机器学习与数据挖掘实验三：基于 Resnet，VGG，GoogLeNet的海面舰船图像分类，采用pytorch实现，包含数据集，三种网络实现图像分类源代码，gradcam可解释性分析代码。

CNN神经网络一维数据预测和二维图片分类，自己收集的资源，并加上了数据。

机器学习与数据挖掘实验四：基于特征工程的支持向量机分类实验，特征为HOG，LBP，GLCM，分类器SVM，包括了数据集，python原码。

图像数据集噪声对卷积网络分类的影响，张雨露，帅立国，在图像分类任务中准备数据集时，数据噪声的干扰会对后续的分类模型产生不利影响，噪声越严重就越难以得到合理的分类模型。为了评

项目简介 本项目报名参加了“兖州中材杯”武汉理工大学第十一届环保创意作品大赛艺术理念组比赛。组员共三名，本人负责代码实现部分，其余两人分别负责项目策划与场景人物绘制。 项目背景 小组中负责策划的同学经过一定的调研之后发现，我校在校学生普遍缺乏垃圾分类方面的知识。经过讨论后，我们把游戏方向定位于“垃圾分类”，游戏类型定位于像素风游戏，由于本人水平和时间有限，只能将玩法设计得尽量简单。感谢另外两位组员，他们的努力掩盖了我水平上的不足。 玩法介绍 家控制一名角色在操场背景上移动，垃圾桶在操场边上。捡起垃圾丢进相应的垃圾桶内，若全部正确投放则游戏成功，否则游戏失败。游戏期间，若有不清楚该作何分类的垃圾

实验三 基于朴素贝叶斯实现垃圾短信分类.ipynb

垃圾邮件分类项目 理想情况下，模型的估计性能可以告诉我们它在看不见的数据上的表现如何。 对未来数据进行预测通常是我们要解决的主要问题。 选择度量标准之前了解上下文非常重要，因为每种机器学习模型都会尝试使用不同的数据集来解决具有不同目标的问题。 Logistic回归没有改变，因为它的参数已经是最好的了。 即使SVC取得了很大的进步，但它的速度仍然很慢，但仍然不是最好的。 朴素贝叶斯（Naive Bayes）成功预测了4945个实际垃圾邮件中的4894个。 但是，Logistic回归和朴素贝叶斯彼此接近，不准确的足球我还是选择NaïveBayes模型作为数据集的最佳垃圾邮件分类器，因为朴素贝叶斯比Logistic回归要快。 与更复杂的方法相比，朴素贝叶斯学习者和分类器可以快速得到实现。 类条件特征分布的解耦意味着可以将每个分布独立地估计为一维分布。 反过来，这有助于减轻因维数的诅咒而产生的问题

matlab开发-蝗虫搜索算法。基于蝗虫群行为的进化计算方法。

matlab开发-单域反应扩散模型中的螺旋波。采用单域反应扩散系统模拟螺旋波。

matlab开发-每日数据中的容量加权平均价格。从谷歌金融的每日数据中检索vwap