数据挖掘导论（第二版）第3章：分类-基础.pptx

用于pytorch的图像分类，包含多种模型方法，比如AlexNet，VGG，GoogleNet，ResNet，DenseNet等等，包含可完整运行的代码。除此之外，也有colab的在线运行代码，可以直接在colab在线运行查看结果。

基于 Pytorch MobileNetv1 的图像分类实战 完整代码+数据 计算机毕设 可直接运行

基于训练好的语言模型（使用gensim的word2vecAPI），编写了一个情感分类模型，包含一个循环神经网络模型（LSTM）和一个分类器（MLP）。首先，将一个句子中的每个单词对应的词向量输入循环神经网络，得到句子的向量表征。然后将句向量作为分类器的输入，输出二元分类预测，同样进行loss 计算和反向梯度传播训练，这里的 loss 使用交叉熵 loss。

这款TimeToPhoto就可以帮助你在数码照片上添加日期、时间、GPS信息、ISO、相机型号、水印等，同时它还可以让用户在照片上写上简单的标签！ 功能特色： 批量图片处理。 添加任何文本标签和时间戳到您的照片。 邮票的位置，大小，颜色和字体是完全可定制。 重命名和自动排序的照片。 EXIF日期和时间的支持。 EXIF GPS标签的支持。 所有加盖照片保存到不同的文件夹中，原始照片不会被修改。

基于时频图深度学习的雷达动目标检测与分类.pdf

将百万以上条的邮箱地址按后缀名进行分类，分类完成后按后缀名一次io写入文件，并使用事务插入到相应的数据库表中。百万条数据处理在10分钟之内，我本地测试8分多，可以使用拼接所有后缀名相同的邮箱地址到一条语句插入（比较low的方法，呵呵），这样可以大大提高速度，基本两分钟搞定，不过要先设置数据库支持的sql语句的最大长度。

matlab开发-xls2mat。将电子表格文件转换为matlab结构

针对传统机器学习方法不能有效地提取恶意代码的潜在特征，提出了基于栈式自编码（stacked auto encoder，SAE）的恶意代码分类算法。其次从大量训练样本中学习并提取恶意代码纹理图像特征、指令语句中的隐含特征；在此基础上，为提高特征选择对分类算法准确性的提高，将恶意代码纹理特征以及指令语句频度特征进行融合，训练栈式自编码器和softmax分类器。实验结果表明，基于恶意代码纹理特征以及指令频度特征，利用栈式自编码分类算法对恶意代码具有较好的分类能力，其分类准确率高于传统浅层机器学习模型（随机森林、支持向量机），相比随机森林的方法提高了2.474%，相比SVM的方法提高了1.235%。

asp无限级分类源代码（带数据库）+示例，asp无限级分类源代码（带数据库）+示例