算法 深度 规则apriori
机器学习算法（二）: 基于鸢尾花数据集的朴素贝叶斯(Naive Bayes)预测分类
优点：
朴素贝叶斯算法主要基于经典的贝叶斯公式进行推倒，具有很好的数学原理。而且在数据量很小的时候表现良好，数据量很大的时候也可以进行增量计算。由于朴素贝叶斯使用先验概率估计后验概率具有很好的模型的可解释性。
缺点：
朴素贝叶斯模型与其他分类方法相比具有最小的理论误差率。但是实际上并非总是如此，这... ......
机器学习算法（三）：基于horse-colic数据的KNN近邻(k-nearest neighbors)预测分类
机器学习算法（三）：基于horse-colic数据的KNN近邻(k-nearest neighbors)预测分类 项目链接参考：https://www.heywhale.com/home/column/64141d6b1c8c8b518ba97dcc 1 KNN的介绍和应用 1.1 KNN的介绍 k ......
数据算法_组合优化_匈牙利算法
###组合优化问题 (Combinatorial optimization problem,COP) 是一类在离散状态下求极值的最优化问题 二分图(Bipartite graph) 匹配是由一组没有公共端点的边构成的集合。 U与V之间的关联视为前一帧与当前帧的同一id目标的检测框的关联 数据关联是多 ......
动手学深度学习－第３章线性神经网络
3.1线性回归 回归（regression）是能为一个或多个自变量与因变量之间关系建模的一类方法。 线性回归基于几个简单的假设： １.自变量和因变量之间的关系是线性的 ２.任何噪声都比较正常，如噪声遵循正态分布 仿射变换的特点是通过加权和对特征进行线性变换（linear transformation ......
深度理解Java线程池ThreadPoolExecutor
一.使用线程池的好处 1.提高系统性能和响应速度：线程池可以通过复用线程来减少线程的创建和销毁，从而减少了系统开销，提高了系统的性能和响应速度。 2.提高代码的可维护性：使用线程池可以将任务的执行与线程的创建和管理分离开来，使得代码更加清晰易懂，也更加容易维护。 3.提高代码的可复用性：线程池可以让 ......
Windows下的深度学习环境安装
Windows下的深度学习环境安装 电脑型号：戴尔G15 GPU:RTX3060 第一步：下载anaconda 选择anaconda3 2022.10月版本最新版的windowsx86.exe版。官网下载特别慢，这里采用镜像网站 Index of /anaconda/archive/ | 北京外国语 ......
cuda、cudnn、zlib 深度学习必配三件套（Windows）
无论用tensorrt，还是onnxruntime部署。这三个都得下载配置，推荐都放到相应的cuda路径里（含dll的文件夹、含lib的文件夹）。 推荐先下载tensorrt或者onnxruntime，这样可以知道所需的cuda、cudnn版本。 1、cuda（以11.8为例） 下载地址：CUDA ......
学习数据mining算法收集（1）聚类算法：DBSCAN算法
——————————非原创，来自知乎https://zhuanlan.zhihu.com/p/77043965———————————————————————————— 1.定义 DBSCAN将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚 ......
基于深度学习的瓶盖检测系统（Python+YOLOv5深度学习模型+清新界面）
基于深度学习的瓶盖检测系统用于传送带或日常场景中瓶盖检测识别，提供实时瓶盖检测定位和计数，辅助瓶盖生产加工过程的自动化识别。本文详细介绍基于深度学习的瓶盖检测系统，在介绍算法原理的同时，给出Python的实现代码、训练数据集，以及PyQt的UI界面。基于YOLOv5算法实现对图像中存在的多目标进行识... ......
交通信号标志识别软件（Python+YOLOv5深度学习模型+清新界面）
交通信号标志识别软件用于交通信号标志的检测和识别，利用机器视觉和深度学习智能识别交通标志并可视化记录，以辅助无人驾驶等。本文详细介绍交通信号标志识别软件，在介绍算法原理的同时，给出Python的实现代码以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别；可对图像中存在的多目标进行识别... ......
机场航拍图像检测软件（Python+YOLOv5深度学习模型+清新界面）
机场航拍图像检测软件使用深度学习技术检测机场航拍图像中的飞机目标等，识别航拍目标等结果并记录和保存，辅助机场智能管理运行。在介绍算法原理的同时，给出Python的实现代码、训练数据集，以及PyQt的UI界面。机场航拍检测系统主要检测飞机的数目、位置、预测置信度等；连接摄像头设备可开启实时检测功能，另... ......
基于深度学习的海洋动物检测系统（Python+YOLOv5+清新界面）
基于深度学习的海洋动物检测系统使用深度学习技术检测常见海洋动物，识别图片、视频和实时视频中的海洋动物，方便记录、展示和保存结果。本文详细介绍海洋动物检测系统，在介绍算法原理的同时，给出Python的实现代码、训练数据集，以及PyQt的UI界面。基于YOLOv5实现对图像中存在的多个目标进行识别分类，... ......
智能扑克牌识别软件（Python+YOLOv5深度学习模型+清新界面）
智能扑克牌识别软件利用视觉方法检测和识别日常扑克牌具体花色与数字，快速识别牌型并标注结果，帮助计算机完成扑克牌对战的前期识别步骤。本文详细介绍基于深度学习的智能扑克牌识别软件，在介绍算法原理的同时，给出Python的实现代码、训练数据集，以及PyQt的UI界面。基于YOLOv5对图像中存在的多目标进... ......
智能火焰与烟雾检测系统（Python+YOLOv5深度学习模型+清新界面）
智能火焰与烟雾检测系统用于智能日常火灾检测报警，利用摄像头画面实时识别火焰与烟雾，另外支持图片、视频火焰检测并进行结果可视化。本文详细介绍基于智能火焰与烟雾检测系统，在介绍算法原理的同时，给出Python的实现代码以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别；可对图像中存在的多... ......
基于深度学习的花卉检测与识别系统（YOLOv5清新界面版，Python代码）
基于深度学习的花卉检测与识别系统用于常见花卉识别计数，智能检测花卉种类并记录和保存结果，对各种花卉检测结果可视化，更加方便准确辨认花卉。本文详细介绍花卉检测与识别系统，在介绍算法原理的同时，给出Python的实现代码、训练数据集，以及PyQt的UI界面。基于YOLOv5目标检测算法，在界面中可以选择... ......
Cadence入门笔记（七）：布线和规则
规则设置 一般来讲规则设置主要是设置线宽和间距这两个参数 打开Cmgr规则管理器 如上所示，Physical是设置物理参数，即线宽、过孔类型之类。Spacing是这是间距 一般来讲，规则设置都是直接新建规则set,而不是直接修改default参数 例如我设置一个叫JLC的规则集，把线宽设置为最小0. ......
吸烟行为检测系统（Python+YOLOv5深度学习模型+清新界面）
吸烟行为检测软件用于日常场景下吸烟行为监测，快速准确识别和定位吸烟位置、记录并显示检测结果，辅助公共场所吸烟安全报警等。本文详细介绍吸烟行为检测系统，在介绍算法原理的同时，给出Python的实现代码、训练数据集以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别，基于YOLOv5算法实... ......
基于深度学习的动物识别系统（YOLOv5清新界面版，Python代码）
动物识别系统用于识别和统计常见动物数量，通过深度学习技术检测日常几种动物图像识别，支持图片、视频和摄像头画面等形式。在介绍算法原理的同时，给出Python的实现代码、训练数据集以及PyQt的UI界面。动物识别系统主要用于常见动物的识别，检测几种动物的数目、位置、预测置信度等；检测模型可选择切换，识别... ......
智能零售柜商品检测软件（Python+YOLOv5深度学习模型+清新界面）
智能零售柜商品检测软件用于识别零售柜常见商品，检测商品名和位置以了解销售情况，为零售柜商品智能检测和自动销售提供检测功能。本文详细智能零售柜商品检测软件，在介绍算法原理的同时，给出Python的实现代码、训练数据集、以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别；可对图像中存在的... ......
算法笔记的笔记——第6章 C++标准模板库（STL）
vector 变长数组 长度根据需要而自动改变的数组 可以用来以邻接表的方式储存图 使用 头文件：#include <vector> 命名空间：using namespace std; 定义 vector<typename> name; 相当于一维数组name[SIZE]，但长度可变。typenam ......
雪花算法(SnowFlake)
简介 现在的服务基本是分布式、微服务形式的，而且大数据量也导致分库分表的产生，对于水平分表就需要保证表中 id 的全局唯一性。 对于 MySQL 而言，一个表中的主键 id 一般使用自增的方式，但是如果进行水平分表之后，多个表中会生成重复的 id 值。那么如何保证水平分表后的多张表中的 id 是全局 ......
低代码开发，一场深度的IT效率革命
尽管IT技术已经有了前所未有的飞跃，但是软件开发效率却还是达到了一定的瓶颈。码农们一边喊着996、一边重复造轮子。正因为如此，低代码领域发展迅速。今天，你低代码了吗？ 软件形态发展 从整个行业发展情况来看，自2019年低代码成为行业热词至今，资本市场一直动作频频。从需求端来看，低代码的出现集中反映了 ......
「ACM 算法实践」[解题报告]麦田
分析 首先，前缀和的思路是很显然的。然后我们很容易想到暴力枚举矩形的左上角和右下角，然而 $\mathcal{O}(n^4)$ 的算法过不去，哪怕把最后一维用二分，倒数第二维加一点剪枝也还是会 T 两个点。 这时候应该考虑将多行/列压缩为一行/列，然后再使用双指针枚举列/行。详细来说就是将 $i$ ......
「ACM 算法实践」[解题报告]组队
分析 因为时间不多了，我一开始只考虑了 $a_i$ 互不相等的情况，没想到居然拿到了 60 昏（ 正确解法是贪心 + 优先队列。~~而不是从「使得人数最少的队伍人数最多」中得到的二分~~ 首先肯定要将 a 数组排序，要使人数最少的队伍人数最多，我们优先将当前的数 $a[i]$ 放到以 $a[i]-1 ......
「ACM 算法实践」[解题报告]时间管理大师
分析 一开始想着应该要分情况讨论，如果每台电脑的耗电量都小于 $e$ ，那么可以知道小 Q 是可以一直学习下去的，如果存在电脑的耗电量大于等于 $e$ ，贪心的想法是将每台电脑能用的时间从小到大排序，然后丢进优先队列里，再考虑给谁充电，这样一来情况就非常复杂了。 正确的做法是二分答案 $t$ ，计算 ......
高精度算法-高精度加法
为什么要用高精度 因为有的题目的数据很大，超出long long的范围，所以我们需要用高精度来计算： 首先是高精度加法： 高精度加法就是仿照我们竖式加法进行操作，逐位相加，注意进位！！！ 题目传送门 Tiling Time Limit: 1000MS Memory Limit: 65536K Tot ......
蚁群算法及 TSP 问题上的应用
群智能（Swarm intelligence） 自然界动物群，称之为群。 群的特征： 相互作用的相邻个体的集合 个体的行为简单，既有竞争又有协作 智能化的集体行为（1+1>2）： 个体间不仅能够交互信息，还能够处理信息，根据信息改变自身行为 没有一个集中控制中心，分布式、自组织 作为群体协同工作时， ......
爬取的数据，存到mysql中、爬虫和下载中间件、加代理，cookie，header，加入selenium、去重规则源码分析（布隆过滤器）、scrapy-redis实现分布式爬虫
# 1 scrapy架构 -爬虫：写的一个个类 -引擎： -调度器：排队，去重 -下载器 -pipline -下载中间件 -爬虫中间件 # 2 命令 -scrapy startproject 项目名 -scrapy gensipder 爬虫名 网址 -scrapy crawl 爬虫名字 -run.p ......