自己写的程序，可以直接对excel文件求相关系数，并绘制相关系数图。 并可以通过设置阈值来筛选出特征，并把最终的的特征写入到文件中。 只需要更改一下文件名就可以使用！

Gan网络的原图像latents获取及特征分离

在有干扰和噪声情况下最优合并输出信/干噪比的特征函数确定，岳殿武，Q.T zhang，在具有干扰和噪声情况下,对最优合并的性能进行精确分析是一个困难问题.尤其是关于常用的输出信/干噪比的特征函数,到目前为止还没��

1 Gist功能是什么？ Gist特征是什么？ （1）具有宏观意义的图像场景的特征描述。一种宏观意义的场景特征描述 （2）只检测场景-“街上有人”。 不在乎有多少人和其他人。只识别“大街上有一些行人”这个场景，无需知道图像中在那些位置有多少人，或者有其他什么对象。 （3）要点向量可以代表图像的宏观含义。特征向量可以一定程度表征这种宏观场景特征 GIST有五个空间信封名称。 GIST中有五种对空间包络的描述方法 空间信封名称空间包络名 说明阐释 自然度 如果场景包含高水平的水平线和垂直线，则表明场景具有明显的人工痕迹，通常自然场景具有纹理区域和起伏的轮廓。 因此，边缘具有高度垂直于水平线的自然趋势，并且自然度高。场景，包含高度的水平和垂直线，这表明该场景有明显的人工痕迹，通常自然景象具有纹理区域和起伏的轮廓。所以，边缘具有高度垂直于水平高度的自然度低，反之自然度高。 开放度 打开还是关

第2章 特征工程 2（自我学习集） 2.1. 数据集 2 2.1.1. 可用数据集 2 2.1.2. sklearn数据集 4 2.1.3. 数据集的划分 6 2.2. 特征工程介绍 7 2.2.1. 为什么需要特征工程(Feature Engineering) 8 2.2.2. 什么是特征工程 8 2.2.3. 特征工程的位置与数据处理的比较 8 2.3. 特征抽取 9 2.3.1. 特征提取 10 2.3.2. 字典特征提取 10 2.3.3. 文本特征提取 12 2.4. 特征预处理 20 2.4.1. 什么是特征预处理 20 2.4.2. 归一化 21 2.4.3. 标准化 24 2.5. 特征降维 26 2.5.1. 降维 27 2.5.2. 降维的两种方式 27 2.5.3. 什么是特征选择 28 2.6. 主成分分析 36 2.6.1. 什么是主成分分析(PCA) 36 2.6.2. 案例：探究用户对物品类别的喜好细分降维 40 2.7. 总结 42 2.8. 作业 43 2.9. END 44

物联网的安全与隐私保护问题直接关系到物联网服务能否得到真正的实际推广应用,从信息安全的机密 性、完整性和可用性等三个基本属性出发,分析了物联网安全的特征和面临的安全问题,讨论了物联网安全的系统 架构,以及一些安全关键技术,包括密钥管理、认证与访问控制、安全路由、隐私保护、入侵检测与容错容侵等,对其 中的密钥管理和路由技术进行了较详细的讨论。

基于瞬时统计特征的调制方式自动识别，董雪，张晓林，本文通过对非协作通信环境下的调制识别算法进行研究，针对2ASK、4ASK、2FSK、2PSK、MSK、FM、LSB和USB等八种通信信号，提出一种基于瞬时统

第1章 深度学习介绍 2 1.1. 深度学习与机器学习的区别 2 1.1.1. 特征提取方面 2 1.1.2. 数据量和计算性能要求 3 1.1.3. 算法代表 3 1.2. 深度学习的应用场景 4 1.3. 深度学习框架介绍 4 1.3.1. 常见深度学习框架对比 4 1.3.2. TensorFlow的特点 6 1.3.3. TensorFlow的安装 7 1.4. END 8

目的：探讨桂林市道路交通事故伤亡特征和道路交通事故时间分配特征。 方法：通过对桂林市2007-2014年道路交通事故数据进行分析，探讨道路交通伤害的伤亡特征和道路交通事故的时间分布特征。 结果：共研究了3162例道路交通事故伤亡。 大多数研究对象是男性（63.23％），几乎是女性的两倍。 伤亡年龄为5至78岁，平均年龄为33.65±16.76岁。 男性的RTC死亡率显着高于女性（61.39对38.61，P <0.05）。 RTIs对成年人的影响不成比例，其中大多数死亡发生在15-59岁的人群中。 RTC的死亡率因教育程度的不同而有很大差异，其中三分之一以上发生在中学人群中。 大约40.25％的道路交通事故死亡发生在日常工作中，这表明死亡率显着高于其他职业（P <0.05）。 道路交通死亡的季节分布涉及Spring（24.72％），夏季（15.56％），秋季（30.56％）和冬季（29.17％）。 道路交通死亡的比例从9:00-12:00的最低6.02％到0:00-3：0的最高的16.78％不等； 午夜（0:00-3:00）显示报告的道路交通死亡比例显着更高（P <0.05）。 上肢和下

1、MFCC概述 在语音识别（Speech Recognition）和话者识别（Speaker Recognition）方面，最常用到的语音特征就是梅尔倒谱系数（Mel-scale FrequencyCepstral Coefficients，简称MFCC）。根据人耳听觉机理的研究发现，人耳对不同频率的声波有不同的听觉敏感度。从200Hz到5000Hz的语音信号对语音的清晰度影响较大。两个响度不等的声音作用于人耳时，则响度较高的频率成分的存在会影响到对响度较低的频率成分的感受，使其变得不易察觉，这种现象称为掩蔽效应。由于频率较低的声音在内耳蜗基底膜上行波传递的距离大于频率较高的声音，故一般来说