搜索资源列表
ml_homework_1
- 此代码使用python中的sklearn实现了对uci中spambase垃圾邮件数据集的分类(This code uses sklearn in Python to realize the classification of spam dataset in UCI)
数据(1)
- DEAP 数据库 EEG_feature.txt 包含了1216个脑电信号样本的160维特征,每行为一个样本,每列为一种特征。特征从左至右分别是每个脑电电极的theta(1-32列)、slow alpha(33-64列)、alpha(65-96列)、beta(1-97128列)、gamma(129-160列)波段的脑电特征。 subject_video.txt 包含了1216个脑电信号对应的32名被试和38段视频信息,其中包含两列。第一列是对应的被试编号,第二列是对应的视频编号。 EEG_
DBSCAN
- 名称:DBSCAN经典聚类算法 功能:聚类数据集 类别:密度聚类算法(Name: DBSCAN Classic Clustering Algorithm Function: Clustering dataset Category: Density Clustering Algorithm)
keras-yolo3-master
- coco数据集标注转换脚本。实现了coco数据集的功能模块方便数据集标注(Coco dataset annotation conversion scr ipt)
Qt动态心电图绘制-利用队列进行实时绘制
- 心电图绘制主思想是利用QtCharts自带的函数和方法,先初始化心电图网格线,绑定数据,然后开启定时器进行绘制。在绘制到最右边的时候,使用Qtcharts数据集series进行已有数据替换可以了。(The main idea of ECG drawing is to use QtCharts's own functions and methods to initialize the ECG gridlines, bind the data, and then open the timer to
mnist_dataset_csv
- 已经转换过来的mnist数据集的csv格式(CSV format of the converted MNIST dataset)
data_batch_2
- cifar-10数据集由10个类的60000个32x32彩色图像组成,每个类有6000个图像。有50000个训练图像和10000个测试图像。数据集分为五个训练批次和一个测试批次,每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。训练批次以随机顺序包含剩余图像,但一些训练批次可能包含来自一个类别的图像比另一个更多。总体来说,五个训练集之和包含来自每个类的正好5000张图像。 具体:batch2.mat文件,该训练集可以用于图片识别,非负矩阵分解等。(The ci
UCI
- 用于神经网络训练的UCI数据集,mat格式(UCI training dataset for ANN training with mat form)
2
- (a)产生两个都具有200个二维向量的数据集和(注意:在生成数据集之前最好使用命令randn(‘seed’,0)初始化高斯随机生成器为0(或任意给定数值),这对结果的可重复性很重要)。向量的前半部分来自均值向量的正态分布,并且协方差矩阵。向量的后半部分来自均值向量的正态分布,并且协方差矩阵。其中是一个2*2的单位矩阵。 (b)在上述数据集上运用感知器算法,并且使用不同的初始向量初始化参数向量。 (c)测试每一次算法在和上的性能。 (d)画出数据集和,以及分类面。((a) Generate
L4_1
- a)产生两个都具有200个二维向量的数据集和(注意:在生成数据集之前最好使用命令randn(‘seed’,0)初始化高斯随机生成器为0(或任意给定数值),这对结果的可重复性很重要)。向量的前半部分来自均值向量的正态分布,并且协方差矩阵。向量的后半部分来自均值向量的正态分布,并且协方差矩阵。其中是一个2*2的单位矩阵。 (b)在上述数据集上和分别属于+1类和-1类,请在上述数据集的两类中各随机抽取150个样本作为训练集,运用Logistic regression算法得到的分类面,然后对余下的各5
UNSW_NB15_RNN
- 用UNSW数据集进行入侵检测,运用各种组合模型,精确度能达到90%以上,运用比较流行的神经网络模型分别进行了测试(Intrusion detection using UNSW dataset)