基于耳石微结构的黄海大头鳕早期生长及其影响因子.docx

西南交通大学算法设计与分析黄海与的算法资料和期末复习题

温州大学黄海广教授机器学习特征工程PPT。 在原始数据集中的特征的形式不适合直接进行建模时，使用一个或多个原特征构造新的特征可能会比直接使用原有特征更为有效。特征构建：是指从原始数据中人工的找出一些具有物理意义的特征。操作：使用混合属性或者组合属性来创建新的特征，或是分解或切分原有的特征来创建新的特征。方法：经验、属性分割和结合。数据归一化的目的是使得各特征对目标变量的影响一致，会将特征数据进行伸缩变化，所以数据归一化是会改变特征数据分布的。数据标准化为了不同特征之间具备可比性，经过标准化变换之后的特征数据分布没有发生改变。就是当数据特征取值范围或单位差异较大时，最好是做一下标准化处理。聚合特征构造主要通过对多个特征的分组聚合实现，这些特征通常来自同一张表或者多张表的联立。聚合特征构造使用一对多的关联来对观测值分组，然后计算统计量。常见的分组统计量有中位数、算术平均数、众数、最小值、最大值、标准差、方差和频数等。相对于聚合特征构造依赖于多个特征的分组统计，通常依赖于对于特征本身的变换。转换特征构造使用单一特征或多个特征进行变换后的结果作为新的特征。

结合GOCI(Geostationary Ocean Color Imager)传感器的波段特征,基于缨帽变换方法设计了一种简单有效的绿潮指数(TCT-GTI)算法。结合目视判断的绿潮识别结果,将TCT-GTI算法与两种已有的遥感算法(AFAI和IGAG算法)监测结果进行对比发现,TCT-GTI算法的绿潮遥感监测结果精度较高,具有较高的可信度。将TCT-GTI算法应用到2017年多景GOCI影像,对中国黄海海域绿潮信息进行提取,同时分析绿潮覆盖面积的日变化特征,研究2017年绿潮暴发事件的漂移轨迹。研究结果表明,绿潮覆盖面积在中午12:00达到最大,这可能是光合作用等因素的影响。2017年,绿潮暴发事件经历了西北至东北的漂移路径,由江苏盐城外海海域向西北方向漂移至南黄海东部,然后继续向东北方向移动,抵达山东半岛南岸,逐渐消亡。

斯坦福大学经典的机器学习课程讲义， 黄海广个人笔记完整版。版本很新。

黄海养生馆合作协议(1) .pdf

黄海广针对吴恩达老师深度学习课程(deeplearning.ai) 视频做的笔记；黄海广针对吴恩达老师深度学习课程(deeplearning.ai) 视频做的笔记；黄海广针对吴恩达老师深度学习课程(deeplearning.ai) 视频做的笔记

机器学习个人笔记完整版v4.21-黄海广大神笔记，吴恩达机器学习必看经典

辽宁丹东北黄海温泉度假区规划设计方案.pdf