机器学习课程作业_基于AdaBoost算法的人脸分类python源码.zip 机器学习课程作业_基于AdaBoost算法的人脸分类python源码.zip 机器学习课程作业_基于AdaBoost算法的人脸分类python源码.zip

基于OpenCV+Python实现的手势识别项目完整源码+数据集+项目使用说明.7z 本项目需要 PyCharm 来运行 可以在创建项目的时候，创建 Python 运行环境，建议使用anaconda来配置。 带数据集，可训练模型 【基础包需要安装】 pip install numpy pip install scipy pip install python-tk 直接运行myGUI或者main即可，也可以自己修改一些参数重新训练模型。

机器学习课程作业_基于卷积神经网络的手写数字识别matlab源码+项目说明.zip 函数说明： read_label和read_image分别为读取标签和图像数据点的函数 convolve是实现卷积的函数，pool是实现池化的函数 SGD_MSGD是主函数，可以直接运行得到答案(把minibatch设为1就是SGD，大于1就是MSGD） OPTIMAL是优化版的主函数，可以直接运行得到答案 OPTIMAL_FINALE是最终优化版的主函数，可以直接运行得到答案 toolbox是用工具箱函数写的CNN，可以直接运行得到答案

基于python实现的CNN卷积神经网络手写数字识别实验源码+详细注释+数据集+项目说明+实验结果及总结.7z 人工智能课程作业 手写数字识别 数据集 详细注释 好理解 实验结果及总结 基于python实现的CNN卷积神经网络手写数字识别实验源码+详细注释+数据集+项目说明+实验结果及总结.7z

统计学期末课程作业_python自定义实现CNN_KNN_NN_SVM网络模型源码+说明文件.zip 【CNN实现】 cnn1.py: LeNet+ReLU; cnn2.py: 在cnn1的基础上加宽全连接层; cnn3.py: 在cnn2的基础上修改卷积核; cnn4.py: 在cnn3的基础上修改卷积核; cnn5.py: 在cnn4的基础上加宽全连接层; cnn6.py: 在cnn3的基础上加宽全连接层; cnn7.py: 在cnn6的基础上加宽全连接层; cnn8.py: 在cnn6的基础上加入Dropout层; 等等 【KNN实现】 knn.py: 标准KNN,k=1,3,5,7,9; 【NN实现】 nn1.py: 784-800-15 (修改激活函数); nn2.py: 784-2500-2000-1500-1000-500-15 (修改激活函数); nn3.py: 在nn2的基础上修改数据预处理方式; 【SVM】 svm.py: 核函数(linear,rbf,poly,sigmoid); 另包含【运行指南】和【最终选择模型】

基于python实现的广度优先遍历搜索(BFS)实验源码+代码详细注释+项目说明+实验结果及总结.7z 广度优先搜索算法（英语：Breadth-First-Search，缩写为BFS），是一种图形搜索算法。简单的说，BFS是从根节点开始，沿着树的宽度遍历树的节点。如果所有节点均被访问，则算法中止。BFS是一种盲目搜索法，目的是系统地展开并检查图中的所有节点，以找寻结果。 BFS会先访问根节点的所有邻居节点，然后再依次访问邻居节点的邻居节点，直到所有节点都访问完毕。在具体的实现中，使用open和closed两个表，open是一个队列，每次对open进行一次出队操作（并放入closed中），并将其邻居节点进行入队操作。直到队列为空时即完成了所有节点的遍历。closed表在遍历树时其实没有用，因为子节点只能从父节点到达。但在进行图的遍历时，一个节点可能会由多个节点到达，所以此时为了防止重复遍历应该每次都检查下一个节点是否已经在closed中了。

基于python实现的遗传算法实验源码+详细注释+项目说明+实验结果及总结.7z 人工智能课程作业 遗传算法具体步骤： （1）初始化：设置进化代数计数器t=0、设置最大进化代数T、交叉概率、变异概率、随机生成M个个体作为初始种群P （2）个体评价：计算种群P中各个个体的适应度 （3）选择运算：将选择算子作用于群体。以个体适应度为基础，选择最优个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代 （4）交叉运算：在交叉概率的控制下，对群体中的个体两两进行交叉 （5）变异运算：在变异概率的控制下，对群体中的个体进行变异，即对某一个体的基因进行随机调整 （6） 经过选择、交叉、变异运算之后得到下一代群体P1。

本资源为电力系统可靠性课程编程大作业，通过构建停运表形成发电系统及互联系统的裕度表，并计算可靠性指标。关于程序的说明文档详见个人博客《【课程作业】发电及互联系统可靠性计算程序说明文档》。

课程作业_Python+OpenCV实现车道线检测源码+项目说明.7z 【图像处理】 图像处理主要是先对图像进行灰度处理，高斯模糊，然后对其进行canny边缘检测，最后对得到的图像进行roi掩膜处理，进一步缩小范围。 【霍夫变换】 霍夫变换(Hough)是一个检测间断点边界形状的方法。它通过将图像坐标空间变换到参数空间，来实现直线与曲线的拟合。 在图像坐标空间中，经过点的直线表示为： (1) 其中，参数a为斜率，b为截矩。其中，参数a为斜率，b为截矩。 通过点 点的直线有无数条，且对应于不同的a和b值。 如果将和视为常数，而将原本的参数a和b看作变量，则式子(1)可以表示为： (2) 这样就变换到了参数平面a−b。这个变换就是直角坐标中对于点的Hough变换。 离群变换和最小二乘拟合 视频流的读写等等，更多详细说明介绍看项目说明。

VHDL语言设计交通灯，其中报告的最后部分附有实验代码。 本人采用的是控制模块和显示模块两部分结合的方法，再由顶层模块加以结合，实现功能。 仿真验证无误，已实验验证。