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. 图像增强方法的研究以及应用

  2. 在图像处理中，图像增强技术对于提高图像的质量起着其重 要作用。它通过有选择的强调图像中的某些信息而抑制另外一些 信息，以改善图像的视觉效果，将原图像转换成另外～种更加适 合于人眼观察和计算机分析处理的形式。 传统的图像灰度增强方法通过增大灰度级别的间距来达到增 加图像灰度对比度的目的。当图像所占用的灰度级别个数非常少 时，传统方法就不能达到预期的增强效果了。但是，本文提出的 基于小波技术的梯度增强方法和基于高通滤波器的图像处理方法 在增加图像灰度级别个数的基础上，增加了图像的灰度对比度， 取得

  3. 所属分类：其它

    • 发布日期：2010-05-17
    • 文件大小：3145728
    • 提供者：meimeiweiwei

  1. 运用5种不同的梯度增强法进行图像锐化MATLAB代码

  2. 运用5种不同的梯度增强法 进行图像锐化 MATLAB源代码

  3. 所属分类：其它

    • 发布日期：2010-06-09
    • 文件大小：548
    • 提供者：xiaowshy

  1. 5种不同的梯度增强法进行图像锐化.rar

  2. 5种不同的梯度增强法进行图像锐化,

  3. 所属分类：其它

    • 发布日期：2008-06-11
    • 文件大小：4096
    • 提供者：huashenghua

  1. 梯度图像增强

  2. 在梯度域的图像直方图增强，本文主要是灰度图像的代码

  3. 所属分类：教育

    • 发布日期：2013-03-18
    • 文件大小：2048
    • 提供者：langzi329

  1. cpp-XGBoost一种可扩展便携式和分布式梯度增强GBDTGBRT或GBM库

  2. XGBoost 一种可扩展，便携式和分布式梯度增强（GBDT，GBRT或GBM）库，适用于Python，R，Java，Scala，C 等。 在单机，Hadoop，Spark，Flink和DataFlow上运行

  3. 所属分类：其它

    • 发布日期：2019-08-16
    • 文件大小：1048576
    • 提供者：weixin_39840387

  1. 重型双重Higgs的LHC信号作为暗物质门户：基于剪切的方法以及梯度增强和神经网络的改进

  2. 尽管125-GeV标量（作为标准模型的希格斯玻色子）由于直接搜索和对文物密度的观察而被视为暗物质门户，但扩展的电弱扇区中较重的标量可能适合该角色。 我们在两个希格斯双峰模型（2HDM）的背景下探索这种可能性。 以I型和II型2HDM为例，并假设一个标量规单重态暗物质粒子，我们表明，重中性CP偶数标量（H）可以（a）充当所有数据的暗物质入口，并且（b ）在参数空间的宽范围内具有相当大的不可见分支比率。 利用这一事实，我们估计了LHC信号的发生率，其中H是通过（i）胶子融合，硬喷射和（ii）矢量玻

  3. 所属分类：其它

    • 发布日期：2020-04-05
    • 文件大小：1048576
    • 提供者：weixin_38565818

  1. 通过外部温度梯度增强微流控芯片中的电热流动

  2. 通过外部温度梯度增强微流控芯片中的电热流动，张峰，陈瀚，交流动电现象在微流控芯片中有着广泛的运用。交流动电现象中的电热流是由焦耳热导致的温差梯度造成的。本文提出了一种在微通道基

  3. 所属分类：其它

    • 发布日期：2019-12-28
    • 文件大小：1046528
    • 提供者：weixin_38532139

  1. car_accident_severity_prediction:使用梯度增强树预测潜在的交通事故造成的交通延误的严重程度！-源码

  2. car_accident_severity_prediction 一个明确的业务目标：预测潜在的交通事故可能导致的交通延误的严重性。 这对于想知道可能的交通延误的任何人（例如通勤者）或试图期望或减少交通延误的市政府官员可能都是有用的。 数据提取：flask应用程序从Weather bit的API中提取天气数据以实时进行预测： ： 可视化效果： 至少以下一项的演示： 一种。 机器学习： : b。 交互式网站： ： 可交付成果： :

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：971776
    • 提供者：weixin_42134051

  1. 梯度增强模型基准：主要梯度增强模型的基准-源码

  2. 该项目的目标是基准化和比较Gradient Boosting模型的三个变体：XGBoost，CatBoost和LightGBM。 设置 要设置您的环境，请执行以下操作： 装 poetry install 跑poetry run jupyter notebook 从下载并解压缩汽车数据集

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：727040
    • 提供者：weixin_42117485

  1. AdaboostOnMNIST：这是Adaboost算法的实现，它使用两个不同的弱学习器从头开始实施：决策树分类器和梯度提升分类器。 Adaboost在MNIST上运行以告知奇数和偶数。 经过scikit Learn模型的adaboost测

  2. AdaboostOnMNIST 这是使用两个不同的弱学习者从头开始实现Adaboost算法的方法：决策树分类器和梯度提升分类器。 Adaboost在MNIST上运行以告知奇数和偶数。 经过scikit Learn模型的adaboost测试，并获得了更高的分数。 最小的训练误差为％1.8，在7次迭代中进行了梯度增强。 函数调用为adaboost（X_train，Y_train，inversions_t，Classifier_type），有两种类型的分类器，“ Gradient_Boost”和“

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：2048
    • 提供者：weixin_42122986

  1. KiGB：知识密集型梯度提升：用于学习梯度的统一框架增强了用于回归和分类任务的决策树，同时利用人工建议来实现更好的性能-源码

  2. KiGB：知识密集型梯度提升 长期以来，在AI内部已经纳入了包括定性约束（例如单调和协同影响）在内的更丰富的人类输入。 受此启发，我们考虑了在成功的梯度增强框架中使用此类影响力陈述的问题。 我们为分类和回归设置开发了一个统一的框架，该框架可以有效地合并这些约束，以加快学习速度，从而建立更好的模型。 我们在大量标准域和两个特别新颖的现实域中的结果证明了使用域知识而不是将人类视为单纯的标记者的优越性。 KiGB是一个统一的框架，用于学习用于梯度回归和分类任务的梯度增强决策树，同时利用人工建议来实现

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：4194304
    • 提供者：weixin_42114046

  1. 红外与可见光图像的变分增强融合算法研究

  2. 提出了一种基于变分法和梯度增强的红外与可见光图像融合算法。首先对红外与可见光的梯度特征进行自适应加权融合,得到初始融合梯度场;其次构建梯度特征增强模型,获得融合图像增强的梯度场;最后通过变分法将融合问题转换为最优化问题,得到最接近增强后梯度场的融合图像。实验结果表明,相比基于多分辨率框架下进行融合的拉普拉斯分解、小波变换及常见的基于变分的融合算法,所提出的算法得到的融合图像梯度特征最大,视觉效果最好,证明了算法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：1048576
    • 提供者：weixin_38608875

  1. Boomer：BOOMER的scikit-learn实现-一种学习梯度增强多标签分类规则的算法-源码

  2. 自述文件 该项目提供了“ BOOMER”的scikit-learn实现-一种用于学习梯度增强的多标签分类规则的算法。 该算法首先发表在以下： Rapp M.，LozaMencíaE.，FürnkranzJ.，Nguyen VL。，HüllermeierE.（2020）学习梯度增强的多标签分类规则。 于：数据库中的机器学习和知识发现。 ECML PKDD2020。计算机科学讲座。 湛史普林格 如果您在科学出版物中使用该算法，我们将不胜感激对上述论文的引用。 产品特点 该项目提供的算法当前支持以

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：56623104
    • 提供者：weixin_42176827

  1. 红外与可见光图像的变分增强融合算法研究

  2. 提出了一种基于变分法和梯度增强的红外与可见光图像融合算法。首先对红外与可见光的梯度特征进行自适应加权融合，得到初始融合梯度场；其次构建梯度特征增强模型，获得融合图像增强的梯度场；最后通过变分法将融合问题转换为最优化问题，得到最接近增强后梯度场的融合图像。实验结果表明，相比基于多分辨率框架下进行融合的拉普拉斯分解、小波变换及常见的基于变分的融合算法，所提出的算法得到的融合图像梯度特征最大，视觉效果最好，证明了算法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：558080
    • 提供者：weixin_38693311

  1. benchm-ml：用于二进制分类的顶级机器学习算法（随机森林，Rus，Python scikit-learn，H2O，xgboost，Spark MLlib等）的可扩展性，速度和准确性的最低基准。梯度增强树，深度神经网络等）-源码

  2. 用于分类的机器学习库的可伸缩性，速度和准确性的简单/有限/不完整基准 所有基准都是错误的，但有些是有用的 该项目旨在为一些机器学习算法的常用实现的可伸缩性，速度和准确性提供一个最低基准。 这项研究的目标是使用数字和分类输入（具有有限的基数，即不是很稀疏）并且没有丢失的数据进行二进制分类，这可能是业务应用程序中最常见的问题（例如，信用评分，欺诈检测或客户流失预测）。 如果输入矩阵的大小为n x p ，则n的变化范围为10K，100K，1M，10M，而p为〜1K（在将分类扩展为伪变量/一次编码后）。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：313344
    • 提供者：weixin_42134537

  1. 调谐器：使用XGBoost梯度增强来预测歌曲流派-源码

  2. 调谐器 使用梯度增强分类从音频功能预测歌曲类型。 音频功能和元数据来自 。 使用提取音频特征。 要进行预处理，请使用python preprocess.py 。 要执行交叉验证，请使用python classify.py 。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：258048
    • 提供者：weixin_42164534

  1. mlflow-example：此存储库提供了一个示例示例，该示例使用MLflow跟踪，项目和模型模块在容器化环境中进行数据集预处理，GBRT（梯度增强回归树）模型训练和评估，模型调整以及最终模型服务（REST API）-源码

  2. MLflow示例项目+笔记本 该存储库提供了使用MLflow跟踪，项目和模型模块在容器化环境中进行数据集预处理，模型训练和评估，模型调整以及最终模型服务（REST API）的示例。 该项目包含一个MLflow项目，该项目在UC Irvine的上训练GBRT（梯度增强的回归树）模型，并使用Docker映像捕获运行训练和推理代码所需的依赖项。 对话： ： 演讲幻灯片： 笔记本： 该项目的结构 指定运行项目的Docker容器环境，并在entry_points定义command和parame

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：4194304
    • 提供者：weixin_42129300

  1. 令人敬畏的梯度增强论文：梯度增强研究论文的精选清单和实现-源码

  2. 令人敬畏的梯度提升研究论文。 精选的梯度和自适应增强论文列表，包括以下会议的实现： 机器学习 计算机视觉 自然语言处理 数据 人工智能 关于，，，和论文的类似集合以及实现。 2020年 知识密集型梯度提升的统一框架：利用人类专家开发嘈杂的稀疏域（AAAI 2020） Harsha Kokel，Phillip Odom，Shuo Yang，Sraraam Natarajan 实用联合梯度提升决策树（AAAI 2020） 李勤彬，温则宜，何炳生 隐私保护梯度提升决策树（AAAI

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：893952
    • 提供者：weixin_42099815

  1. ngboost：用于概率预测的自然梯度增强-源码

  2. NGBoost：用于概率预测的自然梯度提升 ngboost是一个Python库，实现了“自然梯度增强”，如。 它建立在，旨在针对适当的评分规则，分布和基础学习者的选择进行扩展和模块化。 在此可以对NGBoost的基本方法进行详尽的介绍。 安装 via pip pip install --upgrade ngboost via conda-forge conda install -c conda-forge ngboost 用法 波士顿住房数据集上的概率回归示例： from ngboost i

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：9437184
    • 提供者：weixin_42138525

  1. 一种基于Sobel算子梯度增强的边缘检测算法

  2. 针对传统Sobel算子在图像边缘检测中存在的弱边缘提取较差及边缘较粗等不足，提出了一种局部梯度增强的检测算法。算法采用改进的Sobel算子卷积模板计算图像梯度；然后对梯度图像采用局部标准差方法增强局部弱边缘的梯度，最后对局部梯度增强的图像进行细化处理并提取图像边缘，得到边缘图像。实验结果表明，该算法获取的边缘图像边缘信息较丰富，连续性好，边缘较细，整体效果优于传统Sobel算法，具有较高的实用价值。

  3. 所属分类：其它

    • 发布日期：2021-01-29
    • 文件大小：5242880
    • 提供者：weixin_38506835
« 12 3 4 5 6 7 8 9 10 ... 15 »