Python
文章平均质量分 88
Yakuho
网络爬虫、深度学习、古灵精怪的需求 :)
展开
-
【Python数据结构】堆排序及用于优先级队列
堆排序堆是一个近似完全二叉树的结构,并同时满足堆积的性质:即子结点的键值或索引总是小于(或者大于)它的父节点。结构如下:在Python中使用层序遍历的结果将完全二叉树保存在数组中如:(上面两个图来自: 博客园 dreamcatcher-cx)使用堆排序,特征是使得最小或最大的元素总是在根部,即在数组的头部。所以也可以用作优先级队列。实现代码如下class HeapSort: def __init__(self, mode, data=None): """原创 2020-12-12 19:28:00 · 109 阅读 · 0 评论 -
【Python数据结构】无向图的实现及用数学思想相互转换进行上下三角压缩
PS:此处使用的表示方式只是邻接矩阵和只存半三角矩阵这两种。邻接矩阵的转化方法:下三角列表转化邻接矩阵(设矩阵的阶数为NNN)对于下三角而言:索引每层都是顺序递增,且第一层只含有一个元素,第二次含有两个元素,以此类推…故只需确定起点就可由列表转为矩阵。起点的递增便可以理解为二阶导数是1的一个函数。起点用函数表示即f(y+1)=f(y)+y+1,f(0)=0,此处y表示第几行.f(y+1)=f(y)+y+1,f(0)=0,此处y表示第几行.f(y+1)=f(y)+y+1,f(0)=0,此处y表示第几原创 2020-12-06 19:41:39 · 474 阅读 · 1 评论 -
【Python深度学习】基于Tensorflow2.0构建CNN模型尝试分类音乐类型(一)
音乐分类前言复现代码MP3转melCNN模型训练结果总结前言我在逛github的时候,偶然发现了一个项目:基于深度学习的音乐推荐.[VikramShenoy97]。作者是基于CNN做的一个音乐类型分类器,input_shape是128×128×1的tensor也就是128帧、128为帧长度Mel特征;输出的是8个类型的softmax值。在推荐部分则使用NLP方向简单的余弦相似度进行评估,算距离最小作者训练后的训练集准确率是0.7785,验证集的准确率是0.6611, epoch是10,我通过python原创 2020-09-09 14:54:29 · 2348 阅读 · 4 评论 -
【Python爬虫】借助某猪的案例写关于辅助xpath解析的小装饰器
此案例用简单selenium完成且重点在于解析数据到达目标页面配置相关Selenium获得页面page_source通过Xpath解析文本辅助Xpath的小装饰器最终效果到达目标页面通过百度搜索某猪的民宿,我们到达了目标的列表页,并记录下目标的URL配置相关Selenium获得页面page_source例如配置长这样通过Xpath解析文本例如解析这些数据或许已经注意到了,类装饰器有itemStrip这玩意吗???答案是这玩意是我编出来的。那么它的作用是什么?辅助Xpath的小装饰器装原创 2020-08-02 22:47:58 · 124 阅读 · 0 评论 -
【Python信号处理】FFT变换后的坐标变换以及绘图
假设:f1=10;f2=20;f3=30假设:f1 = 10;f2 = 20;f3 = 30假设:f1=10;f2=20;f3=30y=sin(2∗pi∗f1∗t)+2∗sin(2∗pi∗f2∗t)+3∗sin(2∗pi∗f3∗t)y = sin(2*pi*f1*t) + 2*sin(2*pi*f2*t) + 3*sin(2*pi*f3*t)y=sin(2∗pi∗f1∗t)+2∗sin(2∗pi∗f2∗t)+3∗sin(2∗pi∗f3∗t)FrequencySample(fs)=128,L原创 2020-05-27 18:06:04 · 1857 阅读 · 0 评论 -
【Python信号处理】数字信号处理-压缩采样频率
压缩采样频率令N=srd目标压缩频率、M=sr原频率、.[X]为对X四舍五入、[X]为对X取整令N = srd目标压缩频率、M = sr原频率、.[X]为对X四舍五入、[X]为对X取整令N=srd目标压缩频率、M=sr原频率、.[X]为对X四舍五入、[X]为对X取整对于满帧:ni=∑0<i<N.[iN∗M]n_i = \sum\limits_{0<i<N} .[\frac i N * M]ni=0<i<N∑.[Ni∗M]对于欠满帧:设不满帧总帧元素为原创 2020-05-23 15:23:43 · 812 阅读 · 0 评论 -
【MFCC梅尔倒频谱参数】浅谈语音特征参数MFCC提取过程
在语音识别(Speech Recognition)和话者识别(Speaker Recognition)方面,最常用到的语音特征就是梅尔倒谱系数(Mel-scale Frequency Cepstral Coefficients,简称MFCC)。根据人耳听觉机理的研究发现,人耳对不同频率的声波有不同的听觉敏感度。从200Hz到5000Hz的语音信号对语音的清晰度影响对大。两个响度不等的声音作用于人耳时,则响度较高的频率成分的存在会影响到对响度较低的频率成分的感受,使其变得不易察觉,这种现象称为掩蔽效应。由于原创 2020-05-04 17:17:28 · 2849 阅读 · 1 评论 -
【python_speech_features】MFCC调参用法以及参数说明
代码调用from python_speech_features import mfccmfcc_feature = mfcc(**kwargs)paramssignal:the audio signal from which to compute features.Should be an N1 array用来计算梅尔频率倒谱系数特性的音频信号。是一个N1的数组samplerat...原创 2020-05-02 21:24:44 · 5715 阅读 · 3 评论