AI
云微123
饮糊涂酒一瓢,炖悲喜一锅吃掉x
个人网站:
www.yunwei123.tech
github:
https://github.com/yunwei37
展开
-
flask + pyecharts 疫情数据分析 搭建交互式动态可视化疫情趋势分析、舆情监测平台(附代码实现)
该项目是浙江大学地理空间数据库课程作业8:空间分析中,使用 flask + pyecharts 搭建的简单新冠肺炎疫情数据可视化交互分析平台的一部分,完整的实现包含疫情数据获取、态势感知、预测分析、舆情监测等任务;包含完整代码、数据集和实现的github地址:https://github.com/yunwei37/COVID-19-NLP-vis项目分析报告已部署到网页端,可点击http://flask.yunwei123.tech/进行查看,数据已更新到6.17本项目采用flask作为后端,使用p原创 2020-06-21 14:53:52 · 3024 阅读 · 2 评论 -
改进的自适应中值滤波算法 去除椒盐噪声 python 代码实现
传统的中值滤波算法在椒盐噪声的去除领域有着比较广泛的应用,其具有较强的噪点鉴别和恢复能力,也有比较低的时间复杂度:其基本思想是采用像素点周围邻接的若干像素点的中值来代替被污染的像素点;但也存在一定的缺陷,随着图像被污染程度的加深,此方法恢复的图像细节模糊、边缘损失也会越严重。此处采用改进的自适应中值滤波算法进行图像恢复:根据图像处理的空间相关性原则,采用自适应的方法选择不同的滑动窗口大小;在算法中单滤波窗口大小达到最大值时,采用均值滤波;def get_window(res_img,noise原创 2020-06-10 21:49:02 · 5792 阅读 · 6 评论 -
flask + pyecharts 疫情数据分析 搭建交互式动态可视化新冠肺炎疫情地图(附代码实现)
该项目是浙江大学地理空间数据库课程作业8:空间分析中,使用 flask + pyecharts 搭建的简单新冠肺炎疫情数据可视化交互分析平台的一部分,完整的实现包含疫情数据获取、态势感知、预测分析、舆情监测等任务;包含完整代码、数据集和实现的github地址:https://github.com/yunwei37/COVID-19-NLP-vis项目分析报告已部署到网页端,可点击http://flask.yunwei123.tech/进行查看最终效果:动态交互展示的世界地图:除了世界地图还可以原创 2020-06-04 18:12:27 · 4424 阅读 · 3 评论 -
flask + pyecharts 搭建新冠肺炎疫情数据可视化交互分析平台:包含疫情数据获取、态势感知、预测分析、舆情监测等任务
该项目是浙江大学地理空间数据库课程作业8:空间分析中,使用 flask + pyechart 搭建的简单新冠肺炎疫情数据可视化交互分析平台,包含疫情数据获取、态势感知、预测分析、舆情监测等任务包含完整代码和实现的github地址:https://github.com/yunwei37/COVID-19-NLP-vis项目分析报告已部署到网页端,可点击http://flask.yunwei123.tech/进行查看交互可视化分析截图:空间数据分析 作业要求作业目的:了解空间数据在日常生原创 2020-06-04 09:43:05 · 4797 阅读 · 3 评论 -
Alpha-Beta 剪枝搜索实现黑白棋AI
完整代码可以在 我的AI学习笔记 - github 中获取游戏规则棋局开始时黑棋位于 E4 和 D5 ,白棋位于 D4 和 E5,如图所示。黑方先行,双方交替下棋。一步合法的棋步包括:在一个空格处落下一个棋子,并且翻转对手一个或多个棋子;新落下的棋子必须落在可夹住对方棋子的位置上,对方被夹住的所有棋子都要翻转过来,可以是横着夹,竖着夹,或是斜着夹。夹住的位置上必须全部是对手的棋子,不能有空格;一步棋可以在数个(横向,纵向,对角线)方向上翻棋,任何被夹住的棋子都必须被翻转过来,棋手无权选.原创 2020-05-13 11:07:28 · 3734 阅读 · 0 评论 -
基于卷积神经网络的垃圾分类
卷积神经网络 - 垃圾分类代码和数据集可以在https://github.com/yunwei37/myClassNotes中获取实验内容自今年7月1日起,上海市将正式实施 《上海市生活垃圾管理条例》。垃圾分类,看似是微不足道的“小事”,实则关系到13亿多人生活环境的改善,理应大力提倡。垃圾识别分类数据集中包括 glass、cardboard、metal、paper、plastic、trash,共6个类别。生活垃圾由于种类繁多,具体分类缺乏统一标准,大多人在实际操作时会“选择困难”,基于深度学原创 2020-05-13 11:01:06 · 11738 阅读 · 7 评论