您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. labelmx条码标签设计软件3.6新版发布

  2. Label mx 适用于多种行业领域。如:各种吊牌证卡、产品标签、图书管理、包装印刷、广告设计、生产制造、物流配送、连锁集团等等。 ★.所见即所得的可视化设计模式,支持画的图形:文字、图片、一维条码、二维条码、数据源、直线、曲线、矩形、填充矩形、菱形、多边形。 ★.支持目前所有主流数据库,且具备多数据库同时连接功能: 1.文本文件 2.EXCEL表格 3.Access数据库 4.Dbf数据库 5.Edb数据库 6.MySQL数据库 7.SQLServer数据库 8.Oracle数据 库 9.S
  3. 所属分类:其它

    • 发布日期:2009-06-23
    • 文件大小:34816
    • 提供者:hengyou
  1. 基于支持向量数据描述的无标签数据多类分类

  2. 基于支持向量数据描述的无标签数据多类分类
  3. 所属分类:专业指导

    • 发布日期:2010-04-02
    • 文件大小:346112
    • 提供者:heu06151220
  1. Mahout贝叶斯分类不含标签数据

  2. Mahout 贝叶斯算法根据模型分类无标签数据,具体参考http://blog.csdn.net/fansy1990/article/details/37991447
  3. 所属分类:Java

    • 发布日期:2014-07-20
    • 文件大小:48128
    • 提供者:fansy1990
  1. RFID数据流近似去重

  2. RFID冗余数据近似消重 1.简介: 随着信息技术的发展,各种数据(如XML、RDF和RFID数据生成。RFID不需要接触即可检测射频识别标签的特性,因此被用于很多领域,如商业、军事和医学,导致了大量的RFID数据生成,沃尔玛采用RFID技术是一个典型的RFID在商业领域应用的例子。 然而,RFID技术也带来一系列的问题,由于RFID是非接触式探测,只要标签在阅读器的探测范围内,所有的标签信息都会被读到,因此,RFID标签在探测区移动缓慢或者停留都会产生冗余数据。另外,标签在探测区移动速度过快
  3. 所属分类:其它

    • 发布日期:2015-10-06
    • 文件大小:377856
    • 提供者:qq_27383471
  1. DataCastle轴承故障预测数据集

  2. DataCastle轴承故障预测数据集,可供下载使用的有2个文件: 1.train.csv,训练集数据,1到6000为按时间序列连续采样的振动信号数值,每行数据是一个样本,共792条数据,第一列id字段为样本编号,最后一列label字段为标签数据,即轴承的工作状态,用数字0到9表示。 2.test_data.csv,测试集数据,共528条数据,除无label字段外,其他字段同训练集。 总的来说,每行数据除去id和label后是轴承一段时间的振动信号数据,选手需要用这些振动信号去判定轴承的工作状
  3. 所属分类:机器学习

    • 发布日期:2018-10-30
    • 文件大小:22020096
    • 提供者:qq_43558917
  1. iris数据集

  2. 含4个文件,csv有标签和无标签,text有标签和无标签。 Iris也称鸢尾花卉数据集,是一类多重变量分析的数据集。数据集包含150个数据集,分为3类,每类50个数据,每个数据包含4个属性。可通过花萼长度,花萼宽度,花瓣长度,花瓣宽度4个属性预测鸢尾花卉属于(Setosa,Versicolour,Virginica)三个种类中的哪一类。
  3. 所属分类:机器学习

    • 发布日期:2018-11-14
    • 文件大小:2048
    • 提供者:benanan
  1. 亚洲-黄色人脸数据集.txt

  2. 之前在做神经网络的人脸修复,需要亚洲的人脸数据集,网上难以找到,所以我找到后在此共享一下,仅作学习和研究用途。亚洲、黄种人脸数据集;无标签、数量庞大。
  3. 所属分类:其它

  1. 无标签分类:从高能物理中的混合样品中学习

  2. 现代机器学习技术可用于构建强大的对撞机物理问题的模型。 但是,在许多应用中,由于数据中缺少真实级别的信息,因此在不完善的仿真上对这些模型进行了训练,这冒着仿真学习模型风险的风险。 在本文中,我们介绍了无标签分类的范式(CWoLa),其中训练了分类器以区分类的统计混合,这在对撞机物理学中很常见。 至关重要的是,既不需要单个标签也不需要类别比例,但是我们证明了CWoLa范例中的最佳分类器也是在传统的完全监督情况下所有标签信息均可用的最佳分类器。 在一个分析性玩具示例中证明了这种方法的强大功能之后,我
  3. 所属分类:其它

    • 发布日期:2020-03-27
    • 文件大小:535552
    • 提供者:weixin_38735119
  1. 语音识别数据.rar

  2. 机器学习小作业,语音性别识别所使用到的数据。包括训练集(有标签)和测试集(无标签)。训练集共23000条数据,测试集800条数据。
  3. 所属分类:机器学习

    • 发布日期:2020-01-06
    • 文件大小:274432
    • 提供者:leilei7407
  1. A Literature Review of Domain Adaptation with Unlabeled Data(无标签数据域自适应文献综述)

  2. A Literature Review of Domain Adaptation with Unlabeled Data(无标签数据域自适应文献综述)
  3. 所属分类:深度学习

    • 发布日期:2020-10-07
    • 文件大小:952320
    • 提供者:qq_30121457
  1. 一种UHF频段RFID标签天线设计方案

  2. RFID是一种利用射频通信实现的非接触式自动识别技术,它包括电子标签(tag)和读写器(reader)两个主要部分,附有编码的标签和读写器通过天线进行无接触数据传输,以完成一定距离的自动识别过程。RFID标签天线作为RFID系统的重要组成部分,在实现数据通讯过程中起着关键性作用,因此天线设计是整个RFlD系统应用的关键。
  3. 所属分类:其它

    • 发布日期:2020-10-21
    • 文件大小:228352
    • 提供者:weixin_38606811
  1. 一种UHF频段RFID标签天线实现方案

  2. 引言RFID是一种利用射频通信实现的非接触式自动识别技术,它包括电子标签(tag)和读写器(reader)两个主要部分,附有编码的标签和读写器通过天线进行无接触数据传输,以完成一定距离的自动识别过程。RFID标签天线
  3. 所属分类:其它

    • 发布日期:2020-10-21
    • 文件大小:296960
    • 提供者:weixin_38560502
  1. imbalanced-semi-self:[NeurIPS 2020]半监督(无标签数据)和自我监督可改善班级不平衡的长尾学习-源码

  2. 重新思考标签的价值,以改善班级不平衡的学习 该存储库包含纸张的实现代码:重新思考标签的价值,以改善班级不平衡的学习和2020年第三十四届神经信息处理系统会议(NeurIPS) [] [ ] [] [] [] 如果您认为此代码或构想有用,请考虑引用我们的工作: inproceedings { yang2020rethinking , title = { Rethinking the Value of Labels for Improving Class-Imbalanced Learnin
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:16777216
    • 提供者:weixin_42109639
  1. 致使无标签数据永不受伤

  2. 通常期望通过利用未标记的数据可以提高学习性能,尤其是在标记的数据数量有限的情况下。 但是,据报道,在某些情况下,现有的半监督学习方法的效果甚至比仅使用标记数据的监督学习方法还要差。 因此,希望开发出安全的半监督学习方法,当使用未标记的数据时,这种方法不会显着降低学习性能。 本文着重于提高半监督支持向量机(S3VM)的安全性。 首先,提出了S3VM-us方法。 它采用了保守的策略,并且仅使用未标记的实例,这些实例很有可能会有所帮助,同时避免使用高风险的实例。 这种方法可以提高安全性,但是使用未标记
  3. 所属分类:其它

    • 发布日期:2021-03-12
    • 文件大小:655360
    • 提供者:weixin_38683562
  1. 通过正则化自我表示进行无监督特征选择

  2. 通过去除不相关和多余的特征,特征选择旨在找到具有良好泛化能力的原始特征的紧凑表示。 随着无标签数据的普及,无监督特征选择已显示出可有效减轻维数的诅咒,对于全面分析和理解无标签高维数据的无数至关重要,这是由于子空间聚类中低秩表示法的成功所致,我们提出了一种用于无监督特征选择的正则化自我表示(RSR)模型,其中每个特征都可以表示为其相关特征的线性组合。 通过使用L-2,L-1-范数来表征表示系数矩阵和表示残差矩阵,RSR有效地选择了代表性特征并确保了对异常值的鲁棒性。 如果某个特征很重要,则它将参与
  3. 所属分类:其它

    • 发布日期:2021-03-03
    • 文件大小:824320
    • 提供者:weixin_38691703
  1. APQ:具有数据独立采集功能的无标签绝对蛋白质定量-源码

  2. 无标记的绝对蛋白质定量,独立于数据的采集 这是一个R软件包,可使用数据独立采集(DIA)进行无标签的绝对蛋白质定量(APQ)。 该程序包是基于TPA方法和一种将MS信号从共享肽重新分布到单个蛋白质或同工型的算法开发的。 如果有任何问题或错误,请给我发送电子邮件: 引文 何兵,石健,王新文,江辉,朱浩杰。“无标签的绝对蛋白质定量和数据独立采集。” 蛋白质组学。 2019五月30; 200:51-59。 doi: 。 在R上安装“ APQ”软件包: 如果未安装软件包“ devtools”,请运
  3. 所属分类:其它

    • 发布日期:2021-03-02
    • 文件大小:12288
    • 提供者:weixin_42137028
  1. alasql:AlaSQL.js-浏览器和Node.jsJavaScript SQL数据库。 处理传统的关系表和嵌套的JSON数据(NoSQL)。 从localStorage,IndexedDB或Excel导出,存储和导入数据-源码

  2. AlaSQL是一个开源项目,每月使用的浏览量超过200万-我们感谢我们所能提供的一切。 。 有一个问题? 使用“ alasql”标签询问。 AlaSQL AlaSQL- ( )[ælæɛskju:ɛl] -是Javascr ipt的开源SQL数据库,它非常关注关系数据和无模式数据的查询速度和数据源灵活性。 它可以在Web浏览器,Node.js和移动应用程序中使用。 该库设计用于: 胖客户端上针对BI和ERP应用程序的快速内存SQL数据处理 通过多种格式的数据导入/操作/导出,轻松实现
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:3145728
    • 提供者:weixin_42116705
  1. uda:无监督数据增强(UDA)-源码

  2. 无监督数据增强 总览 无监督数据增强或UDA是一种半监督学习方法,可在各种语言和视觉任务上实现最新的结果。 仅用20个标记的示例,UDA优于以前在25,000个标记的示例上训练的IMDb的最新技术。 模型 带标签的示例数 错误率 混合增值税(以前的SOTA) 25,000 4.32 伯特 25,000 4.51 UDA 20 4.20 使用CIFAR-10(带有4,000个标记的示例)和SVHN(带有1,000个带标记的示例),可将最新方法的错误率降低30%以上: 模型 C
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:330752
    • 提供者:weixin_42117082
  1. 无监督学习之PCA降维

  2. 无监督学习:通过无标签的数据,学习数据的分布或数据与数据之间的关系。 1. 降维算法 1 定义:用低维的概念去类比高维的概念.将高维的图形转化为低维的图形的方法。 1.1. 算法模块 :PCA算法、NMF(非负矩阵分解)算法、LDA算法等。 1.2. Python库 :sklearn.decomposution; 2. 主成分分析( PCA )降维算法 1 主成分分析:主成分分析( Principal Component Analysis, PCA )是最常用的一种降维方法,通常用于高维数据集的
  3. 所属分类:其它

    • 发布日期:2021-01-21
    • 文件大小:162816
    • 提供者:weixin_38500090
  1. 基于无标签、不均衡、初值不确定数据的设备健康评估方法

  2. 缺少先验知识和完备信息的设备健康评估一直是预测与健康管理(PHM)领域的难点问题.针对设备运行状态观测数据的无标签、不均衡、初值不确定性问题,提出一种多变量深度森林的设备健康评估方法.首先,提出一种基于相关性指标和趋势性指标的特征选择方法以去除冗余特征;然后,利用三维数据标准化和量子模糊聚类方法,动态设定设备健康状态并且解决数据初值的不确定问题;最后,采用一种多变量深度森林分类器实现设备健康状态的离线训练与在线评估.案例分析结果验证了所提出的健康评估方法的有效性和可行性.
  3. 所属分类:其它

    • 发布日期:2021-01-12
    • 文件大小:1048576
    • 提供者:weixin_38609089
« 12 3 4 5 6 7 8 9 10 ... 50 »