水下小目标检测

Spam Review Detection with Graph Convolutional Networks

dlib疲劳检测

使用说明在这里：https://blog.csdn.net/yj13811596648/article/details/88737623

使用说明在这里 https://blog.csdn.net/yj13811596648/article/details/88737623

数据集包含标记的水果图像以训练目标检测系统。用于对象检测的其他数据集。火车文件夹中的240张图像。测试文件夹中有60张图像。 Fruit Images for Object Detection_datasets.txt Fruit Images for Object Detection_test_zip_datasets.zip Fruit Images for Object Detection_train_zip_datasets.zip

基于机器学习的僵尸网络检测 基于机器学习的僵尸网络检测是一种根据网络流量将网络流量归为僵尸网络入侵或不入侵的工具。 它涉及各种机器学习分类器，包括神经网络，决策树，朴素贝叶斯，逻辑回归，k最近邻。 客观的 该项目使用各种基于机器学习的分类器实现了一种新颖的方法来检测基于僵尸网络的网络入侵。 与传统的基于数据包分析的方法不准确且费时不同，此方法既稳健又高度准确。 该项目涉及以下机器学习分类器： 神经网络 决策树 逻辑回归 支持向量机 高斯朴素贝叶斯 K最近的邻居。 使用的数据集 该项目使用CTU-13数据集，其中涉及13种带有正常流量和僵尸网络流量的网络流量数据的场景。 该项目使用场景1来训练和测试各种模型。 依存关系 此项目需要以下python模块的集合： 科学的 麻木 茶野 scikit学习 凯拉斯 测试模型 要测试模型，请使用以下命令在Machine-Learning-Bas

Detection of covert attacks on cyber-physical systems CDC 2017.pdf

数据驱动方法，故障诊断结合，专业基础课程，自学

叶脉提取 从扫描的叶子组中提取叶脉并保存一些有价值的数据，例如曲率。 完毕： 使用K均值获取当前组中每个叶子的顺序，然后使用Radon变换拉直叶子图像。 使用改进的动态Canny +区域生长（具有两个方向）从扫描的叶组中提取叶脉。 使用DFT（离散傅里叶变换）评估离散静脉点的曲率。 使用曲线拟合来计算主静脉和子静脉之间的角度。 作者：彭铮。 项目期限：6/2017〜12/2017，同时仍需要完成一些数据格式化工作。 Required_pa​​ckages： 麻木 科学的 的OpenCVPython的 scikit图像 scikit学习 matplotlib xlsxwriter 基本方法： 预处理： on变换。 充水。 K均值 萃取： 改良后的Canny。 区域增长。 数据格式： 离散傅立叶变换。 骨骼化。 曲线拟合。 用法： 将扫描的叶组图像放在“