使用seq2seq模型与attention注意力机制生成对联，数据集中有预处理代码，其对应的工程代码github地址：https://github.com/zhangzhiqiangccm/NLP-project

文件用于mmdetection3d的SUN RGB-D数据集预处理程序，原始处理程序为matlab版，这里替换成了Python版本。文件包含了数据集分割和标注数据提取两个python脚本文件。具体使用方法请参考本人即将更新的博客：https://blog.csdn.net/suiyingy/article/details/128086017。

1、该脚本是python语言编写； 2、需要在python环境下运行，建议安装anaconda； 3、把需修改的文件(如批量图片)存放一个文件夹，修改代码中路径； 4、执行.py文件，重命名文件夹中的文件，提高效率。 【备注】该脚本随机读取文件，并命名，适合做深度学习数据预处理时使用，使用过程有问题请留言。

实现任意角度拍摄的矩形物体，通过一系列数字图像处理，把另外一张目标图像替换拍摄的矩形框。 难点一：矩形边框的检测识别（噪声） 针对难点一： 拟采用边缘检测检测像素突变点提取边缘线条+轮廓提取+拟合外接四边形寻找轮廓中满足面积条件的四边形。考虑到拍摄图像有很多噪点干扰，采用中值滤波进行平滑处理，过滤椒盐噪声。设定矩形区域面积阈值，去除不满足条件轮廓，对轮廓进行多边形拟合迭代，直到拟合成四边形，并排序输出四个点坐标。 ②难点二：由于相机平面很难与物体平面平行，所以矩形区域是形变的矩形。 针对难点二： 拟采用投影变换，利用getPerspectiveTransform函数求出变换矩阵M，再用M将代替换图像投影变换到矩形区域，其余面积像素为0，以便后续图片融合相加。

用于 FEATool Multiphysics 的 STL CAD 几何预处理工具箱

实现任意角度拍摄的矩形物体，通过一系列数字图像处理，把另外一张目标图像替换拍摄的矩形框。 难点一：矩形边框的检测识别（噪声） 针对难点一： 拟采用边缘检测检测像素突变点提取边缘线条+轮廓提取+拟合外接四边形寻找轮廓中满足面积条件的四边形。考虑到拍摄图像有很多噪点干扰，采用中值滤波进行平滑处理，过滤椒盐噪声。设定矩形区域面积阈值，去除不满足条件轮廓，对轮廓进行多边形拟合迭代，直到拟合成四边形，并排序输出四个点坐标。 ②难点二：由于相机平面很难与物体平面平行，所以矩形区域是形变的矩形。 针对难点二： 拟采用投影变换，利用getPerspectiveTransform函数求出变换矩阵M，再用M将代替换图像投影变换到矩形区域，其余面积像素为0，以便后续图片融合相加。

搜狐新闻语料，5000条，包括新闻标题、新闻链接、新闻内容、新闻类别。 搜狐新闻语料，5000条，包括新闻标题、新闻链接、新闻内容、新闻类别。

文件为多源数据集的编码形式，即预处理之后的数据 用于我的另一资源：基于多种机器学习算法的分类预测研究 该资源为机器学习结课论文，本文在对Lending Club数据集进行初步数据分析的基础上，通过选取4组不同的特征，采用同一种算法（逻辑回归，LR）进行分类预测，最终确定3个相对较优特征为：loan_amnt，annual_inc，term。随后本文针对“多源数据集”，采用神经网络、贝叶斯分类器和决策树三种算法对数据进行分类预测，最终综合三种算法的模型结果参数，确定决策树为三者最优。最后，本文仍选取Lending Club数据集作为研究对象，经预处理后，选取数据的55个特征，并将二分类问题变为三分类问题。之后，采用单一树类模型——决策树，以及集成树类模型——随机森林和极端随机树对数据进行分类预测，对比模型结果参数，得出结论：集成算法相比较于单一算法有更好的准确度和泛化能力，但是相应模型也会消耗更多计算机资源

仪器分析

从MODIS云产品数据集中提取需要的数据并对其投影，