帕金森预测因子 这个项目是一个教育项目，旨在加深我通过动手学习机器学习的知识。 在本笔记本中，您将看到我使用两种不同的分类策略来尝试根据存储库中也可以找到的数据集来预测某人是否患有帕金森氏病。 信息和渗透来自有关机器学习，深度学习和熊猫的公共kaggle课程。

该算法通过检测飞机相对于地平线的滚转角来计算具有分类策略的地平线。 它还尝试估计计算出的滚动值有多好。 这个例子应该向你展示图像分类的基本工作原理。 还有几个测试图像可以玩。 这种方法的工作原理： 图像被分成代表天空的白色像素和代表地面的黑色像素。 这是由 SVM 分类器完成的，该分类器使用来自多个天空和地面图片的真实数据进行训练。 为了训练，我提取了天空和地面的几种基于颜色和纹理的特征。 在二进制结果图像中，您现在可以提取分隔黑白像素的地平线。 为了计算飞机相对于地平线的侧倾角，我计算了一个 1 阶多项式，通过查看多项式拟合的好坏，您可以对计算出的侧倾角的准确性进行说明。 要运行该算法，您首先必须使用以下命令训练 SVM 分类器通过执行在“Test_set_Training”中给出的示例图像“Train_Classifier.m” 然后它生成“SVM_Struckt.mat”，

基于卷积神经网络的未知流量分类策略，陈晔欣，黎淑兰，为了提高网络流量分类的准确性及健壮性，本文设计了基于卷积神经网络的网络流量分类系统，并在此基础上针对混合流量中存在未知类

目前有很多关于多标签的学习算法，依据解决问题的角度，这些算法可以分为两大类：一是基于问题转化（Problem Transformation）的方法，二是基于算法适应的方法和算法适应方法（Algorithm Adaptation）。基于问题转化的多标记分类是转化问题数据，使之适用现有算法；基于算法适应的方法是指针对某一特定的算法进行扩展，从而能够直接处理多标记数据，改进算法，适应数据。