ndarray.ndim：维度 ndarray.shape：形状 ndarray.size：元素个数 ndarray.dtype：元素数据类型 ndarray.itemsize：字节大小 创建数组： a = np.array([2,23,4]) # list 1d print(a) # [2 23 4] 指定数据类型： a = np.array([2,23,4],dtype=np.int) print(a.dtype) # int 64 dtype可以指定的类型有int32,float,float32,后面不跟数字默认64 a = np.zeros((3,4)) # 数据全为0，3行4列

为获取连续属性值数据集的最小属性子集，提出了一种两步约简方法．该方法以模糊粗糙集模型为基础，将描述条件属性和决策属性依赖关系的模糊依赖度概念进行了扩展，使其能对条件属性之间的依赖关系进行度量，利用属性与类别之间的依赖度选出候选属性集，然后根据单个属性与类别和属性之间的依赖度对候选属性集进行约简．仿真结果表明，该方法在有效降低属性维数的同时一定程度上保证了分类正确率．

为了利用信息系统对象在数据空间中分布，通过对对象的模糊聚类，计算每一类在坐标轴上的统计值。利用正态概率分布特性，引入重叠度和空隙度选取合适的概率，确定最优的区间端点，实现连续属性离散化。

提出一种连续属性值域划分的离散化新方法，该方法定义一个新的离散化函数，依据类与属性之间的相互依赖关系选择最优的离散区间列表；此外，采用变精度粗糙集理论合理地控制数据离散化产生的信息丢失，减少分类错误。仿真结果和统计分析表明，提出的方法有较好的C5.0决策树分类能力。

这个 Matlab 应用程序是为根据实验各向异性属性优化 Hill48 电位而开发的。 用户可以在 GUI 的相应框中输入实验各向异性屈服应力比 (R) 以及模型指数。 然后在 GUI 中请求“优化”并等待计算完成，这大约需要几秒钟。 输出为 Hill48 for Abaqus 模型输入的 6 电位，将显示在 Matlab 命令窗口中。 足以在 0、45 和 90 度材料取向下通过简单的拉伸测试进行校准。 屈服应力比 (R) 可以简单地表征为应力-应变曲线。

基于监测数据及机器学习算法的湖泊水质实时评价技术对当前湖泊水资源的管理、维护和保护具有重要意义。本文针对巢湖水质的类别评价，利用随机森林(Random Forest, RF)分类算法对该区域水质进行类别判定。与其他算法相比,随机森林算法有着精度高、可容忍噪声强等诸多优点。测试结果表明，当决策树的棵数ntree=300，分裂属性集中属性个数mtry=2时，在合肥湖滨监测断面水质分类准确率可达96.15%，在巢湖裕溪口监测断面水质分类准确率高达100%，该方法具有稳健性较高、实用性强、泛化性能好等特点, 能够有效进行水质评价。

autoencoder matlab代码 DLAAE 《Discriminative Latent Attribute Autoencoder for Zero-Shot Learning》CCIS2018。论文代码很大程度参考和。 Dateset AwA() Requirements Matlab==2017a Usage Download the initial mat from , and then put it in ./datasets/ Download the vgg feature of AwA and put those in ./datasets/AwA/. Then datasets will be like this: datasets │ initial_awa_ADS.mat │ └─AwA feat-imagenet-vgg-verydeep-19.mat predicateMatrixContinuous.mat trainTestSplit.mat run main.m Description 读取数据 归一化 PCA降维 初始化 计算相似性空间 计算

7.1 传感器基础 且然f马殖器在 STK 中的应用 i非常广泛. fR Já{E 一个 STK J$，践中，传感~曾是无法作 为顶J"，对象巾单独有在的.这是民为它所求i占或1';-)世币的 4吨概念，部必须依附于儿体 的刘华而在在. 柯， STK 仿县内m巾，可以作为传感器父对象的Jl1i 8 种 Aircraft ( \S机)、 Facility (地I回到. )、 GroundVehic1e (地ÚlÏ机动 FH;j;)、LaunchVehicle (运载:m)~ Missile (导弹)、 Satellite (且应)、 Ship (舰船)和 Targel (地曲illlir

2023-03-30 01:00:24 41.61MB STK

1