西电数据挖掘作业_SVM图像分类实验报告

基于深度学习的鸟类识别系统，可以识别六种鸟类，资源包含训练数据集。

目标检测算法Fast R-CNN的PPT演示文档，中文，制作精良，条理清晰，适合学习和教学

基于支持向量机递归特征消除(SVM_RFE)的分类特征选择算法，matlab代码，输出为选择的特征序号。 多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。 程序语言为matlab，程序可出分类效果图，迭代优化图，混淆矩阵图。

以河南省三门峡市峡县为研究对象，进行地质灾害易发性评价。基于地形、地质和遥感影像等多源数据，首先提取了12个滑坡易发性评价因子，并对这些因子进行主成分分析，从而选取了无显著相关的影响地质灾害发生的 11 个评价因子（断层、岩性、高程、坡度、坡向、曲率、水系、降雨、道路开挖、TWI及土地利用类型）作为评价指标，依据各指标条件下历史地质灾害发生的频数直方图变化，并结合因子在地质学上的影响进行分级。

支持向量机 SVM 本人已经阅读完，很不错！

针对鼠笼式异步电机四象限运行控制问题，建立了网侧变流器和机侧变流器的数学模型，给出了网侧变流器和机侧变流器的控制方法，并分别求取了网侧和机侧控制器，网侧采用电压外环电流内环双闭环控制，机侧采用SVPWM调制的直接转矩控制。系统实现了直流母线电压稳定，网侧功率因数为1，能量双向流动，电机四象限运行及电机转速跟踪快速且准确等控制目标。

1.运行主函数 2.适合新手 3.一键出图 基于粒子群优化支持向量机数据回归Matlab程序PSO-SVM 多特征输入单输出 基于粒子群优化支持向量机数据回归Matlab程序PSO-SVM 多特征输入单输出 基于粒子群优化支持向量机数据回归Matlab程序PSO-SVM 多特征输入单输出

svm支持向量机python代码 支持向量机SVM通俗理解（python代码实现）.pdf 支持向量机SVM通俗理解（python代码实现）.pdf 支持向量机SVM通俗理解（python代码实现）.pdf 支持向量机SVM通俗理解（python代码实现）.pdf 支持向量机SVM通俗理解（python代码实现）.pdf 支持向量机SVM通俗理解（python代码实现）.pdf 支持向量机SVM通俗理解（python代码实现）.pdf 支持向量机SVM通俗理解（python代码实现）.pdf 支持向量机SVM通俗理解（python代码实现）.pdf 支持向量机SVM通俗理解（python代码实现）.pdf 支持向量机SVM通俗理解（python代码实现）.pdf 支持向量机SVM通俗理解（python代码实现）.pdf 支持向量机SVM通俗理解（python代码实现）.pdf 支持向量机SVM通俗理解（python代码实现）.pdf 支持向量机SVM通俗理解（python代码实现）.pdf 支持向量机SVM通俗理解（python代码实现）.pdf

为了提高利用深度神经网络预测单图像深度信息的精确度，提出了一种采用自监督卷积神经网络进行单图像深度估计的方法。首先，该方法通过在编解码结构中引入残差结构、密集连接结构和跳跃连接等方式改进了单图像深度估计卷积神经网络，改善了网络的学习效率和性能，加快了网络的收敛速度;其次，通过结合灰度相似性、视差平滑和左右视差匹配等损失度量设计了一种更有效的损失函数，有效地降低了图像光照因素影响，遏制了图像深度的不连续性，并能保证左右视差的一致性，从而提高深度估计的鲁棒性;最后，采用立体图像作为训练数据，无需标深度监督信息，实现了端到端的单幅图像深度估计。在 Tensorflow框架下，用KIT和 Cityscapes数据集进行实验结果表明，与目前的主流方法相比，该方法在预测深度的精确度方面有较大提升，拥有更好的深度预测性能。