因为代码和data合并起来太大。所以分开上传的。注意要把data解压缩后放入code文件夹中

多媒体及多媒体技术的概念和特征.doc该文档详细且完整，值得借鉴下载使用，欢迎下载使用，有问题可以第一时间联系作者~

基于语法特征的webshell检测方法的研究与实现 万字论文，非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文，非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文，非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文，非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文，非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文，非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文，非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文，非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文，非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文，非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文，非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文，非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文，非常具体 基于语法特征的webshell检测方法的研究与实现 万字论文，非

PCA和KPCA及TSNE降维及二维三维可视化特征matlab程序包。 代码为博主自己编写，注释超详细，可设置多种参数，自己用直接换数据文件名称即可。 亲测可用，主程序里直接有三种方法对比可视化对比图，直接运行主程序即可！ 适用人群：信号处理，机器学习，深度学习研究者对信号进行特征分析以及特征提取。 KPCA核心：用核函数将数据实现非线性映射，然后再使用PCA进行降维 t-SNE数据算法的目的 主要是将数据从高维数据转到低维数据，并在低维空间里也保持其在高维空间里所携带的信息（比如高维空间里有的清晰的分布特征，转到低维度时也依然存在）。 TSNE目的：将高维数据降维并进行可视化，输入的数据为N个样本，每个样本具有M个特征（N_sample，M_feature）。输入的标签（N_sample，）。 基本原理：通过映射变换将每个数据点映射到相应的概率分布上。具体的是，在高维空间中使用高斯分布将距离转换为概率分布，在低维空间中，使用长尾分布来将距离转换为概率分布，从而是的高维度空间中的中低等距离在映射后能够有个较大的距离，使得降维时能够避免过多关注局部特征，而忽视全局特征。

利用最大最小爬山算法构建肺癌患者的预后模型,指导肺癌预后评价。以SEER(surveillance, epidemiology, and end results)数据库中2008年至2014年期间被确诊为肺癌的患者组成数据集,首先利用卡方检验、Logistic回归分析方法对数据集中的变量进行特征选择;然后,在训练集上利用最大最小爬山算法建立肺癌患者的预后模型,并在测试集上对患者进行5年后生存情况预测;最后,选择Logistic回归、人工神经网络、决策树、支持向量机方法和本研究模型在测试集上进行分类实验对比。最终结果显示本研究模型对肺癌患者5年后生存情况的预测准确率高于其他方法。

小白人脸识别，特征提取，试试手完全没问题 人脸识别+数据采集+人脸特征提取 我大概用了21个人的人脸，都可以检测出来

防火墙特征库升级指南

程序用于自动生成NIR-Red二维光谱特征空间散点图，并通过人机交互获得土壤、植被等端元信息。 输入：Red、NIR波段遥感图像（tif格式）；土壤线截距与斜率 输出：NIR-Red二维光谱特征空间散点图 交互：在散点图上点击端元获得对应Red、NIR波段信息 利用NIR/Red图像自动提取土壤线及解算端元信息的V2.0程序即将发布，敬请期待。

图像特征工程是图像场景理解中的一项重要基础性工作，基于概率图模型的图像整体场景理解特征工程作为其延伸，其复杂性和综合性远高于基本图像理解特征工程。针对这一特点，对图像理解特征工程中的特征提取、表示、学习和变换，基于概率图模型的图像整体场景理解特征工程研究价值和意义、典型特征工程等多方面进行了归纳与分析，重点介绍了四种代表性的基于概率图模型的图像整体场景理解特征工程，并作了详细比较，提出了基于概率图模型的图像整体场景理解特征工程基本框架。最后对未来发展方向进行了展望，为该领域的进一步研究提供参考。

移动开发-重症肢体缺血(CLI)缺血性溃疡膝下动脉影像学特征分析及angiosome概念血运重