使用基于高斯混合模型的机器学习对 2 类和 3 类问题进行一维矩阵分类。 它还包含一个基于矩阵的 AND 门示例和大小为 12 和 3 的输入样本

运用ENVI进行遥感分类教程

这是一个在UCF101上使用3D RNN/CNN+RNN 进行视频分类的教程，基于Pytorch实现。 数据集 UCF101 含有包括13320个视频与101个动作，视频有不同的视觉长度，视频画面大小也不一样，最小的视频只有29帧。为了减少视频预处理工作，我们之间使用feichtenhofer预处理结束的数据。 https://github.com/feichtenhofer/twostreamfusion 模型 3D CNN 使用一些3D核和通道数N，来解决视频输入，视频可以看成是3D 的图片，并使用了批归一化与dropout。 CNN+RNN (CRNN) CRNN 使用了CNN作为

使用基于朴素贝叶斯的机器学习的 3 类问题的一维矩阵分类。 它还包含一个基于矩阵的示例，用于输入大小为 12 和 3 个特征的样本

使用基于隐马尔可夫模型的机器学习对 3 类问题进行一维矩阵分类。 它还包含一个基于矩阵的示例，输入样本的大小为 15 和 3 个特征 https://www.cs.ubc.ca/~murphyk/Software/HMM/hmm.html https://www.cs.ubc.ca/~murphyk/Software/HMM.zip 需要工具箱Matlab 的隐马尔可夫模型 (HMM) 工具箱由凯文墨菲撰写，1998 年。 最后更新：2005 年 6 月 8 日。 在 MIT 许可下分发 该工具箱支持对具有离散输出 (dhmm's)、高斯输出 (ghmm's) 或高斯输出混合 (mhmm's) 的 HMM 进行推理和学习。 高斯分布可以是完整的、对角线的或球面的（各向同性的）。 它还支持离散输入，如 POMDP。 推理例程支持过滤、平滑和固定滞后平滑。

Arduino的作用是能通过各种各样的传感器来感知环境，通过控制灯光、马达和其他的装置来反馈、影响环境。板子上的微控制器可以通过Arduino的编程语言来编写程序，编译成二进制文件，烧录进微控制器。比起各种单片机来这个系统的最大优点是用起来非常简单，就像是搭积木一样，甚至连小学生都能很快掌握Arduino用来制作各种发明创造.是不是很有意思呢？

百度网盘分享，易康软件初级操作教程（中文版），小白福音！！！！从界面介绍开始，带你认识软件，到基本的分类操作：阈值条件、模糊、最近邻、分类器、批处理等功能都有详细的操作步骤。

该文档简述了遥感的定义原理，以及分类的各种详细的方法，以及ENVI软件的具体的操作说明，是适合初学者的一套简单易上手的指导说明