基于uniapp的组件，稍加改造vue即可通用，pda扫码组件，Honeywell

网络模型共含有19层，其中7层传统卷积层、8层深度可分离卷积层、4层最大池化层。同时，使用了 Adam优化器及对数损失函数。网络结构如图4所示，顺序从左至右、从上至下，并做以下说明： Conv为传统卷积层，其后3个参数分别代表：卷积核个数、卷积核大小、步长。 activation表示该层对应的激活函数。 SeparableConv为深度可分离卷积层，其后2个参数分别代表：卷积核个数、卷积核大小，步长均为 1。 MaxPooing为最大池化层，其后2个参数分别代表：滤波器大小、步长。 ReLU为线性整流函数，作为卷积后的激活函数，相比sigmoid函数和tanh函数有着更好的效果。 softmax用于将最后一层卷积输出的七个数值映射到（0,1）区间，并使它们和为 1。 这样能更直观地以概率的形式显示结果。 在每一层卷积过后，都加入了批量归一化（Batch Normalization，BN）层，图中未标出。批量归一化对网络训练的各个方面都有一定的提升作用。它可以加快训练并提高性能、解决梯度消失的问题、规范权重、优化网络梯度流等，所以很有必要加入。 整个网络参数数量仅为75906个，其中可训

该系统实现了基于深度框架的语音识别中的声学模型和语言模型建模，其中声学模型包括CNN-CTC、GRU-CTC、CNN-RNN-CTC，语言模型包含transformer、CBHG，数据集包含stc、primewords、Aishell、thchs30四个数据集。 本项目现已训练一个迷你的语音识别系统，将项目下载到本地上，下载 thchs 数据集并解压至 data，运行 test.py，不出意外能够进行识别，结果如下： the 0 th example. 文本结果： lv4 shi4 yang2 chun1 yan1 jing3 da4 kuai4 wen2 zhang1 de di3 se4 si4 yue4 de lin2 luan2 geng4 shi4 lv4 de2 xian1 huo2 xiu4 mei4 shi1 yi4 ang4 ran2 原文结果： lv4 shi4 yang2 chun1 yan1 jing3 da4 kuai4 wen2 zhang1 de di3 se4 si4 yue4 de lin2 luan2 geng4 shi4 lv4 de2 xi

完美支持c++生成pdf文件，可以在文件中混合写入中英文字体，整个工程经过实际验证，涵盖整套所需要的资源文件

本系统开发工具是 Eclipse 和 SqlServer 数据库，开发语言是 Java，主要使用了 J2EE 的技术，Java 是一种面向对象编程语言，简单易学而且灵活方便。大三时就学习了 Java 课程，大四期间也系统的了解了 J2EE 的知识，家庭食谱管理系统总体上开发难度不高，数据库的设计和操作是本系统设计的核心。在大学期间学习过软件工程，软件测试，UML 统一建模语言等课程，每个学期也会完成对应的课程设计，具备一定的系统分析、设计和测试能力。因此，完成系统实现在技术上完全具有可行性。 此次设计主要采用 Eclipse 加 Tomcat 后台服务器进行，设计过程中页面主要使用 JSP 技术完成，下面对 Eclipse、Tomcat 和 SqlServer 数据库进行简要介绍。 1.3.1.1Eclipse Eclipse，是一个十分优秀的用于开发 Java,J2EE 的 Eclipse 插件集合，Eclipse 的功能非常强大，支持也十分广泛，尤其是对各种开元产品的支持十分不错。Eclipse 企业级工作平台（EclipseEnterpriseWorkbench，简称 Ecli

c#实现socket通讯.zip 完整代码 可以直接运行

ID3,C4.5决策树完整代码以及结果图片

机器学习手写数字识别系统项目完整代码和参考报告+适用学生党+利用机器学习完成手写数字识别+博客链接：https://blog.csdn.net/shooter7/article/details/113337835 手写体数字识别是机器学习中模式识别的一个重要的研究方向，在现今这个信息化的时代中有着非常广泛的应用，例如邮件分拣、银行票据识别。，其准确率还不够理想，仍需要进一步提升。手写体数字识别系统的工作主要是运用K最邻近算法实现了对手写体数字的识别，支持上传本地图片和调用摄像头进行拍摄两种识别的途径，同时有添加完善数据集、查看测试集的识别率的功能，形成了一个比较完整的手写数字识别系统。本文还运用python的GUI编程中的tkinter模块设计了一个简洁友好的用户界面。本文重点阐述了手写数字识别图像处理流程，运用KNN算法进行分类识别，同时运用数理统计的方法对K值的选取进行优化，最后对整个系统的实现结果进行了分析。采用了TestDigits测试集，并对其进行测试，实验的数据显示本文所设计的手写体数字识别系统取得较高的识别率，对上传和拍摄的图片也有着较高的识别率。

项目介绍： 要求： 数目检测和昆虫种类识别 项目进度 2017/4/8---------二值化 2017/4/9---------图片中昆虫虫体计数 2017/4/22-------PyQt 和 OpenCV_VideoFrame 结合做出基本界面 摄像头 Frame 中检测虫体数目，并在界面中显示标出 学习昆虫图像特征的提取，参考论文中提出的几个特征量 提取特征量并进行保存 按照神经网络方法搭建训练模型 搭建了线性 SVM 分类训练器 将特征提取和 UI 界面建立连接，实现拍照和预测判断一体 机器学习训练算法（参考 Python 机器学习） LogisticRegression SGDClassfier 还没有尝试 LinearSVM 朴素贝叶斯(文本分类，不用) K 邻近（分类） 决策树，不用 集成模型，不用 文件介绍 用户界面 MainWindow.ui-----------------------PyQtDesigner 设计的主界面文件 MainWindow.py----------------------PyUIC 转换而成的主界面程序 运行逻辑 VideoMainWin

利用MATLAB GUI设计平台，用窗函数法设计FIR数字滤波器，对所给出的含有噪声的声音信号进行数字滤波处理，得到降噪的声音信号，进行时域频域分析，同时分析不同窗函数的效果。 实现的功能有： 打开文件：选择路径打开wav格式的音频文件，自动生成音频的原始波形与频谱。 加入噪声：有两种噪声可以选择加入，一种是白噪声，其频率蔓延整个频谱；一种是特定频率的噪声，可通过输入频率加入单一频率的噪声。加入噪声后自动绘制加入噪声后的波形与频谱。 滤波处理：首先输入滤波器通/阻带的开始频率与截止频率（若为低/高通类型滤波，则只需输入开始频率；若为带通/阻类型，则开始与截止都要输入；输入频率值为真实频率值，可根据频谱图进行判断 ），之后选取窗函数和滤波类型，将会生成滤波处理后的波形与频谱。 音频播放/停止：可随时播放/停止原始、加噪、滤波处理后的音频。 图片导出：将波形、频谱图片一张张导出保存，可选的格式有jpg、png、bmp、eps。 保存文件：将加躁/滤波后的音频导出保存。