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. 高级Shell脚本编程.chm

  2. 目录 序 1. 原书作者致中国读者(英文) 2. 原书作者致中国读者(译文) 3. 黄毅 4. 杨春敏 第一部分. 热身 1. 为什么使用shell编程? 2. 带着一个Sha-Bang出发(Sha-Bang指的是#!) 2.1. 调用一个脚本 2.2. 初步的练习 第二部分. 基本 3. 特殊字符 4. 变量和参数的介绍 4.1. 变量替换 4.2. 变量赋值 4.3. Bash变量是不区分类型的 4.4. 特殊的变量类型 5. 引用 5.1. 引用变量 5.2. 转义 6. 退出和退出状态

  3. 所属分类：其它

    • 发布日期：2011-05-10
    • 文件大小：1048576
    • 提供者：fpcwu

  1. LINUX shell编程pdf详解

  2. 目录 序 1. 原书作者致中国读者(英文) 2. 原书作者致中国读者(译文) 3. 黄毅 4. 杨春敏 第一部分. 热身 1. 为什么使用shell编程? 2. 带着一个Sha-Bang出发(Sha-Bang指的是#!) 2.1. 调用一个脚本 2.2. 初步的练习 第二部分. 基本 3. 特殊字符 4. 变量和参数的介绍 4.1. 变量替换 4.2. 变量赋值 4.3. Bash变量是不区分类型的 4.4. 特殊的变量类型 5. 引用 5.1. 引用变量 5.2. 转义 6. 退出和退出状态

  3. 所属分类：Linux

    • 发布日期：2012-04-27
    • 文件大小：2097152
    • 提供者：l19891223j

  1. 高级Shell脚本编程

  2. 资源简介目录 序 1. 原书作者致中国读者(英文) 2. 原书作者致中国读者(译文) 3. 黄毅 4. 杨春敏 第一部分. 热身 1. 为什么使用shell编程? 2. 带着一个Sha-Bang出发(Sha-Bang指的是#!) 2.1. 调用一个脚本 2.2. 初步的练习 第二部分. 基本 3. 特殊字符 4. 变量和参数的介绍 4.1. 变量替换 4.2. 变量赋值 4.3. Bash变量是不区分类型的 4.4. 特殊的变量类型 5. 引用 5.1. 引用变量 5.2. 转义 6. 退出和

  3. 所属分类：C/C++

    • 发布日期：2012-11-29
    • 文件大小：1048576
    • 提供者：yunsicai

  1. Unix编程艺术

  2. 本书主要介绍了Unix系统领域中的设计和开发哲学、思想文化体系、原则与经验，由公认的Unix编程大师、开源运动领袖人物之一Eric S. Raymond倾力多年写作而成。包括Unix设计者在内的多位领域专家也为本书贡献了宝贵的内容。本书内容涉及社群文化、软件开发设计与实现，覆盖面广、内容深邃，完全展现了作者极其深厚的经验积累和领域智慧。 序 xxv Part I 1 第1章 哲学 3 1.1 文化？什么文化 3 1.2 Unix的生命力 4 1.3 反对学习Unix文化的理由 5 1.4 Un

  3. 所属分类：Unix

    • 发布日期：2015-01-02
    • 文件大小：29360128
    • 提供者：zengzhenxig

  1. 机器学习和深度学习个人笔记合集

  2. Machine Learning(机器学习)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演译。在过去的十年中，机器学习帮助我们自动驾驶汽车，有效的语音识别，有效的网络搜索，并极大地提高了人类基因组的认识。机器学习是当今非常普遍，你可能会使用这一天几十倍而不自知。很多研究者也认为这是最好的人工智能的取得方式。在本课中，您将学习

  3. 所属分类：机器学习

    • 发布日期：2019-04-17
    • 文件大小：84934656
    • 提供者：action_now_

  1. Real-CyberSecurity-Datasets:公开数据集可帮助您解决各种网络安全问题-源码

  2. 实时网络安全数据集 公开数据集可帮助您使用机器学习或其他方式解决各种网络安全问题。 祝您学习愉快！！！ 目录 ADFA入侵检测数据集 数据集涵盖了Linux和Windows。 它们旨在通过基于系统调用的HIDS进行评估。 僵尸网络和勒索软件检测数据集 ISOT僵尸网络数据集是几个现有的公开可用的恶意和非恶意数据集的组合。 恶意网址数据集 这项研究的长期目标是构建一个使用机器学习技术检测恶意URL（垃圾邮件，网络钓鱼，漏洞利用等）的实时系统。 为此，我们已经探索了一些技术，这些技术包括根据其词

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：3072
    • 提供者：weixin_42131367

  1. Spam_detection:电子邮件垃圾邮件过滤-源码

  2. 垃圾邮件检测 电子邮件垃圾邮件过滤：使用Scikit-learn，多项式朴素贝叶斯和SVM分类器实现我们将执行以下步骤来构建分类任务，该任务涉及将电子邮件分类为垃圾邮件或非垃圾邮件： 准备文本数据。创建单词字典。特征提取过程训练分类器

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：34816
    • 提供者：weixin_42122986

  1. csci2020u-assignemnt2-源码

  2. CSCI2020u-assignemnt1 2021年3月8日，亚历山大·奈勒（Alexander Naylor）100696151 项目信息 对于此作业，我获得了电子邮件的数据集，包括训练集和测试集，均包含已知的垃圾邮件或非垃圾邮件。 使用此数据，我基于单个单词在垃圾邮件文件中与非垃圾邮件文件中的相似性，创建了一个伪机器学习垃圾邮件检测系统。 这是一个实际的例子： 改进之处 我所做的主要改进是制作了一个更好的文件选择屏幕。 程序的其余部分或多或少如作业文档中所述。 怎么跑 首先，使用git将

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：23068672
    • 提供者：weixin_42105816

  1. 垃圾邮件分类器-源码

  2. 使用朴素贝叶斯的垃圾邮件分类器 垃圾邮件检测是NLP的主要应用之一。 所有主要的电子邮件服务提供商都内置了垃圾邮件检测系统，并将这些邮件自动分类为“垃圾邮件”。 在这里，基于我们对模型的训练，朴素贝叶斯算法用于创建一个模型，该模型可以将数据集SMS消息分类为垃圾邮件或非垃圾邮件。 能够识别垃圾邮件是一个二进制分类问题，因为邮件被分类为“垃圾邮件”或“非垃圾邮件”，别无其他。 同样，这是一个有监督的学习问题，正如我们知道要预测的那样。 我们将标记的数据集输入模型中，以供将来进行预测，该模型可以

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：14336
    • 提供者：weixin_42157166

  1. naive-bayes-spam-detector：Python程序，使用Scikit-learn将电子邮件分类为垃圾邮件或非垃圾邮件-源码

  2. 天真贝叶斯垃圾邮件检测器 使用Scikit学习机器学习库将电子邮件分类为垃圾邮件或非垃圾邮件的Python程序。 先决条件 该程序是用Python 3编写的，并使用了Numpy，Pandas和Scikit-learn库。 数据集 该程序利用以csv格式存储的两个数据集。 主要数据集“垃圾邮件或非垃圾邮件”。 该集合是文件'20030228easyham.tar.bz2'和'20030228_spam.tar.bz2'的组合。 这组包含2500个火腿电子邮件示例和500个垃圾电子邮件示例。 该集

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：1048576
    • 提供者：weixin_42133899

  1. 垃圾邮件或非垃圾邮件-源码

  2. 禁止网络钓鱼：使用深度学习检测鱼叉式网络钓鱼攻击 预读 文本分类背后的一个关键思想是文档表示。 我们最初的方法包括简单的CountVectorizer和TF-IDF Vectorizer。 我们处理电子邮件文档，并将词汇的计数/分数传递到我们的分类器中。 我们可以更进一步，将我们的文档表示为一系列嵌入了语义（使用某种概率性技术）的“单词向量”。 创建单词向量是获取大量文本语料并为每个单词创建向量的过程，以使在语料库中共享公共上下文的词在向量空间中彼此紧邻。 一种简单的方法是将每个单词作为整

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：29360128
    • 提供者：weixin_42134143

  1. 预测建模：预测建模中的统计技术-源码

  2. 预测建模 预测建模使用统计数据来预测结果。[1] 人们最想预测的事件通常是将来的事件，但是预测建模可以应用于任何类型的未知事件，无论何时发生。 模型可以使用一个或多个分类器来尝试确定一组数据属于另一组的概率。 例如，可以使用模型来确定电子邮件是垃圾邮件还是“垃圾邮件”（非垃圾邮件）。 取决于定义边界，预测建模与机器学习领域是同​​义词，或在很大程度上重叠，因为它在学术或研究与开发环境中更为常见。 当商业部署时，预测建模通常称为预测分析。 预测建模通常与因果建模/分析形成对比。 在前者中，人

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：2097152
    • 提供者：weixin_42131316

  1. spampy：具有使用SVM的机器学习的垃圾邮件过滤模块（支持向量机）-源码

  2. 饱满的 使用SVM进行机器学习的垃圾邮件过滤模块。 spampy是使用Support Vector Machines的分类器，该分类器尝试对给定的原始电子邮件是否为垃圾邮件进行分类。 支持向量机（SVM）是带有相关学习算法的监督学习模型，该算法分析用于分类和回归分析的数据。 给定一组训练示例，每个训练示例都标记为属于两个类别中的一个或另一个，则SVM训练算法会构建一个模型，该模型将新示例分配给一个类别或另一个类别，使其成为非概率二进制线性分类器。 如今，许多电子邮件服务都提供了垃圾邮件过滤

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：569344
    • 提供者：weixin_42127748

  1. derek：通过自动化GitHub减少维护人员的疲劳-源码

  2. 德里克 Derek通过自动执行治理以及将权限委派给您的团队和社区，减轻了维护人员的疲劳感。 在Twitter上关注 。 用户指南/文档 您带来-无服务器功能变得简单。 核心功能 所有功能都是模块化的，可以根据需要启用/禁用： 为PR合并并添加提交的版本生成变更日志 让指定的非管理员用户通过评论Derek 或/command管理问题和PR 强制执行 自动标记/标记PR，不带说明 标记初次贡献者的PR 检测垃圾邮件PR（来自hacktoberfest） 在hacktoberfest期间

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：1048576
    • 提供者：weixin_42134097

  1. 电子贺卡：打开电子贺卡生成器-无服务器的非过期电子贺卡-源码

  2. 开放式电子贺卡生成器-无服务器，未过期的电子贺卡 这是纯客户端javascr ipt ecard生成器的有效原型。 您可以在线尝试或下载该回购协议并将其托管在任何地方，包括本地网络（无需访问互联网或服务器）。 产品特点 行动装置相容 没有广告，垃圾邮件或其他垃圾邮件 定制卡永不过期 无需在服务器上发送或存储数据 可以在本地或离线运行 使用您自己的图像，颜色和文字 Unicode友好 无需电子邮件-通过即时消息，文本或根据需要发送链接 演示版 用法 默认（“创建”）页面提供了一个简单的界面来设计您

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：17408
    • 提供者：weixin_42119989

  1. 垃圾邮件处理者：:incoming_envelope:垃圾邮件检测器-源码

  2. :incoming_envelope: 垃圾邮件发送者 :postbox: 垃圾邮件检测器 概要 文本挖掘是一个广阔的领域，随着生成的大量文本数据而越来越受欢迎。 使用机器学习模型已经完成了一些应用程序的自动化，例如情感分析，文档分类，主题分类，文本摘要和机器翻译。 垃圾邮件过滤是文档分类任务的一个示例，该任务涉及将电子邮件分类为垃圾邮件或非垃圾邮件（又名火腿）。 在这个项目中，我将以使用Python和可公开获得的邮件语料库的教程的形式，介绍如何实现这种系统的不同步骤。 输出将是一个AP

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：44040192
    • 提供者：weixin_42119866

  1. HeliPort：itlwm的英特尔Wi-Fi客户端-源码

  2. 直升机港口 英特尔WiFi Client for 聊天室 如果您有任何疑问或反馈，请随时 下载 最新稳定版 最新的Alpha版本 状态 这个应用程式目前可以运作，我们仍在尝试使其更完善。 待办事项 访问以获取更多信息 问题 该项目的问题仅用于错误跟踪和功能请求，请仔细在正确的问题模板中填写所有空白。 以下类型的“问题”将被视为无效，并将立即关闭并锁定： 个人帮助要求 重复的问题 敦促更新 垃圾邮件 非英语或非中文内容 简单的“ Googleable”问题如何建造等 离题讨论包括提及和分发

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：245760
    • 提供者：weixin_42105570

  1. spam-classifier:贝叶斯垃圾邮件分类器-源码

  2. 垃圾邮件分类器 在此项目中，我将使用朴素贝叶斯（Naive Bayes）创建一个可以将SMS归类为垃圾邮件或非垃圾邮件（火腿）的模型。 目的是模仿人类使用朴素贝叶斯发现这些消息的能力。 这是一个二进制分类，表示它是垃圾邮件或不是垃圾邮件。 Udacity在其NLP课程中提供了以下项目。 模型 朴素贝叶斯算法在分类任务中应用概率计算。 该算法属于监督机器学习算法，在该算法下，我们可以训练一组数据并根据它们的类别对其进行标记。

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：427008
    • 提供者：weixin_42134054