自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(30)
  • 收藏
  • 关注

原创 根据眼动数据的模板作为KNN聚类的中心点并因此进行数据分类

眼动仪是一种能够跟踪测量眼球位置及眼球运动信息的一种设备,在视觉系统、心理学、认知语言学的研究中有广泛的应用。通用设备原理为角膜反射法。以最基本的桌面式眼动仪为例,由于眼动仪(含摄像机)的位置固定,屏幕光源(被试所看的刺激材料)的位置也固定、眼球中心位置不变(假设眼球为球状,且头部不动),普尔钦斑的绝对位置并不随眼球的转动而变化

2023-01-04 20:23:40 506 1

原创 2022数学建模E题,关于不会数学公式放牧,只能用代码建模来放牧的痛苦回忆。包含完整代码和记录,此方法肯定有问题,但是我无能为力了,欢迎前来吃瓜。注意,代码偏多。慎入

通宵一晚上,终于勉强完成了代码,并赶在12点前提交论文。以下是一些截图,运行下方代码可以直接得到,数据集直接把官方给的数据集放在和此代码的同目录项目下,运行即可。絮絮叨叨几句,原本以为这题目我建立一个class类300行代码就可以解决了,结果最后写了700多行。为什么当时想不开就要一个class类封装所有呢= =,真的折磨自己。

2022-10-10 17:17:53 1913 2

原创 SimSwap: An Efficient Framework For High Fidelity Face Swapping 论文精读

​ 提出了一个高效的框架,称为简单交换(SIMSWAP),旨在实现广义的、高保真的人脸交换。与以往的方法相比,此框架能够在保留目标人脸属性的前提下,将任意源人脸的身份转换为任意目标人脸。通过以下两种方式克服上述缺陷。首先,作者提出了身份注入模块(IIM),它将源人脸的身份信息在特征级传递到目标人脸中。利用该模块,将特定于身份的人脸交换算法的框架扩展为任意人脸交换的框架。其次,提出了弱特征匹配损失,有效地帮助模型以隐式的方式保留人脸属性。

2022-09-30 08:00:00 972

原创 最近抖音,小红书上面有个很火的天气推送的公众号,可以给自己爱的人进行定时推送. 效果如下,结合亲生经历给大家讲述一下操作流程。整个项目代码目前十分规整,项目代码整体400多行 ,就直接分享出来吧.

最近抖音,小红书上面有个很火的女朋友专属天气推送的公众号,可以给自己爱的人进行定时推送. 在那基础上,重新封装改进,效果见正文,结合亲生经历给大家讲述一下操作流程。很简单,有点编程基础就可以. 网上看的相关介绍都是十分的简单,本着无偿分享的态度,重构了整个项目代码. 整个项目代码目前十分规整,项目思路也比较简单,就直接分享出来吧。觉得不错的记得点个赞和收藏

2022-09-29 11:07:21 1503 1

原创 将连续5天日平均气温均大于20°的一段时期识别为热浪,()请根据热浪定义,识别热浪事件,画出区域内平均的每年热浪发生天数的时间序列图 (2)计算并画出该区域内多年平均的热浪发生频率的空间分布图

python 将连续5天日平均气温均大于20°的一段时期识别为热浪,请根据ERA5的温度数据(t2mdaily2000_2009.nc)计算并画图:()请根据热浪定义,识别热浪事件,画出区域内平均的每年热浪发生天数的时间序列图(2)计算并画出该区域内多年平均的热浪发生频率的空间分布图

2022-09-22 18:12:15 1111 2

原创 腾讯会议参会人员确定,与筛选,只采用pandas库

面对的任务,由于疫情,学术会议或其他会议大多采用腾讯会议来开讲。一场讲座可能持续1个小时。1.根据腾讯会议用户昵称和入会昵称提取出参会人员的对应学号和姓名。2.计算在会时间,若时长满足(默认40min),则确认为参会有效。3.将结果保存在exlce文件中。以下程序完成了几个task。例如处理的原始数据如下。处理完成后的文件如下。

2022-09-22 17:55:04 1021

原创 XMem: Long-Term Video Object Segmentation with an Atkinson-Shiffrin Memory Model论文以及代码浅析

XMem,这是一种用于长视频的视频对象分割架构,具有统一的特征内存存储,受 Atkinson-Shifferin 内存模型的启发。先前关于视频对象分割的工作通常只使用一种类型的特征记忆。对于超过一分钟的视频,单个特征内存模型将内存消耗和准确性紧密联系在一起。相比之下,遵循 Atkinson-Shiffrin 模型,我们开发了一种架构,该架构包含多个独立但深度连接的特征记忆存储:快速更新的感觉记忆、高分辨率工作记忆和紧凑的因此持续的长期记忆

2022-09-22 17:39:19 1411

原创 获取文件夹下的所有文件,并将对应格式文件复制移动到对应文件夹[学生信息收集和处理]

获取文件夹下的所有文件,并将对应格式文件复制移动到对应文件夹[学生信息收集和处理]

2022-06-19 21:26:37 334

原创 机器学习绘制决策边界

一些可能用到的画图方法

2022-05-31 22:15:27 947 2

原创 出门游玩,运用百度api 和蚁群算法 ,解决基于现实实时数据的 旅行商问题

## 开发简易文档:### 需求: 给定多个地点,获取最短路径问题 需要回到原点,也就是np问题,旅行商问题## 实现步骤: 1.调用百度api,获取各个地点的经纬度 2.将各个地点经纬度换算为distance 单位: km 并获得cost loss 3.采用蚁群算法获取最短路径 4. 生成真实地理位置的二维映射,并显示最短花费时间(基于真实bus-subway)技能要求:api接口设定,json解析,蚁群算法,线程锁

2022-05-17 21:55:42 471 3

原创 差分进化算法,遗传差分获取 一个复杂二元函数在给定范围内的近似最优解(最大值or 最小值)

差分进化算法:(Difference Evaluation)例如面对以下问题:求函数f(x)=x_12+x_22函数的极值点->最小值点在 ( 0,0 ),最小值为0.差分进化算法对于不可导或者不连续也可以进行求解原理:算法的主体分成4个步骤: 1.初始化种群 2.产生变异个体 3.变异个体与原始种群交叉 4.从变异个体和原始种群中筛选优秀个体1. 初始化种群:1.1 种群大小size: 这表示种群中个体的个数,一般来说越大的值搜索到更优化的

2022-05-12 00:04:23 1288

原创 pytroch 查看卷积过程中的参数和提取的Feature map ,可视化

import numpy as npimport torch.nn as nnimport torchimport cv2import matplotlib.pyplot as pltclass torch.nn.ReLU(inplace=False) [source]参数: inplace-选择是否在本地运算class Model3(nn.Module): def __init__(self): super(Model3, self).__init__()

2022-05-11 20:08:33 511

原创 pytorch nn中的卷积层 与空洞卷积

import winntfrom torch.nn import Conv1dimport torch.nn as nnimport torch"""torch.rand(*sizes, out=None) → Tensor 返回一个张量,包含了从区间[0,1)的均匀分布中抽取的一组随机数,形状由可变参数sizes 定义.torch.randn(*sizes, out=None) → Tensor 返回一个张量,包含了从标准正态分布(均值为0,方差为 1,即高斯白噪声)中抽取一组随机数,形状由可变

2022-05-11 20:01:35 785

转载 torch中的索引,切片,连接,换位

import numpy as np'''https://pytorch-cn.readthedocs.io/zh/latest/package_references/torch/#indexing-slicing-joining-mutating-ops''''https://pytorch-cn.readthedocs.io/zh/latest/package_references/torch/#indexing-slicing-joining-mutating-ops'torch.cat(i

2022-05-10 11:31:45 1916

转载 torch 中 模型的保存和恢复

保存和加载模型'''https://pytorch-cn.readthedocs.io/zh/latest/notes/serialization/'''import torchimport torchvisionmodel = torchvision.models.resnet18(pretrained=True)"""---------------保存和加载模型参数(推荐)----------------------------"""torch.save(model.state_dict(

2022-05-10 11:31:08 329

原创 贝叶斯分类器,什么是朴素贝叶斯,后续为使用贝叶斯实现海量数据的邮件筛选。带源码数据集和解决思路

贝叶斯分类器,什么是朴素贝叶斯,概率论中的贝叶斯在分类中的实现

2022-04-08 18:07:56 1599

原创 股票分析,利用线性回归实时预测股价,只需要提供股票代码即可爬取相应股票数据并建模

这里参考了别人的代码,并引用了tushare模块中定义的接口自动获取了依据 股票代码来获取数据使用的话只需要修改对应的股票代码即可此篇文章提供了1.一个简单通过接口爬取csv数据的方法2.一个处理csv数据的简单方法3.依据数据进行特征提取建立简单的股价预测模型

2022-03-27 23:39:55 5542 4

原创 SVM支持向量机自动调优, Talk is cheap ,Show me your code 带源码

话不多说,看代码吧!传入参数的话,需要自己整理 特征 和对应标签,特征要求二维例如,我这里 (1327, 10) (1327,)每张图 10个特征 一共1327张图觉得好用的话,麻烦点点关注或者赞哈!import cv2import sklearnimport numpy as npimport matplotlib.pyplot as pltfrom sklearn import metricsdef creat_svm_Auto(training_attributes,train

2022-03-24 17:45:23 1879

原创 Glcm 灰度共生矩阵,保姆级别教程,获取图片的Glcm和基于Glcm的纹理特征,附讲解思路,python代码的实现

保姆级别教程,获取图片的Glcm和基于Glcm的纹理特征,附讲解思路,python代码的实现网络上Glcm的原理很多,但是实现的python代码我确实没找到,讲的也不是很清楚此文介绍了如何在一张图片中得到Glcm灰度共生矩阵,并基于Glcm的特征提取.带每一步的讲解Glcm(Gray-level co-occurrence matrix) 灰度共生矩阵原理:就是通过计算灰度图像得到它的共生矩阵,然后透过计算这个共生矩阵得到矩阵的部分特征值,来分别代表图像的某些纹理特征(纹理的定义仍是难点)。灰度共

2022-03-18 16:57:08 15753 2

原创 HOG特征+SVM 进行行人检测,bootstrapping SVM调优。带源码,分析步骤,异常处理分析。

完整的实现一个检测项目,源码一步一步解析,整个工作是如何进行的。HOG特征+SVM 进行行人检测,bootstrapping SVM调优。带源码,分析步骤,异常处理分析。

2022-03-14 12:37:57 8279 2

原创 深度学习主干网络-VGG16论文网络实现,参数介绍,数据处理,单通道,多通道数据,最大池化可视化。带源码。

深度学习主干网络-VGG16论文网络实现,参数介绍,数据处理,单通道,多通道数据,最大池化可视化。带源码。

2022-03-10 17:58:29 3984 2

原创 建立一颗最优的决策树 -如何调参,根据决策树进行数据分析

此篇文章主要介绍了如何获得一颗最优的决策树关键思想:要构建一棵完美的树,你需要在信息量最大的特征处拆分树,从而得到最纯的子节点criterion=‘gini’:基尼不纯度是一种误分类的度量,目标是最小化误分类的概率。数据的完美拆分(每个子组包含一个目标标签的数据点)产生的基尼系数为0。我们可以度量树的每种可能拆分的基尼系数,然后选择基尼不纯度最低的那个。它常用于分类和回归树.criterion=‘entropy’(也称为信息增益):在信息论中,熵是与信号或者分布相关的不确定量的度量。一个完美的数据拆分

2022-03-04 23:49:47 3063

原创 决策树初探 - 建立一颗简单的决策树

前置知识文本特征的表示:对文本数据编码最简单的办法就是单词计数,countscikit-learn 中可以使用countVectorizer 计数向量器默认情况下这个函数以稀疏矩阵形式存储特征矩阵X (0-1)编码 DictVectorizer,工作方式是只需将包含数据的一个字典 送入fit_transform函数,该函数自动确定编码哪些特征, 若指定sparse = True 返回稀疏矩阵'''countVectorizer 使用'''from sklearn.feature_e

2022-03-04 22:00:00 518

原创 决策树初探- 决策树的实现与可视化

决策树模型,并比观察gini系数和entropy 生成的模型区分

2022-03-04 17:35:01 1095

原创 虹膜识别工程的步骤

一个完整的虹膜识别任务步骤主要包含以下几个部分1.data acquisition涉及到的问题small sizeresolution红外光的波长,图片质量设计一个专门的识别设备2.detectiondistancefocusingobjective3.live detectionis a human face?is a live animal or image ?4.quality assessment结构评估FR - IQARR - IQANR - IQA评测算法

2022-03-04 17:22:25 411

原创 Sober算子边缘检测与Harris角点检测1

此篇文章主要介绍了Sobel算子的底层运算规律,和cv Harris的相关介绍Harris opencv 的对应代码cv2.cornerHarris(src, blockSize, ksize, k[, dst[, borderType]])参数类型src - 输入灰度图像,float32类型blockSize - 用于角点检测的邻域大小,就是上面提到的窗口的尺寸ksize - 用于计算梯

2022-03-02 16:48:54 5137

原创 主成分分析,独立成分分析,+t-SNE 分布随机可视化降维的对比

降低维度:特征越多,本质上意味着可以解释数据集中更多的变化。但是,如果考虑的特征超过了所需的特征,分类器甚至会考虑所有的异常值或者会过拟合数据集。因此,分类器的性能开始下降,而不是上升.我们如何为我们的数据集寻找一个看似最优的维数呢?这就是降维发挥作用的地方了。有一组技术允许我们在不丢失太多信息的情况下,找到高维数据的一种紧凑表示.是否可以有一个更小、更紧凑的表示方法(使用小于m n个特征)来同样好地描述所有这些特征1.用opencv PCA实现数据的主成分分析2.使用 ICA 独立成分分析3

2022-03-01 12:00:17 1964

原创 基于逻辑回归的鸢尾花分类

二分类实现辨别是否是鸢尾花尽管名为逻辑回归,但实际上是一个分类模型,尤其是在我们只有两个类时。逻辑回归的名称来源于将输入的任意实值x转换成值在0到1采用sigmoid,划为[0,1]之间的数据 ,可以解释为概率为了简单起见,我们将重点关注前两个特征:花萼长度——我们将其称为特征f1,花萼的宽度——我们将其称为特征f2。使用在线性回归中学习的技巧,我们可以把输入x表示成两个特征f1和f2的一个线性组合:花瓣的长度和宽度、花萼的长度和宽度x = w1f1 + w2f2第一步加载数据集import

2022-03-01 09:00:00 2195 5

原创 线性回归预测波士顿房价

波士顿房价数据集(Boston housing prices dataset)#加载数据集from sklearn import datasetsimport sklearnfrom sklearn import metricsimport numpy as npimport matplotlib.pyplot as pltfrom sklearn import linear_modelimport cv2%matplotlib inlinebosten = datasets.l

2022-02-28 10:47:48 2714 1

原创 数据表示和特征工程

数据表示工程初步入门

2022-02-28 10:34:13 500 1

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

提示
确定要删除当前文章?
取消 删除