- 博客(272)
- 收藏
- 关注
RSS订阅原创 基于层次聚类的UCI动物园数据集分析与实现
从谱系图可以清晰看出，特征相似度高的动物会优先合并为同一分支，在纵坐标距离约22的位置进行横向切割，可精准划分出7个独立的聚类分支，对应7类动物，与数据集原生的生物分类完全匹配，证明层次聚类的分层结构符合客观规律。轮廓系数越接近1，代表簇内样本相似度高、簇间差异大，聚类效果最优；相比于单链接、全链接距离算法，Ward法能够最大程度保证每一个聚类内部样本特征高度相似、聚类之间差异明显，生成的聚类结构紧凑、分类边界清晰，有效避免了聚类松散、分类错乱的问题，适配本实验0-1二值特征+少量数值特征的混合数据集。
2026-06-17 14:23:55
364
原创 Python调用百度智能云API实现地址识别
是自然语言处理（NLP）与地理信息（GIS）结合的技术，能够从杂乱的非结构化地址文本中，自动提取出收件人、联系方式、行政区划、详细地址等规范信息。是百度面向开发者提供的应用程序编程接口，将自然语言处理、地图定位等AI算法封装在云端，开发者无需自行训练模型，通过代码即可调用对应的AI能力。④识别不含姓名、电话的纯地址文本，对应字段显示默认值，程序正常运行，结果如图所示。⑥输入无效乱码文本时，程序返回默认结果，无崩溃异常，结果如图所示。⑤输入空字符串或空格时，触发输入拦截，程序报错，结果如图所示。
2026-06-15 21:13:57
306
原创 Python 调用百度智能云 API 实现地址识别
项目以非结构化收货信息为输入，通过百度智能云 NLP 地址识别接口提取姓名、电话、省、市、区县、街道、详细地址和经纬度等字段，并将结果展示在终端、保存为 JSON 与 CSV 文件。在本项目中，百度智能云提供地址识别 API，本地 Python 程序只需要把待识别文本封装为 JSON，通过 HTTP POST 请求发送到接口地址，就可以获得姓名、电话号码、省、市、区县、街道、详细地址和经纬度等字段。从测试结果可以看出，程序能够将混合顺序的地址文本拆分为姓名、手机号、行政区划、街道和坐标等字段。
2026-06-15 21:02:26
708
原创 2025级研究生《人工智能》课程考试说明
第一大题：分类和回归-------------------------------------（9选1）第二大题：降维和聚类-------------------------------------（9选1）第四大题：深度学习项目-----------------------------------（9选1）题目采取随机分配方式，请查阅人工智能高级语言程序设计考试-题目分配表 ，获悉个人题目。第三大题：API调用（课程中学习过的所有云平台）-----------（13选1）考试期间存在任何问题举手示意。
2026-06-15 20:25:15
734
原创 基于随机森林回归模型的加州房价预测与特征重要性分析
其中，pandas 用于数据读取与表格处理，scikit-learn 用于数据集划分、模型训练与指标计算，matplotlib 用于结果可视化。接着使用随机森林回归模型完成训练，再在测试集上进行预测与性能评估，最后输出指标文件、特征重要性表和可视化图像。随机森林回归是一种集成学习方法，它通过构建多棵决策树并对各棵树的预测结果求平均值，从而提升模型的泛化能力与预测稳定性。相较于单棵决策树，随机森林能够有效降低过拟合风险，并且可以输出各特征对预测结果的贡献度，因此非常适合用于房价预测与特征重要性分析任务。
2026-06-15 16:28:57
266
原创 调用智谱AI实现特定角色扮演对话
朱甜甜，女，西安工程大学电子信息学院，2025级研究生研究方向：图像生成电子邮件：1946451925@qq.com李逸超，男，西安工程大学电子信息学院，2025级研究生，张宏伟人工智能课题组研究方向：机器视觉与人工智能电子邮件：2317314922@qq.com本系统的数据集包含用户输入、模型回复、角色设定及时间戳四类字段。核心设计原则为保证对话一致性，其中角色设定的一致性通过时间戳进行验证。表 1 数据采集维度说明字段说明用户输入用户在交互界面提交的原始文本模型回复。
2026-06-12 18:59:40
408
原创 Python调用百度API实现图像清晰度增强
开发者只需要准备图片和接口密钥，通过 Python 程序向百度智能云发送请求，即可获得处理后的图片结果。API_KEY 和 SECRET_KEY 是调用百度智能云接口所需的身份凭证，需要替换为自己在百度智能云控制台中获取的密钥。增强后，道路标线、车辆边缘和建筑轮廓更加清楚，适合交通场景优化，但对严重失焦或细节丢失的图片改善有限。本项目使用 Python 调用百度智能云“图像清晰度增强”API，实现对本地图片的自动增强处理。增强后，图像线条和角色轮廓更加清楚，色块边缘更加自然，适合动画截图优化和壁纸制作。
2026-06-10 19:06:16
277
原创 基于KNN的帕尔默企鹅种类预测分类
实验结果显示，当K=1时，模型在测试集上取得1.0000的准确率，三类企鹅的Precision、Recall和F1-score均达到1.00，混淆矩阵中没有误分类样本。虽然模型实际使用了四个特征，但二维可视化仍能帮助观察不同企鹅类别的分布情况：Adelie样本通常喙长较短，Chinstrap样本喙长较长且喙深偏大，Gentoo样本喙深相对较小，类别之间整体具有较明显的分布差异。根据实验结果，清洗后的测试集中共有67条样本，其中Adelie为29条、Chinstrap为14条、Gentoo为24条。
2026-06-10 10:21:24
422
原创 利用DeepLab在PascalVOC数据集中实现简单物体的多类别分割
本文介绍了基于DeepLabv3+模型的语义分割技术研究。针对传统CNN分割架构存在的细节丢失和多尺度目标识别难题，Google团队提出的DeepLab系列通过空洞卷积和ASPP（空洞空间金字塔池化）模块，实现了在不损失分辨率的情况下捕获多尺度特征。文章详细解析了DeepLab的算法原理、技术优势及实现流程，包括PyTorch框架下的环境配置、数据准备、模型训练与推理代码。实验在PASCAL VOC2012数据集上验证了模型对20类物体的分割效果，并对比了不同场景下的模型选型策略。
2026-06-09 21:13:18
143
原创 使用阿里云 API 实现图像文字识别与校园文档智能分类系统
朱翊崑，西安工程大学电子信息学院研究生，研究方向为机器视觉与人工智能。电子邮件：yikunzhu9@126.com本项目来源于人工智能高级语言程序设计课程实践，主要围绕“阿里云 API 图像文字识别”展开。项目并不是单纯完成一次 OCR 接口调用，而是进一步结合校园学习场景，将图像文字识别技术应用到实验报告检查、课程通知提取、签到表识别和作业题目整理等实际任务中，从而实现一个面向研究生群体的轻量级校园文档生产力工具。2.3.1 API。
2026-06-09 20:47:57
499
原创 使用K-means算法对葡萄酒数据集进行聚类分析
马一超，男，西安工程大学电子信息学院，2025级研究生研究方向：模式识别与人工智能电子邮件：2424102004@qq.comK-Means 是一种基于划分的聚类算法，其核心思想是通过迭代优化，将数据集划分为k个簇，使得簇内样本的相似度最大化，簇间样本的相似度最小化。算法通过不断更新簇中心（质心）和重新分配样本点来达到最优划分。算法流程基于以下关键概念：簇中心（Centroid）：每个簇的代表点，通常为簇内所有样本的平均值。簇分配（Assignment）：将每个样本点分配到距离最近的簇中心。
2026-06-09 20:30:44
266
原创 使用ResNet网络实现猫狗数据集分类
姓名:孙路炜 性别：男西安工程大学电子信息学院，2025级研究生研究方向：医学分割电子邮件：2441065596@qq.com2．ResNet18网络架构介绍ResNet-18（残差网络-18）是深度学习和计算机视觉领域里程碑式的经典卷积神经网络架构.在深度学习的早期，研究人员发现了一个直观的规律：网络越深，层数越多，模型的表达能力就越强，准确率通常也越高。
2026-06-09 20:16:09
334
原创 利用YOLOv8在COCO128数据集上的目标检测
COCO128包含多种常见生活目标，例如person、bicycle、car、motorcycle、airplane、bus、train、truck、cat、dog、bowl、pizza、zebra、giraffe等。实验中，模型在128张图片和929个目标实例上进行评估，Precision约为0.752，Recall约为0.421，mAP50约为0.538，mAP50-95约为0.379。YOLO系列模型属于目标检测算法，其核心思想是将整张图像输入模型后，直接预测图像中的目标类别、目标位置和置信度。
2026-06-09 14:58:00
482
原创 调用阿里云实现文本翻译功能
虽然本实验没有自行训练机器翻译模型，也不能直接确定云服务内部采用的具体模型版本，但通过学习 Transformer 的结构和注意力机制，可以更好地理解现代智能翻译服务处理语言信息的基本思想。需要进行准确说明的是：阿里云向开发者提供的是已经封装好的机器翻译服务接口，开发者只需要提交待翻译文本、源语言和目标语言等参数，即可获得翻译结果。与依赖循环结构的传统神经网络不同，Transformer 的核心思想是使用注意力机制直接建模句子中不同位置词语之间的关系。一个较好的机器翻译系统需要完成以下任务：。
2026-06-09 14:49:55
316
原创 使用DBSCAN算法对纽约市 Airbnb 房源数据集进行聚类分析
本文介绍了西安工程大学张佳美研究生对DBSCAN算法的研究及其在纽约Airbnb房源数据分析中的应用。文章首先阐述DBSCAN算法的原理、优缺点及实现流程，重点说明其通过密度聚类自动发现任意形状簇的能力。随后，基于纽约市48,895条Airbnb房源数据（包含经纬度、价格等特征），详细展示了数据预处理、参数优化（采用k-distance方法确定最优eps=0.5）和聚类分析的全过程。实验结果显示，DBSCAN成功识别出曼哈顿等高密度核心区（平均价格$200）与城市边缘稀疏区域，并通过可视化图表揭示了房源价格
2026-06-05 19:23:15
255
原创 使用Stable Diffusion v1.5文本引导与无分类器引导（CFG）算法实现条件生成图片
数据集中的每一条记录都包含一张 图片和对应的一段自然语言描述，模型正是通过学习这两 者之间的强关联映射关系，最终获得了理解用户的文本指 令并生成对应视觉图像的核心能力。通过模拟“破坏”与“重建”的动态循环，实现从纯噪声到真实图像的生成。生成阶段：反向去噪（重建信息） 生成时，算法从纯噪声出发，利用训练好的 模型逐步预测并减去噪声，从模糊到清晰， 逐步还原出具备细节和语义的图像。如果扩散过程没有引导，模型将从每个组的总体中抽取样本，但有时它可能会绘制适合两个标签的图像，例如，一个抚摸狗的男孩。
2026-06-04 20:21:27
401
5
原创 基于XGBoost的鸢尾花花瓣长度回归预测
1.加法模型（Additive Training）：不断地添加决策树，每棵新树去拟合当前模型预测值与真实值之间的残差（也就是先前模型还没学好的那部分误差）。•各样本预测误差（右下）：30 个测试样本中有 11 个红色标记的大误差样本（误差 > 0.3 cm），可重点关注这些样本的特征是否有异常值。预测一个样本时，根据该样本的特征，它会落到每棵树的某个叶子节点上，每个叶子节点对应一个分数。•RMSE（均方根误差）：MSE 开根号，量纲与目标变量一致（单位：cm），比 MSE 更直观。
2026-06-02 15:59:47
365
4
原创 基于朴素贝叶斯的新闻主题自动分类课程汇报
问题一：样本数量过少导致分层划分失败。该命令会读取 data/thucnews_5class.csv，执行完整训练评估流程，并在 results 目录下生成 thucnews_nb_model.joblib、thucnews_result_report.txt 和 thucnews_confusion_matrix.png 等结果文件。其中，P(C) 表示类别先验概率，P(X|C) 表示在类别 C 下出现文本特征 X 的概率，P(X) 对所有类别相同，因此分类时主要比较 P(X|C)P(C) 的大小。
2026-06-02 15:31:20
428
原创 Python调用百度智能云API实现文本纠错
而本实验所调用的普通纠错接口，其底座技术更偏向于词级别（Word-level）的错别字、别词及拼写检查，无法有效处理句法层面的深度逻辑重构。”、“我一身中的貴人。百度智能云的普通文本纠错接口内部的语言模型更侧重于简体中文语料，对繁体文本的编码和分词支持不够稳定，极易发生漏纠现象。未来改进方案：后续研究可尝试切换并接入百度智能云提供的高级文本纠错接口（基于大语言模型精调版），或者在数据输入前加设一层“繁转简”的文本清洗管道。以下是本实验的完整 Python 实现源码，代码中包含了详尽的架构注释：。
2026-06-02 15:26:55
550
原创 调用智谱AI实现实现图片反推提示词
刘壮，男，西安工程大学电子信息学院，2025级研究生研究方向：机器视觉与人工智能电子邮箱：1523064593@qq.com李逸超，男，西安工程大学电子信息学院，2025级研究生，张宏伟人工智能课题组研究方向：机器视觉与人工智能电子邮件：2317314922@qq.com图片提示词反推是指根据一张已经存在的图片，自动分析画面中的主体、场景、构图、光照、色彩、风格和细节，并生成一段可以再次用于文生图模型的提示词。它常用于 AI 绘画复刻、图像风格分析、素材整理和提示词学习。
2026-06-02 14:07:59
367
原创 使用 Rectified Flow 和 Diffusion Transformer实现 MNIST 手写数字图像生成
训练过程中，程序会在 runs_rf_dit_mnist 文件夹中保存 sample_epoch_1.png、sample_epoch_2.png 等图片。在本实验中，DiT 的作用是接收中间状态图像 xₜ 与连续时间 t，并预测与输入图像尺寸相同的速度图 vθ(xₜ, t)。模型训练完成后，不需要输入某张待识别图片，而是从随机高斯噪声出发，经过多步速度场更新，逐步得到具有手写数字轮廓的灰度图像。训练结束后使用 sample.py 加载 latest.pt，单独生成 final_sample.png。
2026-06-01 16:07:57
314
原创 腾讯云调用IP定位
IP定位主要依托全球IP地址分配规则进行地理位置推断。通过查询目标IP所属的ISP及其覆盖的服务区域，可实现对物理位置的粗略定界。若接口返回“每日调用量达到上限”，请检查您的 Key 额度或查看腾讯位置服务官方文档确认 API 的最新限额与格式要求。程锡贵，男，西安工程大学电子信息学院，2025级研究生，张宏伟人工智能课题组。
2026-06-01 15:28:39
418
原创 基于Grounded-SAM-2的动态场景目标检测
•视频跟踪与记忆更新（后续帧用）：memory encoder：把上一帧生成的掩码和图像特征，编码成“记忆特征”，存起来。memory attention：在下一帧处理时，从 memory bank 里调取历史记忆，和当前帧的图像特征做注意力计算，从而知道 “这一帧里哪个是我之前跟踪的目标”。•“提示 - 掩码” 生成阶段（首帧用）：prompt encoder：接收用户给的 “提示” ，把这些提示变成特征，告诉模型 “我要分割的目标在哪”。•用文本特征，从图像特征中筛选出和文字描述相关的视觉查询。
2026-05-31 18:20:03
573
原创 基于KPCA的手写数字降维与分类识别
本文介绍了基于KPCA（核主成分分析）和SVM的手写数字识别方法。作者李至屹和郭政来自西安工程大学，研究方向分别为FPGA嵌入式系统设计和机器视觉。研究使用MNIST数据集，通过KPCA算法将784维的手写数字图像非线性降维至2维空间进行可视化，再结合RBF核SVM分类器实现识别。实验在Python环境下完成，结果显示该方法能有效分离不同数字类别。文章详细阐述了KPCA原理、实验流程和代码实现，包括数据预处理、降维可视化和分类评估等步骤，最终输出了分类准确率和混淆矩阵等结果。
2026-05-29 11:08:44
227
原创 多轮约束下的代码编写：基于智谱AI的智能开发实践
作者：王嘉玙璠，女，西安工程大学电子信息学院,2025级研究生研究方向：3D点云、零样本电子邮箱：bayoulove1@gmail.com作者：李逸超，男，西安工程大学电子信息学院，2025级研究生张宏伟人工智能课题组研究方向：机器视觉与人工智能联系邮箱：2317314922@qq.com你有没有遇到过这样的情况：用AI写代码时，需求一变，AI就“失忆”了？明明之前说好的逻辑，改了几轮后，AI竟然忘了最基础的要求？本文分享一种多轮约束代码生成框架，基于智谱AI GLM-4系列模型。
2026-05-28 21:08:10
308
原创 基于支持向量回归（SVR）的糖尿病病情进展预测
从表1可以看出，径向基核SVR的R²最高，同时MSE和MAE最低，因此在本次实验中径向基核模型综合表现较好。数据集中的特征已经经过缩放处理，但为了保持SVR建模流程的规范性，并与目标值标准化处理保持一致，实验中仍使用StandardScaler对训练集和测试集进行统一标准化。下面给出完整实验代码。实验分别训练线性核、多项式核和径向基核三种SVR模型。测试结果表明，三种模型都能够在一定程度上拟合糖尿病病情进展趋势，但不同核函数的预测能力存在差异。• 第四步：使用三种不同核函数的SVR模型进行训练和预测。
2026-05-27 10:29:14
402
原创 基于随机森林的红酒质量等级预测分类
随后遍历每个少数类标签，提取该类所有原始样本并计算需合成的样本数量，通过循环生成新样本：先从当前少数类中随机选取根样本x，再从其k个同类近邻中随机选取一个近邻样本x_neigh，生成0到1之间的随机插值因子λ，通过核心公式x_new=x+λ×(x_neigh-x)线性插值生成新的特征向量，将新样本特征与对应标签存入合成样本列表，直至少数类样本数与多数类持平；而样本2、3、4的置信度仅为50%-55%，类别概率分布接近，模型对这类边界样本的判断存在明显犹豫，易出现混淆；
2026-05-27 10:22:20
669
原创 基于LDA的Olivetti人脸降维与身份识别
本文介绍了基于PCA、LDA和KNN算法的人脸识别方法研究。实验采用Olivetti人脸数据集，首先通过PCA将4096维特征降至100维，再用LDA进行监督降维至39维，最后结合KNN分类器实现身份识别。结果表明，该方法在测试集上达到98.75%的高准确率，验证了PCA预处理结合LDA判别特征提取的有效性。研究证实了监督降维方法在人脸识别任务中的优越性，为高维数据处理提供了实用解决方案。
2026-05-26 20:57:59
460
原创 基于mlp的神经网络的红酒品质回归预测
R方值是衡量回归模型拟合优度的统计量，它表示回归模型对观测值的拟合程度，代表了模型中因变量可由自变量解释的百分比。R方值的取值范围在0到1之间，R方值越大，说明回归模型对观测值的拟合程度越好。MAE用于评价真实值与拟合值的偏离程度，MAE值越接近于0，说明模型拟合越好，模型预测准确率越高（但是RMSE值还是使用最多的）。均方误差根RMSE，是均方误差MSE的算术平方根，回归模型中最常用的评价模型指标。均方误差MSE（又称L2范数损失），即误差平方和的平均值，MSE是衡量模型预测误差的一种常用指标。
2026-05-26 15:39:53
508
原创 基于 DINO 模型在COCO2017 数据集上的目标检测性能评估（AP 指标）
本文复现的 DINO 模型在仅 12 个训练轮次的情况下，综合 AP 达到 49.1%，与官方基准（49.0%）高度一致，验证了模型复现的正确性。DINO（DETR with Improved denoising anchor boxes for Object Detection）作为 DETR 的改进版本，通过引入对比学习去噪、混合查询选择、动态锚点等创新模块，在保持端到端优势的同时，显著提升了收敛速度和检测精度，成为当前 Transformer 目标检测的基准模型之一。
2026-05-25 22:02:12
301
原创 基于DINOv2实现特征匹配异常检测
作者：李逸超，西安工程大学电子信息学院，2025级研究生张宏伟人工智能课题组研究方向：机器视觉与人工智能联系邮箱：2317314922@qq.com。
2026-05-25 21:53:12
486
原创 调用讯飞星火API实现图片理解
陈文，男，西安工程大学电子信息学院，2025级研究生研究方向：低光增强电子邮件：2628394288@qq.com本文围绕多模态大模型在图片理解任务中的 API 调用与效果评估展开实验。实验选取 LOLv2 数据集 Train/Normal 中的 12 张代表性图片，统一使用“描述主要内容并列出最重要的 5 个对象”的 Prompt，对讯飞星火、阿里云百炼和智谱 GLM 三个平台进行批量调用，并从关键对象召回率、响应时间、token 用量和调用成功率等维度进行比较。
2026-05-25 15:45:38
513
原创 基于PCA与HOG特征融合的热轧钢带缺陷检测
摘要：本文研究了基于PCA和HOG特征融合的钢带表面缺陷检测方法。作者使用NEU-CLS数据集（6类缺陷，共1800张图像），分别提取PCA全局灰度特征和HOG局部纹理特征，并测试了三种特征提取方式。实验结果表明：单独PCA方法准确率最低（依赖整体灰度差异），HOG方法效果更好（对边缘特征敏感），而PCA+HOG特征融合方法表现最优（准确率89.17%，F1值0.89），证明两类特征具有互补性。但部分纹理相似的缺陷类别仍存在混淆，显示传统手工特征的局限性。研究为钢带缺陷检测提供了有效的特征融合方案。
2026-05-25 15:33:45
372
原创 调用深度求索的智能对话
韦昊，男，西安工程大学电子信息学院，2025级研究生研究方向：机器视觉与人工智能电子邮件：2154548512@qq.com程锡贵，男，西安工程大学电子信息学院，2025级研究生，张宏伟人工智能题组研究方向：机器视觉与人工智能电子邮件：15327178796@163.com硅基流动（SiliconCloud）是硅基流动公司推出的一站式大模型云服务平台 ，致力于为开发者和企业提供高效、低成本且全面的生成式人工智能（GenAI）模型服务，包括 IaaS、PaaS 和 MaaS。
2026-05-25 14:50:04
428
原创 使用高斯混合模型对鸢尾花数据集进行聚类分析
邓璎珈，女 西安工程大学电子信息学院，2025级研究生。研究方向：机器视觉与人工智能。电子邮件：1823143791@qq.com高斯混合模型（Gaussian Mixture Model，GMM）是一种基于概率分布的聚类方法。该模型认为样本数据并非来自单一分布，而是由若干个高斯分布共同生成。每一个高斯分布可被理解为一个潜在类别，模型通过估计不同高斯分布的均值、协方差和混合权重，进一步判断样本更可能属于哪一个聚类成分。与 K-Means 等硬聚类方法相比，GMM 的特点在于“软聚类”。
2026-05-25 14:47:20
551
原创 基于MLP神经网络的红酒品质回归预测
从实验表现来看，MLP 能够有效学习红酒理化特征与品质评分之间的非线性关系，但受限于数据规模、品质标签的主观性以及网络超参数设置，模型仍有进一步优化空间。数据预处理时，先将quality列作为预测目标，其余11个字段作为输入特征，再按8:2划分训练集与测试集，并使用 StandardScaler 对特征进行标准化处理，以减小不同量纲对模型训练过程的影响。本实验以红酒的11个理化指标作为输入，以品质评分作为输出，网络结构可设置为11->64->32->1，从而完成红酒品质分数预测。
2026-05-25 14:36:35
448
原创 利用微缩版 U-Net 的 DRIVE 眼底血管分割
输入是彩色眼底图像，输出是与输入图像同尺寸的二值掩膜，其中白色区域表示血管，黑色区域表示背景。血管掩膜则读取为灰度图，并扩展成 1×H×W。loss.py 中的 DiceBCELoss 先对模型输出做 Sigmoid，然后展平预测和标签，分别计算 Dice Loss 与 BCE，再相加作为最终损失。本文所说的“微缩版 U-Net”是课程实验语境下的简化实现：保留 U-Net 的编码器-解码器、跳跃连接和像素级分类主干，不引入复杂预训练骨干、注意力模块或后处理算法，使模型结构和训练流程便于理解、复现与汇报。
2026-05-23 11:14:08
459
原创 基于LSTM的天气预测
本文介绍了LSTM网络原理及其在气象数据预测中的应用。作者陈相樵是西安工程大学研究生，研究方向为无人机路径规划。文章详细阐述了LSTM通过门控机制解决RNN梯度消失问题的原理，包括遗忘门、输入门和输出门的工作机制。实验采用耶拿气候数据集，包含2009-2016年14种气象参数，分别实现了单变量（气压/温度）和多变量（温度、气压、湿度）预测。实验结果表明LSTM能有效处理长序列气象数据，并提供了完整的PyTorch实现代码，包括数据预处理、模型构建、训练和可视化模块。多变量预测结果显示模型能同时准确预测多个气
2026-05-22 17:33:22
498
原创 调用华为云API实现图像标签识别
本文介绍了基于华为云API的图像标签识别实验。实验通过调用华为云图像识别服务的API接口，实现了对图片内容的自动识别与标签提取。文章详细阐述了API调用流程，包括账号注册、密钥获取、Python代码实现等关键步骤。实验结果表明，该方法能够有效识别图片中的场景、物体等元素，并输出结构化标签信息。该技术可应用于智能相册管理、图片检索、内容推荐等场景，为机器视觉教学与实验提供了便捷的云端解决方案。
2026-05-22 15:24:04
499
原创 调用深度求索实现文本摘要生成器
大语言模型生成，能理解上下文语义，摘要更加自然流畅。抽取式摘要：从原文中提取关键句，不改变原文语句，实现简单，但可读性一般，语义连贯性较差。架构：当前主流大模型的核心，具有并行计算能力强、长距离语义建模能力强等特点。程锡贵，男，西安工程大学电子信息学院，2025级研究生，张宏伟人工智能题组。注意力机制：能够动态关注文本中的核心内容，自动分析词语间的关系。高朝阳，女，西安工程大学电子信息学院，2025级研究生。与传统方法相比，其特点如下：。终端运行程序后，输入电力统计新闻长文本，系统成功调用。
2026-05-20 15:23:43
440
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人