<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[chenweiguofff的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/chenweiguofff</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; chenweiguofff]]></copyright><item><title><![CDATA[机器学习个人笔记]]></title><link>https://blog.youkuaiyun.com/chenweiguofff/article/details/132383767</link><guid>https://blog.youkuaiyun.com/chenweiguofff/article/details/132383767</guid><author>chenweiguofff</author><pubDate>Sat, 19 Aug 2023 20:22:51 +0800</pubDate><description><![CDATA[内聚度可以理解为反映一个样本点与类内元素的紧密程度。分离度可以理解为反映一个样本点与类外元素的紧密程度。FP(False Positive)：将负类预测为正类数， 真实为1，预测为0。TP(True Positive)：将正类预测为正类数，真实为0，预测也为0。FN(False Negative)：将正类预测为负类数，真实为0，预测为1。TN(True Negative)：将负类预测为负类数，真实为1，预测也为1。5.返回前K个点出现频率最高的类别作为当前点预测分类。3.选取与当前点距离最小的K个点。]]></description><category></category></item><item><title><![CDATA[图像处理ORL--训练集及测试集建立--Matlab实现]]></title><link>https://blog.youkuaiyun.com/chenweiguofff/article/details/127698736</link><guid>https://blog.youkuaiyun.com/chenweiguofff/article/details/127698736</guid><author>chenweiguofff</author><pubDate>Sat, 05 Nov 2022 00:35:54 +0800</pubDate><description><![CDATA[在matlab中，文件名是以字符串形式出现的，故可以通过字符串读取文件，通过for循环更改字符串中的数字来实现数据集的建立与label的读取。]]></description><category></category></item><item><title><![CDATA[python学习笔记之数据类型]]></title><link>https://blog.youkuaiyun.com/chenweiguofff/article/details/127610012</link><guid>https://blog.youkuaiyun.com/chenweiguofff/article/details/127610012</guid><author>chenweiguofff</author><pubDate>Mon, 31 Oct 2022 10:06:15 +0800</pubDate><description><![CDATA[在python中，无需声明数据格式，只需在使用时对变量进行赋值即可。String_test : 1 , Tuple_test : 1 , 1 : 1 } print("数字" , Number_test) print("字符串" , String_test) print("列表" , List_test) print("元组" , Tuple_test) print("集合" , Sets_test) print("字典" , Dic_test)]]></description><category></category></item><item><title><![CDATA[BP神经网络 MATLAB实验报告]]></title><link>https://blog.youkuaiyun.com/chenweiguofff/article/details/127551204</link><guid>https://blog.youkuaiyun.com/chenweiguofff/article/details/127551204</guid><author>chenweiguofff</author><pubDate>Thu, 27 Oct 2022 14:05:28 +0800</pubDate><description><![CDATA[1、在代码实现过程中，由于训练时对训练数据进行了归一化处理，那么在测试时应当也对目标进行归一化处理，以保证训练数据与测试数据处于同一量纲。此外，由于训练时也对目标label进行了量纲处理，故在测试集测试出结果后也应当对量纲进反归一化处理，即采用初始处理label的归一化参数对得到的参数进行反归一化。否则结果将会出现错误。2、其实本次实验是分类网络，但由于是二分类，且采用的激活函数等与预测网络类似，故本次实验尝试了采用预测网络对目标进行分类。只是在最后处理结果时加上了人为的1.5阈值标定。]]></description><category></category></item><item><title><![CDATA[UCOS-II优先级调度算法之详解OSPrioHighRdy=(INT 8U)((y＜＜3)+OSUnMapTbl[OSRdyTbl[y]])；]]></title><link>https://blog.youkuaiyun.com/chenweiguofff/article/details/127427331</link><guid>https://blog.youkuaiyun.com/chenweiguofff/article/details/127427331</guid><author>chenweiguofff</author><pubDate>Thu, 20 Oct 2022 15:04:11 +0800</pubDate><description><![CDATA[UCOS-II优先级调度算法之详解OSPrioHighRdy=(INT 8U)((y]]></description><category></category></item><item><title><![CDATA[大津算法的matlab实现]]></title><link>https://blog.youkuaiyun.com/chenweiguofff/article/details/126983325</link><guid>https://blog.youkuaiyun.com/chenweiguofff/article/details/126983325</guid><author>chenweiguofff</author><pubDate>Wed, 21 Sep 2022 23:47:35 +0800</pubDate><description><![CDATA[​        图像分割就是把分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像的关键步骤。​        大津算法也称最大类间差法，由大津于1979年提出，被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响，因此在数字图像处理上得到了广泛的应用。]]></description><category></category></item><item><title><![CDATA[python之excel数据写入(2)]]></title><link>https://blog.youkuaiyun.com/chenweiguofff/article/details/126708587</link><guid>https://blog.youkuaiyun.com/chenweiguofff/article/details/126708587</guid><author>chenweiguofff</author><pubDate>Mon, 05 Sep 2022 16:46:32 +0800</pubDate><description><![CDATA[在上一篇博客中，我们学习了python的excel读取以及数据的分类累加，在本篇中，我们进一步学习excel的数据写入。同样，本次使用excel案例为2020年数学建模大赛C题部分示例。上章我们已完成了数据字典的建立，本次我们将字典写入excel文档中。]]></description><category></category></item><item><title><![CDATA[python之excel数据读取与分类累加]]></title><link>https://blog.youkuaiyun.com/chenweiguofff/article/details/126696760</link><guid>https://blog.youkuaiyun.com/chenweiguofff/article/details/126696760</guid><author>chenweiguofff</author><pubDate>Mon, 05 Sep 2022 00:03:16 +0800</pubDate><description><![CDATA[wb = openpyxl . load_workbook("1.xlsx") #打开表格 sheet1 = wb [ '进项发票信息' ] codeData = {} #定义企业信息字典。]]></description><category></category></item><item><title><![CDATA[错误代码0x80004005]]></title><link>https://blog.youkuaiyun.com/chenweiguofff/article/details/125944174</link><guid>https://blog.youkuaiyun.com/chenweiguofff/article/details/125944174</guid><author>chenweiguofff</author><pubDate>Sat, 23 Jul 2022 10:15:51 +0800</pubDate><description><![CDATA[更新注册表方式并不使用于所有电脑，对于一般用户而言，一步步排查的方式也很难完成修复，那么，有什么偷懒的办法呢？直接使用安全软件，点击网络修复。例如打开火绒安全，点击网络工具的断网修复。异常的情况下，应当显示HOSTS文件以及IE代理出现异常。在上网时突然发现自己登得上QQ，却无法打开浏览器怎么办？由于编写时已经解决问题，故编者图片中不存在异常。...]]></description><category></category></item><item><title><![CDATA[卷积神经网络分类实战]]></title><link>https://blog.youkuaiyun.com/chenweiguofff/article/details/125587895</link><guid>https://blog.youkuaiyun.com/chenweiguofff/article/details/125587895</guid><author>chenweiguofff</author><pubDate>Sun, 03 Jul 2022 19:00:51 +0800</pubDate><description><![CDATA[基于唐宇迪老师的神经网络课程，初步实现课堂上的神经网络构建。是的一个图形库，它服务于深度学习框架的，主要用来构建计算机视觉模型。torchvision.datasets: 加载数据的函数及常用的数据集的接口；
torchvision.models: 包含有模型架构，例如AlexNet、VGG、ResNet等；
torchvision.transforms: 常用的图片变换，例如裁剪、旋转等功能；
torchvision.utils: 其他的一些有用的方法。搜索数据模型的方法是：进入如下网站torchvisi]]></description><category></category></item><item><title><![CDATA[卷积神经网络初步实现]]></title><link>https://blog.youkuaiyun.com/chenweiguofff/article/details/125579388</link><guid>https://blog.youkuaiyun.com/chenweiguofff/article/details/125579388</guid><author>chenweiguofff</author><pubDate>Sat, 02 Jul 2022 23:18:44 +0800</pubDate><description><![CDATA[基于唐宇迪老师的卷积神经网络课程相对于一般神经网络，一般神经网络输入通常为一列向量，而卷积神经网络输入即为三维数据。即输入类似于28×28×1图像提取特征，得到特征图。将图像进行分割，如黑白图由5×5×1的图分割为3×3个3×3的区域，为每个区域提取一个特征值，从而得到一个3×3的特征图。而一般颜色图像通道有RGB三原色，在提取过程中需要对三个颜色通道依次进行提取，并将每个通道结果进行加法运算。随机赋值一个计算助手Filter Wi，矩阵的第三个维度等于输入的第三个维度。即若原输入具有三个颜色通道，则随机定]]></description><category></category></item><item><title><![CDATA[神经网络分类任务]]></title><link>https://blog.youkuaiyun.com/chenweiguofff/article/details/125566098</link><guid>https://blog.youkuaiyun.com/chenweiguofff/article/details/125566098</guid><author>chenweiguofff</author><pubDate>Fri, 01 Jul 2022 21:36:54 +0800</pubDate><description><![CDATA[数据大小x_train.shape=(x,y)x=数据集中样本个数y=每个样本的横*纵**像素若分类结果为n分类，每个像素点分类为1*n的概率矩阵将数据转换为tensor模式
由上，数据分为训练集输入x_train,训练集输出y_train，验证集输入x_valid，验证集输出y_valid。可以看见，训练集大小为50000784，而测试集大小为10000×784。每784个像素点为一个单独的数据，即说明当前训练集有50000个数据，而验证集有10000个数据。设置batch大小为bs=64，取得单个bat]]></description><category></category></item><item><title><![CDATA[pytorch神经网络初级架构及简单预测模型实现]]></title><link>https://blog.youkuaiyun.com/chenweiguofff/article/details/125547526</link><guid>https://blog.youkuaiyun.com/chenweiguofff/article/details/125547526</guid><author>chenweiguofff</author><pubDate>Thu, 30 Jun 2022 20:16:05 +0800</pubDate><description><![CDATA[torch.zeros , torch.empty , torch.randn,torch.add,x*weights=x.mm(weights)……在定义数据时，加入requires_grad=True，表示自动求导。x=torch.randn(3,4,requires_grad=True)requires_grad中自动求导z.backward(retain_graph=True)不清零时梯度自动叠加.grad是梯度，梯度（gradient）是一个向量，它既有方向又有大小，它的方向是某一函数在某点处变化]]></description><category></category></item><item><title><![CDATA[【无标题】]]></title><link>https://blog.youkuaiyun.com/chenweiguofff/article/details/125531756</link><guid>https://blog.youkuaiyun.com/chenweiguofff/article/details/125531756</guid><author>chenweiguofff</author><pubDate>Wed, 29 Jun 2022 23:47:57 +0800</pubDate><description><![CDATA[图片分类（2017年5%识别错误率），物体检测与分割，样式迁移…… 机器学习的一般步骤包括：特征提取，模型预测，训练数据。多层感知机早期感知机给定输入X，权重W，偏移B，感知机输出o=f(+b) f为二分类：if x>0 f=1;else f=-1;训练感知机对应早期感知机二分类方式 当感知判定结果错误时对结果进行更新。如下为动态更新结果即通过不断对错误分类方案产出的分界面进行调整，训练得出越来越精确的分截面参数。 数据半径为R，余量为p（余量指的是分类区宽度，我们知道在临近分截面的区域一定会有个...]]></description><category></category></item></channel></rss>