- 博客(53)
- 资源 (3)
- 问答 (2)
- 收藏
- 关注
原创 【数据库+Engine】吉大核酸采样点空间分布与可达性分析系统集采样管理一键式平台报告
包含报告,源程序,介绍视频。注意地图好像我用的是绝对路径,可能到你的电脑下需要重新设置数据的源路径。以下是报告节选:第三章 逻辑实现和物理实现 173.1逻辑模型 173.2 物理模型 18第四章 系统初始化介绍 194.1需要软件 194.2 初始化以及数据导入 19第五章 主要功能与代码 215.1 自定义类 215.1.1 SQL类用来方便数据库的链接 215.1.2 STATIC类用来存储一些全局变量: 235.2 登录与注册界面 245.2.1 登录 245.2.2 注册
2022-12-30 13:05:27
1845
1
原创 【ENVI】遥感数字图像处理-图像分类课程设计报告
4.1.1 图像校正地理空间数据云下载的0云量数据已经进行过了图像大气校正,辐射校正,几何校正,不需要进一步预处理。4.1.2 波段合成点击“Basic Tools”—“Layer Stacking”,这时就打开了波段合成窗口,然后点击“Import file”,打开波段输入窗口。我们从中可以选择输入波段。完成波段顺序调整后,就可以直接点击“OK”,这样就会生成一个新合成的波段图像(选取波段1,2,3,4,5,7)。正在上传…取消图4.1 合成波段1,2,3,4,5,7图像正在上传…取
2022-12-15 11:48:46
2871
原创 【ArcGIS Engine开发入门】1.简单显示地图LicenseContro,ToolbarControl,TOCControl,MapControl
1.打开VS,新建一个C#窗体应用程序,打开工具箱 如果可以看到ArcGIS的工具箱项目,就说明安装成功下图展示如何打开工具箱。2.许可安装LicenseControl工具使用将此许可工具拖动到窗口上右键此工具,属性打开窗口[点击并拖拽以移动]选择Advanced最高类型就可以进入窗口代码界面,引用头文件using ESRI.ArcGIS;一行代码 加入本地ArcMap10.2许可文件加载
2022-11-10 22:43:59
1782
3
原创 [从0开始机器学习]8.过拟合问题和正则化方法
过拟合问题是由于你拟合的变量阶次太高,回归问题表现在俩点直接抖动的情况,分类问题表现在分割每一个局部特殊点。解决方法就是给代价函数加上正则化项用来惩罚系数矩阵过大,对常数项不惩罚的情况: 注意seita0也就是常数项还是原来的规则 以一元n次回归的过拟合情况举例:以下面代码为例子:
2022-10-24 23:07:48
355
2
原创 [从0开始机器学习]7.逻辑回归 多分类
多元分类,实际上是n个一对多的二元分类,得到n个系数数组,预测的时候,分别代入这几个数组,当H预测函数概率最大的时候,就是那个分类。三个类别分类,就得到三个K系数组,得到三个预测方程,和三类分界线
2022-10-23 23:32:33
903
原创 [从零开始机器学习]6.逻辑回归 非线性二分类
非线性逻辑回归,主要通过给出的俩个变量,构建出一个新的矩阵,这个矩阵的其他元代表给出的这俩个变量的高次数。再根据上一节课的步骤做出来就行。主要需要注意最后得到的K系数矩阵对应的变量的次方。这个代码我也没写的太好,到更高次通用性不好,但由于写出一个通用性代码太费时间了,就直接拿二次函数和三次函数举例就行,如果你感兴趣,你可以根据规律,构建一个有规律的矩阵,并规律的给它乘上相应的回归得到的系数k,构建出我们最后的决策界限和假设函数
2022-10-22 18:55:04
1195
1
原创 [从0开始机器学习]5.逻辑回归 二分类
# 假设函数# 在逻辑回归中我们设定的假设函数是H=1/(1+e^(-KX))这个值在0-1之间,可以当作概率# 代价函数L=求和((H(x)-y(x))^2),其中H是关于K矩阵中所有系数参数的假设函数#通过最似然估计将代价函数化简变成凸函数,上面图3# 代价函数就是你估算的值与实际值的差的大小,使得代价函数最小,这样就能不断逼近结果# 使得代价函数最小,就要使得初始点在斜率线上不断往低处移动,呈现出系数的不断微小移动# 固定公式格式,推导原理看吴恩达P11
2022-10-22 10:40:20
313
原创 [从0开始机器学习]4.线性回归 正规方程
在线性回归中实际就是求代价函数对系数变量求导,导数为0的时候,即代价函数最小的时候,系数矩阵的值。以多元一次函数为例 使用前提:1.X特征数量小于样本数量 2.X矩阵中不存在线性相关的量#正规方程,固定公式详细推导见吴恩达P23机器学习通过文字描述是难以教学学会的,每一节课我会推荐这个理论的网课,一定要看上面的理论视频!一定要看上面的理论视频!一定要看上面的理论视频!所以我只是通过代码实现,并通过注释形式来详细讲述每一步的原因,最后通过画图对比的新式来看结果比较。
2022-10-22 10:39:58
1192
1
原创 [从0开始机器学习]3.一元多次函数线性回归
一元n次线性回归是多元一次线性回归的特殊形式,可以将 多元一次的线性函数中第2个元认为x^2,第3个元认为是x^3.....依次类推,同理,可以写出多元多次的线性回归,当然,下面只写出可以机器学习中调节次方的一元n次线性回归函数的代码。# 代价函数L=求和((H(x)-y(x))^2),其中H是关于K矩阵中所有系数参数的函数# 代价函数就是你估算的值与实际值的差的大小,使得代价函数最小,这样就能不断逼近结果# 使得代价函数最小,就要使得初始点在斜率线上不断往低处移动,呈现出系数的不断微小移动
2022-10-22 09:34:49
1156
原创 [从0开始机器学习]2.多元一次函数线性回归
# 假设函数,假设是个多元线性函数,每个参数的系数和常数不知道,是要回归算的变量#返回系数矩阵乘参数矩阵# 代价函数L=求和((H(x)-y(x))^2),其中H是关于K矩阵中所有系数参数的函数# 代价函数就是你估算的值与实际值的差的大小,使得代价函数最小,这样就能不断逼近结果# 使得代价函数最小,就要使得初始点在斜率线上不断往低处移动,呈现出系数的不断微小移动#注意归一化所求的系数矩阵K是(X-U)/S的系数,真正系数,需要将x参数前面的系数合并# 固定公式格式,推导原理看吴恩达P11
2022-10-22 09:31:45
653
原创 [基础库Numpy] 技能树总结:一篇文章学会Numpy库
Numpy库常用API简介(1)创建数组#构造法#特殊值法#随机数法#定长分割法#重复构造法#网格构造法(2)操作数组#索引和切片#结构的改变#合并与拆分#复制#排序#查找#筛选 #数组I/O(3)创建矩阵对象#构造法#特殊值法(4)操作矩阵对象#矩阵变换#矩阵运算(5)常用函数#特殊值#函数的命名空间#数学函数#统计函数#一维线性插值#多项式拟合函数#自定义广播函数(6)掩码数组#创建掩码数组#访问数据#访问掩码#仅获取有效值#修改掩码#掩码数组操作
2022-10-21 12:13:27
779
原创 【软件基础】pycharm2021.3.2安装汉化和python3.10.1环境配置
如果无法创建python文件说明你的盘没有管理员权限,建议将所有的安装项目文件都不要放在C盘,C盘跟你电脑运行速度息息相关,建议都放在D盘或者E盘,下面显示更改盘权限方法。如果没有上面情况,你创建好项目之后,在左上角文件设置里面,有个项目编译器,里面选择本地编译器并勾选全局编译器就行。右键属性-安全-users-高级-users-编辑-全选-应用。【2】编辑运行配置,路径是自己新建的py文件,点击应用。(4)将你安装好的python.exe文件地址放进去。第一行左边是解释器路径,右边是py文件路径。
2022-10-21 12:02:24
2431
1
原创 [爬虫]5.数据解析及应用 之 xpath 【爬取某城市所有景点的所有评论】
解析的局部的文本内容都会在标签之间或者标签对应的属性中进行存储,列如图片在标签中,列表数据在标签中xpath是最常用最便捷高效的一种解析方式,不仅python中可以用,c语言,java中也可以用,具有通用性。xpath解析原理:1.实例化一个etree的对象,且需要将被解析的页面源码数据加载到该对象中。2.调用etree对象中的xpath方法结合着xpath表达式实现标签的定位和内容的捕获。#导入lxml的etree模块#实例化etree对象#xpath查找 标签定位。
2022-10-21 11:59:41
1528
2
原创 [爬虫]4.数据解析及应用 之 bs4【爬取一部小说的文本】
解析的局部的文本内容都会在标签之间或者标签对应的属性中进行存储,列如图片在标签中,列表数据在标签中bs4数据解析的原理;1.实例化一个BeautifulSoup对象,并且将页面源码数据加载到该对象中2.通过调用BeautifulSoup对象中相关的属性或者方法进行标签定位和数据提取。
2022-10-21 11:54:46
5384
原创 [爬虫]3.数据解析及应用 之 正则表达式【爬取网页所有图片】
聚焦爬虫;数据解析方式分类:正则表达式;bs4模块;xpath模块;F12查看网页标签的html格式;正则表达式详细表示方法;正则匹配; import re; list=re.findall(pattern,string,flags);创建文件夹;爬取和保存页面所有图片格式;
2022-10-12 00:50:03
2200
3
原创 [爬虫]2.requests模块及简单应用
requests模块: python中原生的一 款基于网络请求的模块,功能非常强大,简单便捷,效率极高。作用:模拟浏览器发请求。URL参数UA伪装F12抓包工具的爬取Ajax局部页面的请求json数据格式的保存。
2022-10-11 00:53:06
701
原创 [爬虫]1.爬虫简介
爬虫一般指网络爬虫。 网络爬虫,编写程序(一般为python),自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。)。反爬机制反反爬策略;robots . txt协议;常用请求头信息:User-Agent:请求载体的身份标识,Connection:请求完毕后,是断开连接还是保持连接;常用响应头信息:Content-Type:服务器响应回客户端的数据类型;http协议和https协议;加密方式:对称秘钥加密,非对称秘钥加密,证书秘钥加密(http
2022-10-09 15:52:54
3038
2
原创 [图像处理]14.分割算法比较 OTSU算法+自适应阈值算法+分水岭
寻找海陆分割二值化的阈值,通过统计学方法,常用来处理直方图中有俩个峰的图像,就如同海陆俩个颜色比较多的图片,找到方差最大的时候的灰度值。如果扩大填充面积,area
2022-10-07 17:39:08
4473
5
原创 (终章)[图像识别]13.OpenCV案例 自定义训练集分类器物体检测
正样本集为包含“识别物体”的灰度图,一般大于等于2000张,尺寸不能太大,尺寸太大会导致训练时间过长。负样本集为不含“识别物体”的任何图片,一般大于等于5000张,尺寸比正样本集稍大。一般为正样品集的3倍。在当前文件夹下新建五个文件夹,pos和neg放处理后的图片,ini_pos和ini_neg放原来的图像,xml放以后自定义生成的分类器将下载的正负样本集分别放入ini_pos和ini_neg文件夹。我百度图片上下载了船的图片到ini_pos,鱼的图片到ini_neg。
2022-10-05 20:17:24
4280
4
原创 [图像识别]12.Opencv案例 超简单人脸检测识别
1.原理:我们使用机器学习的方法完成人脸检测,首先需要大量的正样本图像(面部图像)和负样本图像(不含面部的图像)来训练分类器。我们需要从其中提取特征。Haar特征(这个值等于黑色矩形中的像素值之后减去白色矩形中的像素值和。)会被使用,就像我们的卷积核,每一个特征是一个值。Haar特征值反映了图像的灰度变化情况。Haar特征可用于于图像任意位置,大小也可以任意改变,所以矩形特征值是矩形模版类别、矩形位置和矩形大小这三个因素的函数。故类别、大小和位置的变化,使得很小的检测窗口含有非常多的矩形特征。
2022-10-03 20:45:24
1654
3
原创 [图像识别]11.OpenCV的角点检测 FAST和OBR算法
FAST1.原理前面讲述的SIFT和SURF算法效率还是太低了,为解决这个问题提出了FAST算法FAST算法通俗的将就是检测一个像素周围有一定数量的像素与该点像素值不同,就认为它是角点。2.步骤【1】在图像中选取一个像素点p,来判断它是不是关键点。Ip等于像素点p的灰度值。【2】以r为半径画圆,覆盖p点周围的M个像素,通常情狂下,设置r=3,则M=16。。。。。。 OBR1.原理ORB算法结合了Fast和Brief算法,提出了构造金字塔,为Fast特征点添加了 方向,从而使得关键点具。。。。
2022-10-03 17:31:21
1891
1
原创 [图像识别]10.OpenCV的特征点检测 SIFT和SURF算法
SIFT1.原理。Harris和Shi-tomas具有旋转不变性但不具有尺度不变性,当图片缩放后角点数量会变化。SIFT具有尺度不变性,实质是在不同尺度上检测特征点,并计算出特征点方向,SIFT查找的特征点突出,不会因为光照,仿射变换,噪声而发生变化。SURF(加速版的具有鲁棒性的特征,SpeededUp Robust Features),SURF是尺度不变特征变换算法(SIFT算法)的加速版。SURF最大的特征在于采用了harr特征以及积分图像的概念。,计算更小小,运算速度更快。
2022-10-02 11:00:17
2188
1
原创 [图像识别]9.OpenCV的角点检测 Harris和Shi-tomas
OpenCV的角点检测 Harris和Shi-tomas。1.图像的角点特征。面特征和边缘特征比较大,无法唯一识别位置,角点特征能够唯一确定位置。一般认为角点和斑点都是较好的图像特征。2.Harris角点检测【1】原理:通过局部小窗口观察图像,如果沿着任意方向(u,v)灰度都会变化最大,则认为是角点。定义灰度差异总和E,角点检测就是使得E最大:3.Shi-tomas角点检测【1】原理:Shi-tomas算法是对Harris算法的改进,只要λ1和λ2中最小特征值大于一个阈值则认为它是角点。
2022-10-01 14:11:27
668
原创 [图像识别]8.OpenCV的模板匹配和霍夫检测
模板匹配1.原理。建立一个模板图像,不断移动模板图像来检测匹配程度,找到最高的匹配区域2.步骤【1】将原图像(W x H)与模板图像(w x h)计算匹配程度,将结果保存在矩阵R(W-w+1 x H-h+1)里面【2】找到R矩阵中像素最大(即匹配度最大)的点位置,则这个点为顶点长宽为模板大小的区域就是匹配区域。霍夫变换常用来提取图像中的直线,圆形等几何图形。
2022-09-30 17:51:58
1571
4
原创 [图像识别]7.OpenCV的边缘检测
识别数字图像中亮度突变的点,边缘检测大幅度减少了数据量,保留了图像重要的结构属性边缘检测方法主要有两种:【1】基于搜索:通过寻找图像一阶导数中的最大值来检测边界,然后利用计算结果估计边缘的局部方向,通常采用梯度的方向,并利用此方向找到局部梯度模的最大值,代表算法是Sobel算子和Scharr算子。【2】基于零穿越.通过寻找图像二阶导数零穿越来寻找边界,二阶导数为0代表的一阶导数的斜率方向变化点,也就是原函数斜率最大点。代表算法是Laplacian算子。Canny边缘检测
2022-09-30 03:45:00
702
原创 18.Unity2D 横版 骨骼动画 之 可扩展简单角色换装
18.Unity2D 横版 骨骼动画 之 可扩展简单角色换装。系统脚本Sprite Libiary脚本,Sprite Resolver脚本和Sprite Library Asset库共同完成骨骼换装任务
2022-09-28 22:42:48
2812
原创 [图像识别]6.Opencv的直方图与matplotlib库入门
Opencv的直方图与matplotlib库入门。直方图。1.灰度直方图。2.掩膜的应用。3.直方图均衡化。4.自适应直方图均衡化。matplotlib库入门1.绘图区域。2.图标题。3.x,y轴标签。4.x,y范围。5.绘图。6.显示网格。7.显示。8.创建子图。9.子图标题。10.保存图。
2022-09-28 17:54:18
199
原创 [图像识别]5.OpenCV的图像平滑
OpenCV的图像平滑椒盐噪声高斯噪声均值滤波cv.blur(img,ksize,anchor,borderType)高斯滤波cv.GaussianBlur(img,ksize,sigmaX,sigmaY,borderType)中值滤波cv.medianBlur(img,ksize)双边滤波cv.filter2D(img, ddepth, ksize, dst, anchor, delta, borderType)
2022-09-27 22:20:12
668
原创 [图像识别]4.OpenCV的形态学操作
1.连通性常见的邻接关系有3种: 4邻接、D邻接和8邻接根据连通性的定义,有4联通、8联通和m联通三种。 2.形态学操作(1)腐蚀和膨胀开运算:先腐蚀后膨胀。去除边缘高亮毛细噪声,不影响原来的图像闭运算:先膨胀后腐蚀。消除中间暗淡孔洞,不影响原来的图像礼帽(顶帽):原图像与开运算图像之差,高亮显示噪声黑帽:闭运算结果与原图之差,高亮显示暗淡孔洞
2022-09-26 23:13:39
1034
原创 [图像识别]3.OpenCV的算术操作和几何变换
OpenCV的算术操作和几何变换。图像加法,图像混合,图像缩放,图像旋转,仿射变换,投影变换,图像金字塔。python代码及其基本原理。
2022-09-26 16:13:26
712
2
原创 17.Unity2D 横版 骨骼动画 之 动画中局部骨骼旋转+多层动画共同控制+局部骨骼索敌攻击
Unity2D 横版 骨骼动画 之 动画中局部骨骼旋转+多层动画共同控制+局部骨骼索敌攻击。动画中不能调整二级骨骼旋转?想要做到两个动画融合?今天要讲述一个非常重要的功能,骨骼动画比起帧动画来说它有一个非常重要的优点,中间值是无限插值生成的,也就是说可以通过多层动画器叠加来完成一个动作。举个栗子,在骨骼动画中你有一个走路动画,和一个跑步动画,但走路到跑步之间过度动画要怎么完成?用多层动画器并给俩层动画赋权重!这也是3D动画常用功能,当然我们现在只讲2D。
2022-09-25 13:08:51
2322
4
原创 [图像识别]2.OpenCV基础操作
OpenCV基础操作。1.图像导入,显示,导出 2.绘制几何图形 3.获取和修改像素点 4.获取图像属性5.图像通道的拆分与合并6.色彩空间的改变
2022-09-24 12:32:05
1429
8
原创 [图像识别]1.pycharm安装+opencv包导入
[图像识别]1.pycharm安装+opencv包导入,新建项目,选择空文件夹保存项目,安装opencv-python包。最简单的方法,直接在pycharm的包管理器搜索opencv-python包安装
2022-09-23 20:34:06
2480
7
原创 16.Unity2D 横版 骨骼动画 之 单张PSB图+PS像素画软件
上一节课我们学习了单张的切片图,是最简单的一种骨骼动画,但是过几天我发现一个很大的问题--切片间的骨骼没有相连,就导致一个BUG:当你通过代码移动骨骼位置或者旋转的时候,另外一个相邻的切片图骨骼不会跟着上去,因为是切片图分别给每个骨骼做的动画。所以我们要回到单张不切图(多图层图)上来解决这个问题,骨骼相连问题就是IK动力学。我们要最先学习一下基础psd图片的骨骼动画的创建
2022-09-23 12:53:15
2173
6
原创 15.Unity2D 横版 骨骼动画 之 单张切片图骨骼动画+Aseprite像素画软件
骨骼动画的原图主要有三种1.直接单图片骨骼动画绑定(最简单,直接绑定就行,本教程后面涉及)2.部件切片图骨骼动画绑定(本教程主要讲述)3.部件多图层骨骼动画绑定(Aseprite像素画绘图没有psd文件类型,本次教程不讲解)Aseprite1.下载Aseprite,优快云搜索,自带压缩包,教程和中文汉化方法2.Aseprite简单教程;3.绘制骨骼层,每一个骨骼作为一个图层先新建几个骨骼图层,右击图层,新建图层就可以,我新建了三个骨骼,并重命名为花,茎,叶,三个骨骼。。。。
2022-09-10 14:45:28
2547
原创 14.Unity2D 横版 粒子系统特效 飙血粒子+高处落地粒子+对象池管理所有粒子
14.Unity2D 横版 粒子系统特效 飙血粒子+高处落地粒子。 注意:可以选择粒子板块“停止行动”中的“销毁”来自动销毁粒子物体,会使得面板上没有粒子效果。Gameobject.Find()函数是查找面板上存在的物体。如果粒子效果物体面板上没有,可以通过修改脚本,增加Gameobject变量然后拖动形成粒子预制体参数...1.制作飙血粒子预制体(1)创建 右键->效果->粒子系统物体,并重命名为bloodEffect (2)各种参数的调整,使得粒子特效相似飙血粒子。完成效果,突然爆发+血液缓慢变淡+地。
2022-08-07 18:02:38
4024
1
原创 13.Unity2D 横版 可上下左右移动的双向平台(双向行走+可移动+单独判定)+随机平台生成
Unity2D 横版 可上下左右移动的双向平台(双向行走+可移动+单独判定)+随机平台生成。大多数平台教程全是碰撞体的可移动平台,并没有可跳上的平台,并且要求按下键会从平台上跳下来。有也只是通过控制平台的“2D平台效果碰撞体”组件的单向平台的旋转偏移来做,但是这样会出现一个问题,当有多个人或者多个NPC在同一个平台上,如果有一个人按下键会导致所有人都跳下来,虽然其他人并没有按下键。如同下面:(看不懂原理没关系,就看个示范结果)...
2022-07-23 11:27:01
4209
原创 12.Unity2D 横版 TileMap随机生成简易横版瓦片地图+随机生成环境(花草树石)精灵图+2d-extras+协程的应用
Unity2D 横版 TileMap随机生成简易横版瓦片地图+随机生成环境(花草树石)精灵图+2d-extras+协程的应用。思路就是先生成瓦片,再进行创建能通过的通道。生成瓦片的时候先随机生成瓦片起始点,再通过一个协程从瓦片起始点开始延长不等长度(因为是横版游戏,在横向上的延伸要求高)注意需要修改环境瓦片地图的平铺轴和精灵图片的锚点位置,确保随机生成的精灵图是接触与地面而不是悬空的。(由于随机生成的环境精灵图大小不一样,但锚点都在中间,所以需要修改锚点) ...
2022-07-15 01:45:00
9824
2
原创 11.Unity2D 横版 简单AI 之背后受击转身+寻路跟随敌人+模块化+射线检测
Unity2D 横版 简单AI 之背后受击转身+寻路跟随敌人+模块化+射线检测。回顾上节课,我们已经完成了范围内检索敌人自动攻击,随机移动功能。1.敌人背后受击转身+背部攻击伤害翻倍2.寻路跟随敌人随机移动的坏处就是看到敌人(主角)会略过去,按照自己的行为行走,所以我们要再写一个行为脚本,用来看到敌人后的行为,当然如果没有看到敌人还是随机移动的函数,其中黄线为视线线,变红色为找到主角,并记录此时主角的位置......
2022-07-13 12:44:08
1972
[数据库+ArcEngine]吉大核酸采样点空间分布与可达性分析系统集采样管理一键式平台序
2022-12-30
ENVI遥感数字图像处理课程设计-遥感图像监督与非监督分类
2022-12-15
python opencv自定义训练集分类器检测检测
2022-10-05
JAVA GUI+控制台 学生成绩管理系统.zip
2022-06-07
TA创建的收藏夹 TA关注的收藏夹
TA关注的人