数据集的电影数据分析

等号matlab代码拉曼和 SERS 处理 此 Matlab 代码可用于分析拉曼和 SERS 图。 主文件 aa_ProcessSERS.m 需要与所有函数位于同一路径中才能正确运行。 如果您已经使用 aa_ProcessSERS 计算了基线，那么您可以使用 aa_1_ifBaselineExists 来制作额外的地图和比率。 在处理大地图（>1000 个光谱）时，使用 aa_1_ifBaselineExists 是一个更快的选择。 对于要从​​文件名中自动提取的尺寸，它们的格式必须为 x=10;y=10;z=10#xs=10#ys=10#zs=12#es=0.5，没有其他等号（ =)、冒号 (;) 或井号/hastags (#)。 可以包含所有其他字符。 如果你不想跟着这个代码，你可以在代码顶部预设地图尺寸（设置HW = 1）。 如果要输入每个地图的尺寸​​，请保留 HW = 0 。 对于每张地图，都会打开一个对话框，它会为您提供光谱的总数并询问您地图的尺寸​​。

Image Processing Analysis and Machine Vision 算法代码 matlab实现 带图像素材