haarcascade_frontalface_alt2.xml、haarcascade_eye.xml、haarcascade_fullbody.xml、haarcascade_smile.xml等各种opencv分类器。

基于动态分类器集成选择和GM(2,1) 的组合预测模型，王江满，张艳菊，由于突发性事件预测过程中往往存在研究样本数据少或者数据缺失的情况，基于分类器集成技术，建立DCESM模型弥补数据缺失的不足，再�

haarcascade_eye.xml;eye_tree_eyeglasses.xml;frontalcatface.xml;frontalface_alt.xml;frontalface_alt2.xml;frontalface_alt_tree.xml;frontalface_default.xml;fullbody.xml;lefteye_2splits.xml;licence_plate_rus_16stages.xml;lowerbody.xml;mcs_eyepair_big.xml;mcs_eyepair_small.xml;mcs_leftear.xml;mcs_lefteye

贝叶斯分类器设计的一个matlab程序，希望对大家有用

软件: anaconda jupyter notebook 运行代码文件：naive bayes.ipynb python环境

java编写的贝叶斯网络分类器（贝叶斯算法java版本的代码） JavaBayes-0.346.zip JavaBayes-javadoc-0.346.jar JavaBayes-manual-0.346.ps.gz

疼痛是一种个人经历，一般被分为急性疼痛和慢性疼痛，可来源于受伤、疾病、手术或其他的健康问题.如果疼痛没有被及时治疗，会对患者的身心健康带来极大的伤害.由于患者自身障碍等问题，患者可能无法自我报告疼痛，而专业人士评估无法保证连续性和客观性.因此，对疼痛自动识别系统的需求日益加大，近十年来，很多研究人员在此领域取得突破性的成果，本文对疼痛自动识别系统进行综述，一方面从疼痛自动识别系统的结构组成方面进行描述，主要包括数据获取、数据预处理、特征提取以及分类等；另一方面从疼痛模态表征多角度进行技术汇总，主要包括行为、语音、生理以及多模态融合等4个方面.本文论述疼痛自动识别系统中的关键技术，并加以对比分析总结出该领域发展的一些挑战和方向.

twitter_sentiment_bert_scikit Twitter美国航空数据集情感分析（情感分析），使用Bert句子编码作为特征，实现了SVM，XGBoost，RandomForest（随机森林）等多个分类算法，从而进行了交叉验证。 数据来自 预安装 我们在Python 3环境中运行该项目，建议您使用Anaconda 3通过以下脚本安装所需的软件包。 当然，您可以使用pip进行安装。 conda create -n tweet_sentiment -c anaconda python=3.7 numpy scikit-learn xgboost pandas tensorflo

基于Matlab平台的水果识别分类（分类器，Matlab平台版运行）

在线实例分类器细化（OICR）的多实例检测网络的PyTorch实现 如何开始 git clone http://www.github.com/jd730/OICR-pytorch 依存关系 Python 3.5或更高版本 火炬0.4.0（不是0.4.1） CUDA 8.0或更高 资料准备 PASCAL_VOC 07 + 12 ：请按照中的说明准备VOC数据集。 实际上，您可以参考其他任何人。 下载数据后，在文件夹data /中创建软链接。 选择性搜寻 wget https://dl.dropboxusercontent.com/s/orrt7o6bp6ae0tc/selective_search_data.tgz tar -xvf selective_search_data.tgz rm -rf selective_search_data.tgz 将selective_search_