各板块龙头股大全

各板块龙头股大全 

(1).指标股: 
中国石油、工商银行、建设银行、中国石化、中国银行、中国神华、招商银行、中国铝业、中国远洋、宝钢股份、中国国航、大秦铁路、中国联通、长江电力 
(2).金融、证券、保险: 
招商银行、浦发银行、民生银行、深发展A、工商银行、中国银行、中信证券、宏源证券、陕国投A、建设银行、华夏银行、中国平安、中国人寿 
(3).地产: 
万科A、金地集团、招商地产、保利地产、泛海建设、华侨城A、金融街、中华企业 
(4).航空: 
中国国航、 南方航空、上海航空 
(5).钢铁: 
宝钢股份、武钢股份、鞍钢股份 
(6).煤炭: 
中国神华、兰花科创、开滦股份、兖州煤业、潞安环能、恒源煤电、国阳新能、西山煤电、大同煤业 
(7).重工机械: 
江南重工、 中国船舶、三一重工、安徽合力、中联重科、晋西车轴、柳工、振华港机、广船国际、山推股份、太原重工 
(8).电力能源: 
长江电力、华能国际、国电电力、漳泽电力、大唐发电、国投电力 
(9).汽车: 
长安汽车、中国重汽、一汽夏利、一汽轿车、上海汽车、江铃汽车 
(10).有色金属: 
中国铝业 、山东黄金、中金黄金、驰宏锌锗 、宝钛股份、宏达股份、厦门钨业、吉恩镍业、包头铝业、中金岭南、云南铜业、江西铜业、株冶火炬 
(11).石油化工: 
中国石油 、中国石化、中海油服、海油工程、金发科技、上海石化 
(12).农林牧渔: 
北大荒、通威股份、中牧股份、新希望、中粮屯河、丰乐种业、新赛股份、敦煌种业、新农开发、冠农股份、登海种业 
(13).环保: 
龙净环保、菲达环保 
(14).航天军工: 
中国卫星、火箭股份、西飞国际、航天信息、 航天通信、哈飞股份、成发科技、洪都航空 
(15).港口运输: 
中国远洋、中海海盛、中远航运、上港集团、中集集团 
(16).新能源: 
天威保变、丰原生化 
(17).中小板: 
苏宁电器、思源电器、丽江旅游、华星化工、科华生物、大族激光、中捷股份、华帝股份、苏泊尔、七匹狼、航天电器、华邦制药 
(18).电力设备: 
东方电机、东方锅炉、特变电工、平高电气、国电南自、华光股份、湘电股份 
(19).科技类: 
歌华有线、东方明珠、综艺股份、中信国安、方正科技、清华同方 
(20).高速类: 
赣粤高速、山东高速、福建高速、中原高速、粤高速、宁沪高速、皖通高速 
(21).机场类: 
深圳机场、上海机场、白云机场 
(22).建筑用品: 
中国玻纤、长江精工、海螺型材 
(23).水务: 
首创股份、南海发展、原水股份 
(24).仓储物流运输: 
中化国际、铁龙物流、外运发展、中储股份 
(25).水泥: 
海螺水泥、华新水泥、冀东水泥 
(26).电子类: 
晶源电子、生益科技、法拉电子、华微电子、彩虹股份、广电电子、深天马A、东信和平 
(27).软件: 
用友软件、东软股份、恒生电子、中国软件、金证股份、宝信软件 
(28).超市: 
大商股份、华联综超、友谊股份、上海家化、武汉中百、北京城乡、大连友谊、新华传媒 
(29).零售: 
王府井、广州友谊、新华百货、重庆百货、银座股份、益民百货、中兴商业、东百集团、百联股份、武汉中商、西单商场、上海九百 
(30).材料: 
星新材料、中材国际 
(31).酒店旅游: 
华天酒店、黄山旅游、峨眉山、丽江旅游、锦江股份、桂林旅游、北京旅游、西安旅游、中青旅游、首旅股份 
(32).奥运: 
北京城建、中体产业 
(33).酒类: 
贵州茅台、五粮液、张裕A、古越龙山、水井坊、泸州老窖 
(34).造纸: 
岳阳纸业、华泰股份、晨鸣纸业 
(35).啤酒: 
青岛啤酒、燕京啤酒 
(36).家电: 
佛山照明、青岛海尔、四川长虹、海信电器、格力电器、美的电器、苏泊尔 
(37).特种化工: 
烟台万华、金发科技、三爱富、华鲁恒升 
(38).化肥: 
盐湖钾肥、华鲁恒升、沙隆达A、柳化股份、湖北宜化、昌九生化、沧州大化、鲁西化工、沈阳化工 
(39).3G: 
中兴通讯、大唐电信、中国联通、亿阳信通、高鸿股份 
(40).食品加工: 
双汇发展、华冠科技、伊利、第一食品、承德露露、安琪酵母、恒顺醋业、上海梅林、维维股份、赣南果业、南宁糖业 
(41).中药: 
马应龙、吉林敖东、片仔癀、同仁堂、天士力、云南白药、千金药业、江中药业、康缘药业、康恩贝、东阿阿胶、九芝堂、中汇医药 
(42).服装: 
雅格尔、伟星股份、七匹狼、豫园商城 
(43).通信光缆类: 
长江通信、浙大网新、特发信息、中创信测、东方通信、夏新电子、波导股份、中电广通 
(44).建筑与工程: 
宝新能源、中材国际、上海建工、中工国际、浦东建设、中色股份、空港股份、安徽水利、隧道股份、腾达建设、新疆城建、路桥建设、中铁二局 
(45).玻璃: 
福耀玻璃、南玻A、山东药玻 
(46).股指期货: 
厦门国贸、弘业股份、美尔雅 
(47).其他: 
建发股份、鲁泰A、珠海中富、紫江企业
参考资料:http://www.10jqka.com.cn/modules.php?name=blog&mod=article&uname=fzgfx&aid=479074
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值