MLP实现fashion_mnist数据集分类(2)-函数式API构建模型(tensorflow)
flow Version:{}'.format(tf.__version__))print(tf.config.list_physical_devices()) 2、fashion_mnist数据集分类模型 2.1 使用Sequential构建模型 from keras import Sequentialfrom keras.layers import Flatten,Dense,Dropout...
轴承故障检测（分类任务）+傅里叶变化+CNN+matlab
1 介绍 使用西储大学的轴承数据集，其实用哪个都行，可能最后的精度会不一样，先读取数据，然后使用傅里叶转换为图像，然后搭建cnn模型，将图像大小转换为模型使用的大小，例如resnet50，输入大小就是224*224。同样提供python版本。 2 数据处理 总共10个类别 对每个数据进行采样，设置2000个样本，每个样本取连续的300个点 % 采样，每个数据采集N条样本，每条样本M长度M = 20...
白话机器学习2：快速理解不同分类模型
一、支持向量机(SVM) 想象你在桌子上有一堆苹果和橘子，你的任务是用一根棍子（在二维空间里，这根棍子就是一条直线）把它们分开。苹果在棍子的一边，橘子在棍子的另一边。这就是分类问题的基本形式，而SVM就是用来解决这样的问题的。 但是，可能有很多不同的方式可以放置这根棍子以分开苹果和橘子。支持向量机的目标是找到一种方式，不仅仅是分开它们，而是以这样的方式分开它们：它能给每...
GEE必须会教程—一文教会你非监督分类（代码分享）
学遥感，分类是是常事，今天带来代码版的非监督分类。 var roi = ee.Geometry.Polygon([[[114.88544904095511,25.804448767604917], [115.09830914837698,25.804448767604917], [115.09830914837698,25.932959664484418], [114.88544904095511,2...
政安晨：【Keras机器学习示例演绎】（三十）—— 使用变换器进行视频分类
目录 数据收集 设置 定义超参数 数据准备 构建基于变换器的模型 培训的效用函数 模型训练和推理 本文目标：用混合变压器训练视频分类器。 本示例是使用 CNN-RNN 架构（卷积神经网络-循环神经网络）进行视频分类示例的后续。这一次，我们将使用基于变换器的模型（Vaswani 等人）对视频进行分类。阅读本示例后，您将了解如何开发基于变换器的混合模型，用于在 CNN 特征图上运行的视频分类。 数据收集 ...
上海计算机学会2023年9月月赛C++丙组T1口令的分类
题目描述 给定一串字符序列，请检查它是否符合成为口令的条件，并判断它的强弱。一个合规的口令，需要满足以下两个必要条件： 长度至少为 88，至多为 1616。只包含以下类型的字符 大写字母。小写字母。数字。标点符号。符合要求的标点符号如下：# & ' ^ " _ = ~ ? ! , . ; : + - * % / | \ ( ) [ ] { } < > 如果一个字符序列包含上述四种字符中的至少三种，则称...
YoloV8改进策略：上采样改进|动态上采样|轻量高效，即插即用(适用于分类、分割、检测等多种场景)
摘要 本文使用动态上采样改进YoloV8，动态上采样是今天最新的上采样改进方法，具有轻量高效的特点，经过验证，在多个场景上均有大幅度的涨点，而且改进方法简单，即插即用！ 论文：《DySample：Learning to Upsample by Learning to Sample》 论文：https://arxiv.org/pdf/2308.15085 我们提出了DySample，一个超轻量级且高效...
Bayes判别：统计学中的经典分类方法
在统计和机器学习领域，Bayes判别是一个基于概率理论的强大工具，用于解决分类问题。它基于Bayes定理，通过计算和比较后验概率来进行决策。这种方法在处理不确定性和不完整数据时表现尤为出色，因此在医学诊断、邮件过滤、语音识别等多个领域得到了广泛的应用。 什么是Bayes判别？ Bayes判别是一种利用概率模型进行分类的方法。它通过使用Bayes定理来估计样本属于各个类别的概率，从而进行决策。这种方法...
MATLAB实现果蝇算法优化BP神经网络预测分类(FOA-BP)
果蝇算法（Fruit Fly Optimization Algorithm, FFOA）是一种启发式优化算法，受果蝇觅食行为的启发。将其应用于优化BP神经网络，主要是为了寻找BP神经网络中的最佳权重和偏置值。以下是一个基本的流程： 初始化： 设定果蝇算法的参数，如种群大小（果蝇数量）、迭代次数、搜索空间的范围等。初始化果蝇群体的位置，这些位置将代表BP神经网络中的权重和偏置的初始值。 果蝇算法迭代： ...
Google Earth Engine（GEE）——ccdc分类，采用的是随机森林分类器
利用随机森林分类进行分类： ee.Classifier.smileRandomForest(numberOfTrees, variablesPerSplit, minLeafPopulation, bagFraction, maxNodes, seed) 创建一个空的随机森林分类器。 参数。 numberOfTrees（整数）。 要创建的决策树的数量。 variablesPerSplit（整数，默认为...