注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Oracle9i的init.ora参数中文说明

  2. Oracle9i初始化参数中文说明 Blank_trimming: 说明: 如果值为TRUE, 即使源长度比目标长度 (SQL92 兼容) 更长, 也允许分配数据。 值范围: TRUE | FALSE 默认值: FALSE serializable: 说明: 确定查询是否获取表级的读取锁, 以防止在包含该查询的事务处理被提交之前更新任何对象读取。这种操作模式提供可重复的读取, 并确保在同一事务处理种对相同数据的两次查询看到的是相同的值。 值范围: TRUE | FALSE 默认值: FALSE

  3. 所属分类：Oracle

    • 发布日期：2008-11-07
    • 文件大小：58368
    • 提供者：qujianwei

  1. 去除异常值matlab程序

  2. 数据预处理中去除异常值的程序，matlab写的

  3. 所属分类：算法与数据结构

    • 发布日期：2017-08-24
    • 文件大小：1024
    • 提供者：zhangoneone

  1. hampel_filter.m

  2. hampel滤波器去除异常值的matlab实现，在信号数据预处理常用。我是用于处理csi数据。输入一个csi矩阵，直接调用即可。

  3. 所属分类：机器学习

    • 发布日期：2020-04-27
    • 文件大小：823
    • 提供者：Mywleong

  1. 【最新版】navicat150_premium_en.dmg navicat-premium: 15.0.14【亲测可用】最好的MySQL数据库开发工具

  2. Navicat Premium是一个数据库开发工具，可让您从单个应用程序同时连接到MySQL，MariaDB，MongoDB，SQL Server，Oracle，PostgreSQL和SQLite数据库。与Amazon RDS，Amazon Aurora，Amazon Redshift，Microsoft Azure，Oracle Cloud，Google Cloud和MongoDB Atlas等云数据库兼容。您可以快速轻松地构建，管理和维护数据库。 设置数据源连接后，可以使用“导入向导”将数

  3. 所属分类：MySQL

    • 发布日期：2020-04-22
    • 文件大小：137363456
    • 提供者：hu_zhenghui

  1. Data_Preprocess.py

  2. 本资源为大数据分析工具的数据预处理部分，完整的描述了数据清洗与处理的过程，仅供参考。数据预处理从数据输入到清洗处理，去除异常值，常数列的一系列操作。

  3. 所属分类：Python

    • 发布日期：2020-03-02
    • 文件大小：17408
    • 提供者：qq_45323012

  1. lianjia-20200108.csv

  2. 利用爬虫工具爬起了链家网2020年1月8号基本上全网的数据（共8万多条），CSV文件格式，并进行了简单的数据清洗，去除了一些重复值和异常值，可由Python进行分析

  3. 所属分类：Python

    • 发布日期：2020-02-04
    • 文件大小：8388608
    • 提供者：panlb1990

  1. 使用pandas的box_plot去除异常值

  2. 今天小编就为大家分享一篇使用pandas的box_plot去除异常值，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：57344
    • 提供者：weixin_38583286

  1. 使用pandas的box_plot去除异常值

  2. 我就废话不多说了，直接上代码吧！ #-*- coding:utf-8 _*- """ author:Administrator file: standard_process.py time: 2018/8/9 """ import pandas as pd import numpy as np import matplotlib.pyplot as plt import sys import os import seaborn as sns from sklearn.preprocessing

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：57344
    • 提供者：weixin_38548421

  1. python封装的异常值处理函数（包括箱线图去除异常值等）

  2. # 这里我包装了一个异常值处理的代码，可以随便调用。 def outliers_proc(data, col_name, scale=3): """ 用于清洗异常值，默认用 box_plot（scale=3）进行清洗 :param data: 接收 pandas 数据格式 :param col_name: pandas 列名 :param scale: 尺度 :return: """ def box_plot_outliers(da

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：53248
    • 提供者：weixin_38660579

  1. 图像批量旋转、裁剪、matlab

  2. 批量最大化裁剪 1. 数据增强：将原数据旋转一周，每次旋转3度，得到共计120景扩充后的数据； 2.四种不同裁剪方式的裁剪:（1）以左上角为起点；（2）以右上角为起点；（3）以左下角为起点；（4）以右下角为起点；（裁剪大小=24*24，步长=6。小块图像命名时前面加上日期名，并区分不同旋转度数和裁剪方式），要求得到的小块图像中不含任何空值且设置裁剪条件为温度值在220~320之间（去除异常值），对数据进行归一化到0~1之间，公式为（T-273.15+60）/130；每组得到三个日期的小块有效数据

  3. 所属分类：其它

    • 发布日期：2021-01-04
    • 文件大小：1048576
    • 提供者：hulihutudewo

  1. 基于光照和仿射不变性的航空影像配准特征匹配算法

  2. 本文提出了一种新的特征匹配算法，用于配准具有大的照明畸变，相似图案，仿射变换和低重叠区域的航空图像。 在该算法中，仿射不变区域是通过K-NN图及其对应的相邻图获得的。 然后定义一个照度和仿射不变量，称为照度不变多尺度自动卷积（IIMSA），它是MSA和MultiScale Retinex（MSR）的组合，用于描述三角形区域。 基于IIMSA，可通过自适应特征匹配策略去除异常值。 通过注册可见和热红外（thermal-IR）图像来评估所提出算法的性能。 与MSA相比，该算法的准确性得到了很大的提高

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：1048576
    • 提供者：weixin_38693720

  1. 基于3D特征点的激光雷达与立体视觉配准方法

  2. 激光雷达和双目相机作为无人驾驶领域中重要的环境感知设备,两者之间的外参配准是其联合应用的重要基础,然而两种信息的融合意味着繁琐的校准过程。基于此,提出一种基于特征点对匹配求解的方法,采用两块矩形木板,分别提取双目相机与激光雷达坐标系下的木板边缘3D点云,拟合空间直线求取角点坐标,最后利用Kabsch算法求解配对的特征点之间的坐标转换,利用聚类法去除多次测量结果中的异常值,并求取平均值。通过搭建实验,所提算法可在Nvidia Jetson Tx2嵌入式开发板上实现,获得了准确的配准参数,验证了理论

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：9437184
    • 提供者：weixin_38657457