knnclassify k最临近执行分类
2021-04-06 17:19:25 1KB matlab
1
1.使用csv_create.py将data文件中的excel文件转为csv文件并保存在data文件夹中; 2.使用csv_split.py将data中的csv文件分为训练集、测试集保存在hf文件夹中; 3.Housing_test1.py为任务1房地产均价预测,采用线性回归模型,结果保存在results/Housing_LR文件夹中; 4.Housing_test2.py为任务1房地产均价预测,采用K邻近回归模型,结果保存在results/Housing_KNN文件夹中; 5.Housing_test3.py为任务2小区的价值评价,采用线性回归模型,采用填零法或是均值法预处理数据缺失,结果保存在results/Housing_LRplus或者results/Housing_LRplus2文件夹中; 6.Housing_test4.py为任务2小区的价值评价,采用K邻近回归模型,采用填零法或是均值法预处理数据缺失,结果保存在results/Housing_KNNplus或者results/Housing_KNNplus2文件夹中;
1
选择强方向性Vivaldi天线作为研究对象,基于等效电路等理论分析确定了天线的结构参数,采用高频仿真软件Ansoft HFSS 11对天线的电性能进行定量分析。提出在天线两侧开栅栏和尾部加抗流栅栏的优化方法,将天线金属贴片上的表面电流汇聚于槽线部分,明显改善了天线的辐射特性,在350 MHz和830 MHz的增益分别达到5.7 dBi和8.7 dBi。
2021-03-09 16:59:10 291KB 临近空间
1
当日程还有7天1天和当天时,均会在电脑开机后自动弹出提示框
2021-03-05 18:07:18 4KB python脚本
1
定位技术在无线传感器网络中占有重要的地位。近似三角形内点测试算法(APIT)是一种硬件要求低,定位性能良好的定位算法。APIT算法在节点密度较低的场合,易产生PIT误判,S-APIT算法采用面积和判断进行近似三角形内点测试,改善了APIT算法的PIT测试,但是在存在测距误差时,S-APIT算法并不能有效的减少PIT误判的发生。针对该问题,提出了一种将未知节点的临近信标节点作为修正节点的N-APIT算法,仿真结果表明:算法能够改善环境因素的影响,减少测距误差,改善定位精度。
1
基于自然邻点的插值方法,也请大家尽情下载,希望能帮助大家
2019-12-21 21:06:08 296KB 自然临近
1
c# 反距离加权插值+临近点差值+双线性差值,用窗体程序实现,可以看到效果图片
2019-12-21 20:20:01 68KB c# IDW 临近点差值 双线性差值
1
使用JAVA编写的,分词、TFIDF相似度计算,K临近法聚类
2019-12-21 19:23:29 10KB JAVA TFIDF计算 K临近聚类
1