搜索资源列表
m-soo
- 拥有类似大型 CMS 的部分功能：首页、分页及文章全部可以生成HTML文件，内置超强采集系统、功能强大的HTML编辑器，无限级分类等； 此外，还有一些自己的特色： 1). 首页每天自动更新(生成HTML)； 2). 独有每日格言功能； 3). 自带腾讯Mini门户插件； 4). 引入 GoogleFree Search 和 GoogleAdSense Search，不但可以起到降低搜索消耗的资源，而且还可能由 GoogleAdSense 获得收入； 5). 界面比较美观(卡通风格)； 6). 自
DelphiHelperV2.4
- 为Delphi程序员设计的代码资料管理工具，提供代码和资料的分类收集与检索，帮助您摆脱查找代码堆的烦恼；V2.2版新增功能：支持Delphi语法着色，将代码库与资料库分开维护，大大增强了编辑器的功能，最小化时缩小到系统托盘，进行了内存优化，运行时仅占用几百K的内存，如果您是Delphi程序员或Delphi的爱好者、学习者，相信这个工具会给您带来编码的乐趣，成为您的好帮手。-Delphi programmers to design code information management tools
poptenv0.96beta
- 新闻采用在线编辑器，从别的网页copy过来，连接和图片、falsh等可以完整保留；可web上传图片到服务器，直接添加到文章中；三级分类，可设头条新闻和图片新闻；新闻点评功能，可自由发表评论；管理员分三级（系统管理员、目录管理员、新闻管理员）系统管理员可设置新闻管理员权限；大部分逻辑处理都封装在java-bean，界面修改容易-using online news editor, copy from the other website over, connectivity and photograp
CyberArticle4361
- CyberArticle 网文快捕 （原名WebCatcher） 是一个保存/管理网页的工具，主要功能有：可以在IE里面保存网页，包括文字，图片，Flash动画等等。也可以保存选中的文字，图片和链接等等；在一个树形孔建里面管理保存下来的网页。可以通过拖放来分类您的网页；在一个可视化的编辑器里面编辑网页；把网页里面的所有元素保存在一个单一文件里面(*.book)，保持您的磁盘清洁；可以把保存的网页导出成CHM文件，这样共向您的资料，就会变得非常简单。在这方面，WebCatcher是一个非常实用的电
xunleidianyingcaijixitong
- 多用户管理分权限发布、管理软件信息； 自由选择系统默认为静态HTML或动态ASP； 无限制添加下载服务器，添加软件只需要填写软件名称； HTML编辑器为可选项； 支持N级软件分类、无限制添加软件下载链接。 软件信息、文章内容批量删除、批量分类转移等批量管理功能；
softhy775e
- 基本的信息发布系统，从三月初开始学习．ｎｅｔ ２．０，期间走了比较多的弯路。 之前对ａｓｐ还是比较熟悉的，所以，这个月的思路大概和ａｓｐ出入不大，两层、三层，好像在混合着用。 主要用了ASPNETPAGER分页控件和参考AODKeycap数据库连接类，呵呵，感觉这两个加起来简直就是绝配，原来GridView要实现的代码减少到三行，呵呵！ 后台主要功能：添加新闻 新闻管理 分类管理 专题管理 公司信息添加、管理 使用方法： 1、在iis里面开设EduWeb的
RSS
- RSS聚合新闻阅读器，（1）获取信息：通过站点管理功能获得信息，并根据用户设置对信息进行全程的跟踪、即时的更新以及网上搜索。 （2）阅读信息：一点即读，随时浏览，信息分类管理，及时方便。 （3）管理信息：可删可加可分组；来源、分类、更新频率……用户全方位自由掌控。 （4）导入导出信息：导入、导出频道或收藏夹，以丰富浏览内容。还可以通过“获取更多频道”将更多更精彩的RSS内容引入阅读器。
GeneralCorporateSiteManagementSystem
- 1.网站基本设置功能： 网站标题，网站地址，版权信息等直接在后台设置修改而成，无需修改每一个页面，大大缩短了客户建站的时间。 2.公司概况、客户案例、联系方法等直接在后台设置。 3.动态新闻： 新闻一级无限分类。新闻一级无限分类，后台管理和维护新闻；方便管理。新闻显示方式为滚动新闻。 4.产品信息： 产品二级无限分类。后台管理及时更新产品信息，产品栏目更加明确化，同时还可以推荐产品放置网站首页。 5.资源下载： 可上传公司资料，文档等数据供本公司客户下载使用。
image-segmentation
- 针对目前传统的枸杞分级主要采用人工方法， 费时费力且效率不高的缺点， 提出了一种基于机器视觉技术对枸杞 进行自动分类的方法。 采用数字图像处理技术对枸杞图像进行了预处理、 分割 ， 从而提取枸杞的色泽、 大小及形状等特征 参数； 用 K-means 算法对特征进行聚类， 得到枸杞相应等级的基准； 根据聚类分析得到的基准采用最小距离分类器对枸杞 进行分级。 实验结果表明 ， 该方法能够准确快速地对不同色泽和大小的枸杞进行分类。-Traditional wolfberry sorting
25292626
- 为了实现复杂环境下的人脸特征有效表达，提出一种改进的梯度方向直方图（ＨＯＧ）人脸识别方法．首先以人脸图像网格作为采样窗口并在其上提取 ＨＯＧ特征；然后将所有网格 ＨＯＧ特征向量进行组合，实现整个人脸特 征表达；最后采用最近邻分类器进行识别．另外，比较了该方法与Ｇａｂｏｒ小波和局部二值模式（ＬＢＰ）２种著名的人脸 局部特征表示方法的优劣．实验结果表明，在调优的 ＨＯＧ参数下，在具有光照和时间环境等复杂变化的ＦＥＲＥＴ人 脸库中，较少维数的 ＨＯＧ特征比ＬＢＰ特征有更好的表现，而且 ＨＯ
Fishershiyan
- x1是第一类数据，x2 是第二类数据，每一列代表一个样本（两个特征）。绿色虚线是线性分类器产生的边界；蓝色实线是二次线性分类器产生的边界。-x1 is the first type data , x2 is the second type of data, and each column represents a sample (two features). Green dotted line is the boundary linear classifier generated solid
bayesleastrisk
- baye sleastrisk贝叶斯分类实验，设计简单的线性分类器-bayes leastrisk；bayes leastrisk
frft
- 基于统计特征的语种识别算法分析与实现。1.提取语音的客观统计特征；2、通过分类器建立训练学习模型；3、将模型运用于汉语、英语、日语等语种识别实验，与人的主观感觉做对比-Based on statistical language identification algorithm analysis and Realization of objective statistics. The extraction of speech features 2, the classifier built th
SVM
- Hog+SVM是速度和效果综合平衡性能较好的一种行人检测方法。后来，虽然很多研究人员也提出了很多改进的行人检测算法，但基本都以该算法为基础框架。因此，Hog+SVM也成为一个里程表式的算法被写入到OpenCV中。在OpenCV2.0之后的版本，都有Hog特征描述算子的API，而至于SVM，早在OpenCV1.0版本就已经集成进去了；OpenCV虽然提供了Hog和SVM的API，也提供了行人检测的sample，遗憾的是，OpenCV并没有提供样本训练的sample。这也就意味着，很多人只能用Ope
Ensemble-Learning
- 集成学习将若干基分类器的预测结果进行综合，具体包括Bagging算法和AdaBoost算法；还有随机森林算法，利用多棵树对样本进行训练并预测的一种分类器-Integrated learning integrates the prediction results of several base classifiers, including Bagging algorithm and AdaBoost algorithm and random forest algorithm, using a t
DicisionTree
- 决策树算法的简单实现,决策树（Decision Tree）是一种简单但是广泛使用的分类器。通过训练数据构建决策树，可以高效的对未知的数据进行分类。决策数有两大优点：1）决策树模型可以读性好，具有描述性，有助于人工分析；2）效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。(A simple implementation of decision tree algorithms, decision tree (Decision Tree) is a simple b
PNN网络代码
- 概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(Probabilistic neural network was first proposed by Dr. D.F.Speeht in 1989. It is a branch of radial
PNN
- 概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(The rate neural network, first proposed in 1989, is a branch of the RBF network and is one of the fe
DBN
- 深度信念网络，神经网络的一种。既可以用于非监督学习，类似于一个自编码机；也可以用于监督学习，作为分类器来使用。(Deep belief network, a kind of neural network. It can be used for unsupervised learning, similar to a self-coding machine, or supervised learning, as a classifier.)
贝叶斯判决
- 假定某个局部区域细胞识别中正常w1和非正常w2 两类先验概率分别为： 正常状态：P(w1)=0.9 ； 异常状态：P（w2）=0.1 。 现有一系列待观察的细胞，其观察值为： -2.67 -3.55 -1.24 -0.98 -0.79 -2.85 -2.76 -3.73 -3.54 -2.27 -3.45 -3.08 -1.58 -1.49 -0.74 -0.42 -1.12 4.25 -3.99 2.88 -0.98 0.79 1.19 3.07 两类的类条件概率符合正态分布