利用最短距离分类器进行分类，效果很好，首先进行裁剪样本，利用对比度信息进行裁剪

主要是读取文本，然后进行分词、词干提取、去停用词、计算词频，有界面，很实用

weka分类群集资源 weka分类 weka群集 代码 资源 数据

基于Pytorch框架自定义7层卷积神经网络模型实现垃圾分类系统源码+数据集+项目说明（人工智能期末作业）.zip 垃圾分类 实验要求： 利用深度学习模型完成垃圾分类 图片数据集来源：https://momodel.cn/explore/5d411ace1afd9427c236eab5?type=dataset Result： 使用 PyTorch 自定义 7 层卷积神经网络加 2 层全连接层的分类模型

使用PCA、NMF和HOG特征，分别配以KNN（k=1,3,5）和SVM两类分类器，实现对交通标志的分类（包括对其余类的拒识）（Matlab完整源码和数据） PCA_KNN : PCA + KNN PCA_SVM : PCA + SVM NMF_KNN : NMF + KNN NMF_SVM : NMF + SVM HOG_KNN : HOG + KNN HOG_SVM : HOG + SVM

一个基于机器学习的新闻标题分类系统源码+数据集+训练好的模型+项目操作说明_本科毕设项目.7z bert_base中文预训练模型训练NLPCC2017 Task2新闻标题分类数据集的句向量 【环境配置要求】 Python：3.8.13 操作系统：Windows 数据库：MySQL Web框架：Flask 模型训练：sklearn 1.Anaconda创建虚拟环境 conda create -n Graduation python=3.8 命令行切换到对应目录 2.安装第三方库 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple 3.将数据导入数据库 mysql -u root -p --local-infile=1 < D:\Bachelor_Graduation\Bachelor_Graduation.sql 【备注】主要针对正在做毕设的同学和需要项目实战的机器学习、深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。

乐高图像分类数据集，20类乐高积木和4580张图片分类数据集 乐高图像分类数据集，20类乐高积木和4580张图片分类数据集 乐高图像分类数据集，20类乐高积木和4580张图片分类数据集

在OpenHarmony上，使用tensorflow lite推理Yamnet实现语音分类 包含所需要的Tensorflow lite OHOS 库的编译方式 测试所需要的测试数据以及源码 基于Tensoflow lite c++ sdk接口编写

Python版本 3.10 深度学习框架为tensorflow 数据集为花卉数据集，由于文件限制，当前每个数据集只放了一张图片。也可以自己更改数据集的名字，内容。只需要放到相应的文件夹即可。

电商专用，专业性极高，可设置为专业的信息