基于贝叶斯分类器的手写体数字识别，识别率为87%，加大训练样本识别率更高。

行业分类-设备装置-基于支撑线运动分解的四足机器人trot步态本体位姿控制方法

随着脉冲密度的增加，对于现代电子侦察，尤其是对于脉冲压缩雷达信号，信号分类变得极为困难。 盲源分离（BSS）是一种新技术，用于从混合观测数据中分离出信号。 在本文中，我们提出了各种脉冲压缩雷达信号的瞬时混合模型，包括线性调频，多相编码，相移键控和跳频信号。 针对雷达信号，提出了快速独立分量分析（FastICA）和联合对角化BSS算法的组合。 采用性能指标（PI）和信噪比（SIR）来分析不同信噪比下的分离性能。 实验结果证明了该方法的有效性和正确性。

matlab开发-xlswrite3D。允许您将三维数组写入Excel

本系统功能如下： 管理员：用户管理、垃圾分类管理、垃圾站点、垃圾运输、保修管理、投诉管理。 用户，主要是查看：垃圾分类、垃圾站点、垃圾运输、保修信息、添加投诉等。

行业分类-设备装置-针对三自由度力反馈手控器的标定方法的平台机构

K均值分类 IRIS数据集上的k均值分类

主要包含相衬成像原理、分类以及相衬成像的优势等。

CNN与RNN图像分类 该程序使用卷积神经网络和递归神经网络对来自MNIST手写数字数据集的图像进行分类。 CNN最适合计算机视觉应用，因为可以使用RNN，但并不流行。该项目的目的是证明CNN模型相对于RNN可​​能具有的优势。 设置 需要Python 3.5-3.8才能与所有必需的模块兼容 # Clone this reposititory git clone https://github.com/JohnNooney/CNN_vs_RNN_Image_Classification # Go into repository cd ../cnn_vs_rnn_image_classification # Install required modules pip install -r requirements.txt 用法 使用python app.py启动应用程序后，将出现一个窗口，您可以

钢板表面质量决定钢板的抗腐蚀性、抗磨性和疲劳强度等使用性能，决定相关产品的安全性能。目前还没有一种算法可很好的解决钢板表面缺陷分类问题。应用BP神经网络算法识别钢板表面缺陷，并采用高阶扰动理论解决BP神经网络算法固有的缺点，如学习速度慢、易陷入局部极值等。最后通过实验验证了算法的有效性，钢板缺陷识别率达到83%。