‭ 仙女味、白桃-优快云博客

原创【项目开发】基于深度学习的皮肤癌智能检测系统

🏥 基于深度学习的皮肤癌智能检测系统 📋 摘要本文介绍了一个基于深度学习的皮肤癌智能检测系统，采用PyTorch框架构建卷积神经网络模型，实现了对8种常见皮肤病变的高精度分类（准确率85.2%）。系统包含完整的数据处理流程、多架构模型支持和Flask Web应用开发方案，为医疗AI应用提供了一套可复用的技术实现框架。技术亮点：灵活的数据加载方案（支持CSV/文件夹结构）模块化模型设计（支持SimpleCNN/ResNet等架构）完整的Web应用开发流程（前端+后端+模型部署）专业级训练优化策

2025-11-04 11:37:36 654

原创【高光谱文献带读】Transformer-KAN网络在多模态遥感分类中的应用与实践

遥感图像分类面临特征提取不足和多模态融合效率低的问题。最新研究提出Transformer-KAN网络，将Transformer的全局建模能力与KAN（Kolmogorov-Arnold Network）的非线性拟合优势结合，显著提升了分类精度。该模型采用编码器-解码器架构，通过KAN模块增强Transformer层，并设计多模态交叉注意力机制。实验表明，在Houston2013等数据集上，该模型实现了94.38%的总体准确率，优于现有方法。未来可优化计算效率并扩展至时序数据应用。论文代码已开源。

2025-10-28 18:43:48 808

原创【数据分析项目实战】深圳市二手房房价分析及预测

摘要：本项目基于深圳10个行政区15,682条二手房交易数据，构建房价预测模型。数据包含23个特征，存在区域分化（南山区12万/㎡ vs 坪山区3.8万/㎡）和右偏分布（90%样本300-1200万元）等特点。通过Python进行数据清洗（处理8.7%-12.3%缺失值）、特征工程（创建单价、房龄等衍生特征）和分类变量编码（装修程度有序编码、朝向独热编码）。采用MSE、MAE和R²（目标≥0.85）评估模型，重点解决数据偏态、特征共线性等技术挑战，为购房决策和政策制定提供数据支持。

2025-10-28 09:04:53 1026

原创【数据分析项目实战】学生校园消费数据分析与可视化

本文基于学生校园消费数据（data1-3.csv），通过清洗、整合和可视化分析，揭示了学生消费行为规律。研究发现：消费呈现周期性波动，工作日高于周末；第四食堂消费金额最高，第二食堂消费次数最多；女生消费略高于男生；不同专业消费差异显著；小额消费（0-10元）占比最高。建议学校根据消费高峰调整服务时间，优化食堂资源配置，关注专业需求差异，并改进小额支付方式。分析结果为优化校园服务提供了数据支持。

2025-10-27 15:12:48 1020

原创【大模型应用】软著材料文件生成助手

本文介绍了一个基于Python开发的"软著自动生成工具"，该工具能显著简化软件著作权申请流程。文章从需求分析出发，详细阐述了技术选型(PySide6 + LangChain + python-docx)和分层架构设计，重点解析了三大核心模块：智能代码扫描模块(支持35+语言识别和分类)、代码统计分析模块(提供多维统计视图)以及文档生成工作流(实现异步任务处理)。该工具通过自动化代码扫描、智能内容生成和标准化文档输出，将原本需要2-3天的软著申请准备工作缩短至几十分钟内完成，大幅提升了开发

2025-10-27 14:41:38 1135

原创【高光谱文献带读】CDMLC多级对比方法在跨域小样本高光谱图像分类

摘要：高光谱图像分类面临小样本和跨域挑战，传统方法难以应对。论文提出跨域多级对比（CDMLC）方法，通过三级对比学习（实例-类别-跨域）提升特征判别性，结合光谱注意力3D-CNN动态聚焦关键波段，使用k-NN分类器避免过拟合。在五个公开数据集上，CDMLC以5-shot样本实现92.3%平均精度（较SOTA提升7.8%），验证了其在小样本跨域场景下的优越性。核心创新包括多级对比机制、光谱注意力模块和无参数分类器设计，为高光谱分类提供新思路。

2025-10-26 19:25:09 749

原创【langchain从入门到实践】02 模型调用的细节问题

本文介绍了对话模型中消息（message）的使用方法，包括三种消息类型（SystemMessage、HumanMessage、AIMessage）的具体实现和调用示例。重点讲解了多轮对话中上下文记忆的处理方式，以及模型调用的三种方法：阻塞式调用（invoke）、流式输出（stream）和批量调用（batch）。通过Python代码示例展示了如何构建对话消息、处理多轮对话以及实现不同调用方式，为开发者提供了实用的对话模型实现参考。

2025-10-23 19:34:27 274

原创【Langchain从入门到实践】01 模型调用的三大分类详解

文章摘要（150字）： LangChain是构建LLM应用的开源框架，提供模型集成、提示模板、记忆存储等核心组件，支持智能问答、文档总结等场景。其模型调用分为三类：非对话模型（文本生成）、对话模型（多轮交互）和嵌入模型（文本向量化）。配置方式支持硬编码、环境变量及配置文件，兼容主流API服务。框架通过预定义工作流串联任务，支持与向量数据库等工具集成，开发者可通过统一接口调用不同厂商模型，降低开发复杂度，适用于需快速迭代的AI应用场景。

2025-10-23 19:30:18 702

原创 APMN: 注意力补丁混合网络提升少样本高光谱图像分类性能

本文提出了一种新型注意力补丁混合网络（APMN）用于少样本高光谱图像分类。该方法通过动态混合补丁生成复杂训练样本，结合双Transformer提取像素级注意力特征，显著提升了边界场景的分类性能。实验表明，APMN在多个数据集上实现最优分类准确率，同时降低对大规模预训练数据的依赖。该技术可应用于农业监测、环境变化检测等标注资源有限的场景，为高光谱图像分类提供了更高效的解决方案。

2025-09-26 17:27:58 1074

原创高光谱图像分类机器学习方法（三）

本文研究了基于SVM的高光谱图像分类方法。通过Python实现完整的分类流程，包括数据预处理、特征提取、模型训练与评估。实验使用Indian Pines数据集，包含16类地物特征。研究结果表明，SVM在高光谱分类任务中表现良好，准确率达到较高水平。文章提供了完整的代码实现，包括数据可视化、模型训练和结果展示，为高光谱图像分类提供了实用参考。该方法可应用于农业、环境监测等领域的地物识别任务。

2025-09-26 12:17:21 854

原创高光谱图像分类任务介绍（一）

高光谱图像分类的核心任务是通过分析图像中每个像素或区域的光谱特征，将其准确划分到预设的类别中。这种分类技术能够充分利用高光谱数据包含的数十至数百个连续窄波段的光谱信息，实现对地物类型的精细识别。数据预处理：包括辐射校正、几何校正和噪声去除等特征提取：从数百个波段中选择最具判别性的特征分类器训练：使用监督或非监督学习方法构建分类模型精度评估：通过混淆矩阵、总体精度等指标验证分类效果农业监测领域：作物类型识别与分类病虫害早期检测（如通过叶面光谱变化识别病害）

2025-09-25 17:01:08 773

原创高光谱图像分类常用数据集（二）

本文介绍了四个常用的高光谱图像数据集及其下载链接。数据集包括：印度松树数据集（1992年采集，145×145像素，224波段，16类）帕维亚大学数据集（2001年采集，610×340像素，103波段，9类）帕维亚中心数据集（1096×1096像素，102波段，9类）萨利纳斯数据集（512×217像素，224波段，16类）每个数据集包含详细的类别信息和样本数量，适用于高光谱图像处理研究。数据可通过夸克网盘或Google Drive获取。

2025-09-25 17:00:06 1819