qq_25368751的博客

当前一代的便携式移动设备结合了各种类型的传感器，为分析人类行为开辟了新的领域。在本文中，我们提出了一种使用从智能手机的单个三轴加速度计收集的时间序列来识别人类身体活动的方法。首先，该方法解决了在线时间序列分割的问题，假设每个有意义的片段对应于一个基本的运动周期。为了提取基本周期，我们应用主成分分析技术构建了相位轨迹矩阵。所获得的片段指的是各种类型的人类身体活动。为了识别这些活动，我们使用k最近邻算法和神经网络作为替代。

计算划分之后所有子节点的“纯度”信息。对于整体的数据集而言：按照所有的特征属性进行划分操作，对所有划分操作的结果集的“纯度”进行比较，选择“纯度”越高的特征属性作为当前需要分割的数据集进行分割操作。根据属性值的类型进行划分：如果值为离散型，且不生成二叉决策树，则此时一个属性就是可以一个分支，比如：上图数据显示，婚姻状态为一个属性，而下面有三个值，单身、已婚、离婚，则这三个值都可以作为一个分类。但是，事实是不可能将数据分的那么的纯，因此，需要“贪心”策略，力争在每次分割时都比上一次好一些，分的更纯一些。

的样本中的大多数属于某一个类别，则该样本也属于这个类别。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。即它没有明显的前期训练过程，而是程序开始运行时，把数据集加载到内存后，不需要进行训练，就可以开始分类了。维空间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离），在二维和。，一类是蓝色的正方形，一类是红色的三角形，那个绿色的圆形是我们待分类的数据。从上图中我们可以看到，图中的数据集是良好的数据，即都打好了。个点投票，于是绿色的这个待分类点属于红色的三角形。

先下载依赖包git clone https://github.com/pjreddie/darknetcd darknetmakeit's easy接下来需要下载pre-trained文件 237M run:wget https://pjreddie.com/media/files/yolov3.weights然后运行代码：./darknet detect cf...

本文基于百度AI进行人脸识别，在众多人脸中匹配人脸库中的人脸。首先创建百度AI网站帐号：进入控制台：创建应用可以在应用中创建自己的人脸库。#!/usr/bin/env pythonimport rospyfrom PIL import Imagefrom std_msgs.msg import Stringfrom aip import AipFaceimpor...