ClassProjectCity-C++实现课程设计源码资源.zip
1、内容概要：本资源主要是使用C++实现课程设计作业，City.cpp源码实现了课程作业的所有要求，供学生学习使用。
2、源码主要实现内容：（1）用名称、人口、海拔高度、天气、年份等数据成员建立一个名为City的类。建立一个产生City对象的类。（2）将产生的City对象（数量大于200个）填充至一个容器，容器的类型自选。（3）对于City对象的具体属性值通过创建发生器来生成。生成规则如下：年份为2006年；名称由4-8个英文小写字符随机构成；人口在范围[100000,10000000)内随机选取；海拔高度在范围[0,4000)米内随机选取；上述三值均不可重复；天气在枚举常量表中{Rainy,Snowy,Cloudy,Sunny}随机选取（1年天气取12个值，即每月一个值）。（4）容器填充完毕后，将其内容写入一个名为City.txt的文件。
项目实战-朴素贝叶斯算法实现新闻分类源码及数据集.zip
1、内容概要：本资源主要基朴素贝叶斯算法实现新闻分类，适用于初学者学习文本分类使用。
2、新闻分类源码实现过程：将数据集划分为训练集和测试集；使用jieba模块进行分词，词频统计，停用词过滤，文本特征提取，将文本数据向量化，使用朴素贝叶斯算法进行分类。
3、主要内容：搜狗新闻数据集SogouC，标签包括财经、IT、健康、体育、旅游、教育、招聘、文化和军事；停用词文件stopwords_cn.txt；Naive_Bay.py 朴素贝叶斯算法实现源码；News_NB.py新闻分类实现源码。
项目实战-朴素贝叶斯算法实现垃圾邮件过滤源码及数据集.zip
1、内容概要：本资源主要基朴素贝叶斯算法实现垃圾邮件过滤分类，适用于初学者学习文本分类使用。
2、主要内容：邮件数据集email，email文件夹下有两个文件夹ham和spam，其中ham文件夹下的txt文件为正常邮件，spam文件下的txt文件为垃圾邮件；停用词文件stopwords_cn.txt；Naive_Bay.py 朴素贝叶斯算法实现源码；Email_NB.py垃圾邮件分类实现源码。
项目实战-KNN算法实现手写数字识别源码及数据集.zip
1、内容概要：本资源主要基于KNN算法实现手写数字识别，适用于初学者学习机器学习KNN算法使用。
2、主要内容：训练集trainingDigits；手写数字识别测试集testDigits；KNN算法实现手写数字识别源代码KNN_digits.py。
项目实战-KNN算法改进约会网站的配对效果源码及数据集.zip
1、内容概要：本资源主要基于KNN算法改进约会网站的配对效果，适用于初学者学习机器学习KNN算法使用。
2、主要内容：训练集datingTestSet.txt；测试集datingTestSet2.txt；源代码KNN.py
Linux环境下编译的TensorFlow C++ API动态库文件.7z
1、TensorFlow C++ API的编译是线上使用TensorFlow C++ API调用预先训练好的模型完成预测项目的必经之路，但是TensorFlow C++ API的编译并不是这么顺利，期间遇到了很多错误，它对版本要求非常严格，版本不对应会出现很多问题，尤其protobuf是最重要的一个。本资源是TensorFlow C++ API顺利编译和测试的过程，为线上使用TensorFlow C++ API的使用打下基础
2、Linux环境下编译TensorFlow C++ API生成的动态链接库：libtensorflow_cc.so，libtensorflow_framework.so。
CNNVD 软件安全漏洞数据集.zip
1、CNNVD是中国国家信息安全漏洞数据库。
2、软件漏洞数据包括1999年以前的漏洞数据-2018年的漏洞数据。
3、漏洞数据存储格式为xml，供软件安全研究人员研究使用。
NVD 软件安全漏洞数据集.zip
1、NVD是美国国家计算机通用漏洞数据库（National Vulnerability Database，NVD）。
2、漏洞数据包括2002年-2019年的漏洞数据（总共5万多条漏洞，23个漏洞类型）。
3、漏洞数据存储格式为xml，供软件安全研究人员基于该数据集分析研究使用。
NASA MDP 软件缺陷数据集.zip
1、NASA MDP 软件缺陷数据集介绍：软件缺陷预测研究中心广泛应用NASA公布的NASA IV＆V Facility Metrics Data Program(MDP)数据集。 MDP包括 13个不同的数据集，这些数据均来自NASA 的13个实际软件项目，由最常见的开发语言编写。每个数据集包含来自不同软件项目的若干模块，规模从 125个模块到 17186 个模块不等。各个数据集由LOC、McCabe、Halstead等几类度量元属性和是否包含缺陷的类别标记（defective）组成。MDP数据集所提供的记录，一行代表一个模块，每个字段对应一个属性。
2、NASA MDP 数据集是软件缺陷预测使用的数据集；
3、该数据集是向官方索取的，包含13个数据集文件，用于实验研究；
4、数据集文件格式是arff格式。
UNSW-NB15 入侵检测数据集.zip
UNSW_NB15入侵检测数据集，相比于KDD99和NSL KDD数据集更适合相关研究人员用于入侵检测系统的研究。
NSL-KDD 入侵检测数据集.zip
NSL-KDD数据集是KDD99数据集的改进，可以作为有效地基准数据集，各机器学习算法可以在NSL-KDD数据集上进行入侵检测实验。
NSL-KDD数据集是KDD 99数据集的改进：
1、NSL-KDD数据集的训练集中不包含冗余记录，所以分类器不会偏向更频繁的记录；
2、NSL-KDD数据集的测试集中没有重复的记录，使得检测率更为准确。
3、来自每个难度级别组的所选记录的数量与原始KDD数据集中的记录的百分比成反比。结果，不同机器学习方法的分类率在更宽的范围内变化，这使得对不同学习技术的准确评估更有效。
4、训练和测试中的记录数量设置是合理的，这使得在整套实验上运行实验成本低廉而无需随机选择一小部分。因此，不同研究工作的评估结果将是一致的和可比较的。
KDD99入侵检测数据预处理和分类源代码及数据集.zip
1、内容概要：本资源主要基于Python实现kdd99入侵检测数据集预处理，搭建DNN和CNN神经网络实现kdd99入侵检测分类，适用于初学者学习入侵检测分类使用。
2、入侵检测数据集： 该数据集是从一个模拟的美国空军局域网上采集来的9个星期的网络连接数据,分成具有标识的训练数据和未加标识的测试数据。KDD99数据集总共由500万条记录构成，它还提供一个10%的训练子集kddcup.data_10_percent_corrected和测试子集corrected。
3、源代码Handle_data.py是kdd99数据集预处理源代码，kddcup.data_10_percent_corrected.xls是预处理后的数据集。
4、源代码：Kdd_dnn.py是基于DNN神经网络对入侵检测数据集进行分类；kdd_cnn.py是基于CNN神经网络对入侵检测数据集进行分类。
XGBoost与LightGBM文本分类源代码及数据集.zip
1、内容概要：本资源主要基于XGBoost与LightGBM实现文本分类，适用于初学者学习文本分类使用。
2、数据集为电商真实商品评论数据，主要包括训练集data_train，测试集data_test ，经过预处理的训练集clean_data_train，训练好的word2vec词向量模型w2v_model.pkl和中文停用词表stopwords.txt，可用于模型训练和测试，详细数据集介绍见商品评论情感数据说明文档。
3、源代码：word2vec_analysis.py 是基于Word2Vec进行词向量的生成，采用向量平均求得句向量，然后分别构建RandomForest和GBDT分类模型进行文本分类。
4、源代码：xgboost_model.py是基于xgboost模型对文本进行分类。
5、源代码：lightGBM_model.py是基于lightGBM模型对文本进行分类。
中文句子类型分类工具及数据集.zip
1、内容概要：本资源主要包括中文句子类型分类工具sentypes_v1.2及数据集
2、句子类型判别工具sentypes_v1.2的句子优先级为：正反问句，反问句，选择问句，疑问词问句，是非问句；祈使句，把字句，被子句，比较句，存在句，是字句，连字句；陈述句；其他句子。
3、sentypes_v1.2 工具包含五个命令参数，分别是输入文件、输出文件、分词模型(cws.model)、词性标注模型(pos.model)和句法分析模型(parser.model)。
项目实战-Bert文本分类（keras-bert实现）源代码及数据集.zip
1、内容概要：本资源主要基于bert（keras）实现文本分类，适用于初学者学习文本分类使用。
2、数据集为电商真实商品评论数据，主要包括训练集data_train，测试集data_test ，经过预处理的训练集clean_data_train和中文停用词表stopwords.txt，可用于模型训练和测试，详细数据集介绍见商品评论情感数据说明文档。
3、源代码：word2vec_analysis.py 是基于Word2Vec进行词向量的生成，采用向量平均求得句向量，然后分别构建RandomForest和GBDT分类模型进行文本分类。
4、源代码：bert_model.py是基于keras-bert构建Bert模型对文本进行分类。
项目实战-TextCNN文本分类（keras实现）源代码及数据集.zip
1、内容概要：本资源主要基于TextCNN（keras）实现文本分类，适用于初学者学习文本分类使用。
2、数据集为电商真实商品评论数据，主要包括训练集data_train，测试集data_test ，经过预处理的训练集clean_data_train和中文停用词表stopwords.txt，可用于模型训练和测试，详细数据集介绍见商品评论情感数据说明文档。
3、源代码：word2vec_analysis.py 是基于Word2Vec进行词向量的生成，采用向量平均求得句向量，然后分别构建RandomForest和GBDT分类模型进行文本分类。
4、源代码：textcnn_model.py是基于Keras构建CNN、TextCNN卷积神经网络模型对文本进行分类。
项目实战-中文商品评论情感分析源代码及数据集.zip
1、内容概要：资源主要包括：中文商品评论情感判别源代码和数据集。中文情感分析
商品（书籍、酒店、计算机、牛奶、手机、热水器）评论数据包括pos积极评论数据和neg消极评论数据。源代码svm_w2v_model.py 是基于Word2vec生成词向量，求平均获得句向量，构建SVM模型完成文本评论情感预测。
2、本资源适用于初学者学习文本分类使用，主要包括数据预处理、机器学习、文件的读取和写入等。
项目实战-英文文本分类电影评论情感判别源码及数据集
1、内容概要：资源主要包括：英文文本分类电影评论情感判别源码及数据集等文件。
标注的训练集：labeledTrainData.tsv；测试集：testData.tsv；没有标签的额外训练集：unlabeledTrainData.tsv；停用词过滤表：stopwords.txt；源代码：movie_reviews_analysis.py
2、本资源适用于初学者学习文本分类使用，主要包括数据预处理、机器学习、文件的读取和写入等。
LSTM实现对股票数据进行预测（Keras实现）源代码及数据集
1、内容概要：本资源将初步探究 LSTM 在股票市场的应用。通过使用LSTM对股票收益的预测，可以了解到：（1）如何将原始数据集转换为可用于时间序列预测的数据。（2）如何准备数据并使LSTM适合多变量时间序列预测问题。（3）如何进行预测并将结果重新调整回原始数据。
2、本资源适用于对量化交易感兴趣的学生学习实验参考使用。
3、资源内容主要包括：股票数据（20支）.rar，LSTM实现对股票数据进行预测（Keras实现）源代码lstm_model.py（源码以600000.SH股票数据为基准进行分析，以2016年3月1日至2017年12月31日为回测期，进行收益率的预测模拟），2016年3月至2017年12月的股票回测模型损失和RMSE计算数据excel。
Python3对股票数据进行分析源代码和股票数据集
1、内容概要：本资源主要包括Python3对股票数据进行分析源代码、Python3对股票的收益和风险分析源代码、Python3对多股票的投资组合进行分析源代码、北京某投资管理有限公司20支真实股票数据、20支股票整体绘图分析结果展示等。
2、本资源适用于对量化交易感兴趣的学生学习实验参考使用。
3、量化交易是以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。本资源仅供学习使用，不可作为真实场景模拟操作。
4、源代码主要包括：股票的开盘价、最高价、最低价、收盘价、成交量、市值、换手率、pe、pb等指标分析，绘制K线图、股票指标相关性分析、移动平均线、股票收益率分析、风险性衡量、投资组合等。
社交网络影响力最大化（Python实现）及Wiki-Vote数据集
1、内容概要：社交网络影响力最大化（Python实现）及Wiki-Vote数据集。（1）线性阈值模型（LT模型）代码实现（代码有详细注释）；（2）LT模型改进算法-贪心算法代码实现（代码有详细注释）；
2、源代码适用于学生或研究者等人，该研究方向的学生可以对源代码及相关论文进行学习实验。
3、影响力最大化的应用场景十分丰富，包括病毒营销，推荐系统，信息扩散，时间探测，专家发现，链接预测等。
4、主要文件有：BAcreate.py，linear_threshold.py，linear_threshold_clime.py，LT_improve.py，test_linear_threshold.py，test_linear_threshold_clime.py，Wiki-Vote.txt。
pyltp_wheel安装包.7z
哈工大自然语言处理ltp在windows10下的安装使用，两个文件针对不同的python版本下载一个即可pyltp-0.2.1-cp35-cp35m-win_amd64.whl和pyltp-0.2.1-cp36-cp36m-win_amd64.whl
IEEE Access 论文模板下载
IEEE Access 论文模板下载
IEEE Access 论文模板包括word模板和Latex模板下载
CNN卷积神经网络实现Mnist手写数字识别数据集
1、Mnist_cnn.py 该脚本文件 用TensorFlow框架 实现CNN卷积神经网络处理Mnist手写数字识别数据集，准确率达到99.21%；
2、Mnist_cnn_tensorboard.py 该脚本文件在Mnist_cnn.py的基础上实现可视化。
RSS订阅
69674
57
