qq_55918420的博客

毫欧级的电阻，取决于它的性能参数，它在电路中的作用是采集电路中的电流信息。电阻值小，就意味着当它在电路中时，对功率的损耗较小，对电路本身的影响很小。理论上说，当低值电阻在电路里时，可以用作反馈。因此，对于毫欧级电阻的精确测量也非常重要。该设计并没有制作实物，只是进行了Proteus的仿真，并进行了20组数据的测量，并记录了测量结果，测得的电阻值较为准确。 该设计是软硬件结合的形式，此次实验需要额外设计一个恒流源，将待测电阻接入电路，因为恒流源提供微小的电流，而且待测电阻为毫欧级，其两端电压极小，所以将待测电阻两端接入仪用放大器电路，将电阻两端的微小电压放大到一定的倍数后，通过A/D数模转换芯片将模拟电压转换成数字电压，再将得到的数字电压输入单片机，在程序中使用计算电阻公式将电阻值计算出来，最后就能将结果显示在显示屏上。 文档最后附Keil完整程序

该程序包含了LCD的初始化读写设置，可以显示中文。 注意：需要按照代码来对器件进行连线

基于Bayes、决策树和SVM的图像分类： 1.用给出的图像作为训练和测试集 2.基于不同特征的bayes、决策树和SVM算法对图像进行分类。 3.利用精度、召回率和F1以及混淆矩阵以及kappa系数等来评判分类精度 4.进行算法分类精度对比 通过实验对比用三种算法对图片进行分类，Bayes的精确度是0.46，决策树的精确度是0.40，SVM的精确度是0.61，对比可知SVM的精确度相对较好，Bayes其次，决策树最差；从运行耗时可见：决策树耗时最短，Bayes其次，SVM耗时最长。从混淆矩阵图我们可以看出来，主对角线表示分类正确的数值，除此之外的都是分类错误的，主对角线颜色越深，说明分类的正确率越高。 注意：程序运行需要很长一段时间！！！

该Keil程序需要自己准备一块STC12C5A60S2单片机最小系统的板子，以及一块LCD1602液晶显示屏，板子上有预留给显示屏的引脚，将显示屏插在单片机自带的显示屏引脚上， 注意代码中： LCD1602_RS = P2^5; LCD1602_RW = P2^6; LCD1602_EN = P2^7; 如果需要在proteus中仿真，由于只有一个芯片器件，没有芯片集成模块，所以所有的引脚都需要自己连接，注意以上三个引脚（读，写，使能端）不要连错。