- 博客(42)
- 收藏
- 关注
RSS订阅原创 机器学习知识点全面总结
有类别标签的学习，基于训练样本的输入、输出训练得到最优模型，再使用该模型预测新输入的输出；代表算法：决策树、朴素贝叶斯、逻辑回归、KNN、SVM、神经网络、随机森林、AdaBoost、遗传算法；如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)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。利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。
2024-08-06 17:55:50
1478
1
原创 Web安全学习
应用层：为用户为用户的应用进程提供网络通信服务协议——DNS协议、HTTP协议、HTTPS协议传输层：负责两台主机之间的数据传输，将数据从发送端传输到接收端协议——TCP协议、UDP协议网络层：负责传输的地址管理和路由选择，在众多复杂的网络环境中确定一条合适的路径协议——IP协议数据链路层：负责设备之间数据帧的传送和识别，将网络层传递的数据报封装成帧，在处于同一个数据数据链路节点的两个设备之间传输协议——ARP协议、MTU协议。
2024-08-06 17:54:06
464
原创 知识图谱学习总结
1 知识图谱的介绍知识图谱，是结构化的语义知识库，用于迅速描述物理世界中的概念及其相互关系，通过知识图谱能够将Web上的信息、数据以及链接关系聚集为知识，使信息资源更易于计算、理解以及评价，并能实现知识的快速响应和推理。1.1知识图谱的应用当下知识图谱已在工业领域得到了广泛应用，如搜索领域的Google搜索、百度搜索，社交领域的领英经济图谱，企业信息领域的天眼查企业图谱，电商领域的淘宝商品图谱，O2O领域的美团知识大脑，医疗领域的丁香园知识图谱，以及工业制造业知识
2024-08-06 17:53:20
924
原创 JAVA-跨平台原理
Java是可以跨平台的编程语言，那我们首先得知道什么是平台，。在执行的时候，表面上我们调用的是Java.exe，实际上我们在调用java.exe的时候，会去动态调用JVM虚拟机，JVM将字节码文件一行一行的解释成为当前操作系统认识的可执行文件的格式，因此，。Java是，也是，现在明白了，编译型的语言是因为java的你可以说它是编译型的，因为所有的Java代码都是要编译的，.java不经过编译就什么用都没有而。
2024-06-11 18:10:36
333
原创 02-JAVA面向对象编程
把相似的对象划分了一个类。类指的就是一种模板，定义了一种特定类型的所有对象的属性和行为在一个.java的问题件中，可以有多个class，但是智能有一个class是用public的class。被声明的public的class必须和文件名相同。[访问修饰符] class 类名{成员变量-属性成员方法-行为内部类代码块//启动System.out.println(color+"颜色"+door_num+"门"+brand+"车正在启动......");//加速。
2024-06-10 22:42:14
918
1
原创 JAVA-学习-2
类是模板，通过模板创建出具体的实例，就是模板。对象就是实际存在的某类事务的个体，也叫实例。类和对象的关系，就是抽象和具体的关系。类名 对象名=new 类名。
2024-06-06 19:57:29
403
原创 JAVA-学习-01
如果不进行垃圾回收，内存迟早都会被消耗空，因为我们在不断的分配内存空间而不进行回收。除非内存无限大，我们可以任性的分配而不回收，但是事实并非如此。所以，垃圾回收是必须的。
2024-06-04 09:44:38
394
原创 语义分割——数据增广
在进行语义分割的时候，我们的数据集有时候不够用，常常需要进行数据增广。比较常用的数据增广方法(包括旋转，上下翻转，左右翻转，裁剪，调整对比度，调整饱和度，调整亮度，中心裁剪等)
2024-05-30 22:10:13
506
原创 机器学习——泰坦尼克号乘客生存预测（超详细）
接着就是模型构建，这里我选择了逻辑回归、KNN、SVM三种核函数、深度学习等算法，并进行了模型之间的对比，同时还使用了K折交叉验证，利用bagging算法进行模型融合，防止过拟合，输出预测错误的样本来进行模型调节等等。③如果缺值的样本适中，而该属性为连续值特征属性，有时候我们会考虑给定一个step(比如这里的age，我们可以考虑每隔2/3岁为一个步长)，然后把它离散化，之后把NaN作为一个type加到属性类目中。④有些情况下，缺失的值个数并不是特别多，那我们也可以试着根据已有的值，拟合一下数据，补充上。
2024-02-01 11:49:22
5448
22
原创 数字图像处理（3）——频域图像增强
最后，进行傅里叶逆变换以重构滤波后的图像，并将一组图像显示出来，包括原始图像、噪声图像、频域噪声图幅值谱、不同截止频率下的滤波后幅值谱、滤波后相位谱、重构图像。对频域图像进行滤波，将低频部分保留，高频部分丢弃，以实现低通滤波。显示一组图像，包括原始图像、噪声图像、频域噪声图幅值谱、不同截止频率下的滤波后幅值谱、滤波后相位谱、重构图像。实验结果以一组图像形式呈现，包括原始图像、噪声图、频域噪声图幅值谱、不同截止频率下的滤波后幅值谱、滤波后相位谱以及重构图像，以清晰展示频域滤波在去除噪声和恢复图像方面的效果。
2024-01-02 11:08:18
2674
12
原创 操作系统复习总结——文件管理
1、文件基本概念（1）定义文件就是一组有意义的信息或者数据的集合。文件是以硬盘为载体的存储在计算机上的信息集合，可以是文本文档、图片、程序等。（2）基本调度单位系统运行时，计算机以进程为基本调度单位进行资源的调度和分配；用户进行输入、输出时，以文件为基本单位。（3）文件结构①数据项：文件中最低级的数据组织形式，可分为：基本数据项。描述一个对象的某种属性的一个，数据中最小的逻辑单位。组合数据项：多个基本数据项组成。一组相关数据项的集合，描述一个对象在某方面的属性。指由创建者所定义的。
2023-12-05 15:33:05
3881
43
原创 如何快速搭建一个大模型？简单的UI实现
本文章纯属是自己无聊，调用了星火认知大模型的接口，并封装成一个脚本。但测试感觉星火认知大模型也不算太智能，但是人家是免费的。当然，也可以根据自己的需要，去调用国内其它的大模型。
2023-11-26 14:47:22
4191
40
原创 操作系统——操作系统概论s
操作系统是裸机上的第一层软件，它是对硬件系统功能的首次扩充， 用以填补人与机器之间的鸿沟。OS定义：操作系统是控制和管理计算机系统内各种硬件和软件资源，有效地组织多道程序运行的系统软件（或程序集合），是用户与计算机之间的接口。①操作系统是系统软件（程序集合）②基本职能是控制和管理系统内各种资源，有效地组织多道程序的运行③提供众多服务，方便用户使用，扩充硬件功能。
2023-11-25 15:31:54
272
7
原创 头歌操作系统实训总结
6、银行家算法中的数据结构包括可用资源向量Available、最大需求矩阵Max、分配矩阵Allocation、需求矩阵Need，下列选项中表述正确的是（B）。1、系统出现死锁时一定同时保持了四个必要条件，对资源采用按序分配算法后可破坏的条件是（A）。4、为了避免系统可能出现死锁，分配资源可以采用的算法是（D）。5、某系统采用了银行家算法，则下列说法正确的是（C）。2、资源的静态分配算法在解决死锁问题中是用于（B）。7、下列选项中，属于检测死锁的方法是（A）。8、下列选项中，属于解除死锁的方法是（B）。
2023-11-23 21:00:11
2641
1
原创 头歌——MySQL 基本操作
数据库部分一条一条的写，可鼠标手动粘贴，除特定命令外未分大小写。CREATE TABLE 表名。第5关：添加常用约束。第3关：使用主键约束。
2023-11-10 08:33:08
8621
原创 语音信号复习总结
1、无论是语音识别和语音编码合成，输入的语音信号首先要进行①对信号进行。②来消除的干扰。如：预处理包括：分帧、加窗、预加重、端点检测。（1）分帧、加窗语音信号特性是随时间变化的，是一个非平稳随机过程。贯穿于语音信号全过程的是短时分析技术。进行短时分析的过程一般包括和DFT。1）分帧语音分帧并不是确定帧长就结束了，，一般帧与帧之间有一定的重叠，相邻两帧的起始位置的时间差叫做帧移一般为帧长的1/2，3/4。。2）加窗当对语音信号进行截断分帧后，将产生能量泄露现象。
2023-11-07 12:59:58
2694
3
原创 操作系统进程控制实验
控制屏幕光标的移动，字符、字或行的删除，移动复制某区段及进入Insert mode或last line mode下。运行程序后，你将看到父进程接收到子进程发送的消息，并在屏幕上显示出来，这演示了进程之间的逻辑性。1）输入:w则保存文件，如果已经保存文件，输入:q则退出文件。函数，父子进程的输出会按照一定的顺序进行，避免了输出交错。
2023-11-06 18:32:47
310
原创 NLP自然语言处理——文本信息抽取的实现（深入句法分析与应用）
句法分析是自然语言处理的核心技术，它帮助我们解析句子的结构和词汇之间的关系。句法分析可以分为两种主要类型：句法结构分析和依存句法分析。
2023-10-20 14:34:32
3054
5
原创 数字图像处理（2）：空域图像增强（灰度变换、Gamma变换、空域滤波、拉普拉斯空域锐化、添加和抑制噪声）
数字图像处理（2）：空域图像增强（灰度变换、Gamma变换、空域滤波、拉普拉斯空域锐化、添加和抑制噪声）
2023-10-20 13:57:12
3475
1
原创 数字图像处理（1）：灰度直方图、直方图均衡化处理（入门必看）
某些特定的特征可能在灰度直方图中产生特定的模式，例如双峰直方图表示图像中存在两个主要的亮度分布。）是灰度级的函数，描述的是图像中每种灰度级像素的个数，反映图像中每种灰度出现的频率。在1x2的图像窗口中，这将创建一个包含两个子图的布局，当前子图位于第1列。这里是直接用到opencv库来处理图像和直方图，首先将图像转化为灰度图像，然后计算灰度图像的直方图，接着将直方图均衡化。这是一个图像的列表，通常是一个单通道图像（如灰度图像）。在这里，我们处理的是灰度图像，只有一个通道，因此使用。
2023-10-13 12:16:54
5084
原创 语音信号处理（2）：短时时域分析——平均幅值、短时过零率、短时自相关函数、短时平均幅度差函数
短时时域分析——平均幅值、短时过零率、短时自相关函数、短时平均幅度差函数
2023-10-12 16:34:51
6275
2
原创 操作系统之经典同步问题（司机售票员、文件打印、多个生产者消费者、放水果吃水果、读者优先、写者优先、哲学家死锁问题）
一、司机与售票员进程同步问题二、PA、PB、PC合作解决文件打印问题三、多个生产者和多个消费者问题四、放水果吃水果问题五、读者写者问题六、哲学家吃饭问题。
2023-10-08 13:26:38
3258
6
原创 Transfer Learning from Speaker Verification toMultispeaker Text-To-Speech Synthesis
开发了一种基于神经网络的系统，用于将文本转化为语音（TTS），并且可以以不同说话者的声音进行语音合成。这包括那些在训练时没有出现过的说话者。该系统由三个独立训练的部分组成：（1）：它被训练用于判定说话者是否一致，通过使用一组来自成千上万说话者的嘈杂语音但没有文本记录的数据，从目标说话者仅几秒的参考语音中生成一个固定维度的嵌入向量。（2）：这是基于Tacotron 2的系统，它将文本转换成mel频谱图，这个转换过程还受到说话者嵌入的影响。（3）：这一部分将mel频谱图转换成时域的波形样本，最终生成语音。
2023-10-07 18:06:09
207
4
原创 常用表情符号大全
常用🚨🍎🍁🚀🎉💎🚢💖💌🔶🔷💘💭💓💔💕🌙⚽⚡👍🔥📢🌏🍺一、彩色表情🌹🍀🍎💰📱🌙🍁🍂🍃🌷💎🔪🔫🏀⚽⚡👄👍🔥二、常用emoji符号一😀😁😂😃😄😅
2023-10-07 11:24:53
4681
1
原创 深度学习环境搭建——利用anaconda+pytorch搭建自己的深度学习环境（以YOLOv5环境搭建为例）2023.9.26最新
YOLOv5 是目前最先进的物体检测算法之一，但搭建一个有效的 深度学习 环境可能会令人望而却步。我们的教程将带您逐步完成从环境准备的全过程。我们将使用 PyTorch、CUDA 等核心工具，帮助您在不到一小时内搭建一个功能强大的 YOLOv5 环境。无论您是学习计算机视觉、物体检测爱好者，还是希望在实际项目中应用 YOLOv5，这个教程都将成为您的绝佳指南。
2023-09-26 23:05:16
2216
4
原创 深度学习——对抗生成网络
生成对抗网络（Generative Adversarial Networks，简称GAN）是一种深度学习模型，最早由Ian Goodfellow等人在2014年提出。它的核心思想是通过两个神经网络模型，一个生成器（Generator）和一个判别器（Discriminator），相互对抗地学习和提升，从而实现生成逼真的数据样本。生成器负责生成样本，判别器负责判断生成器生成的样本是否为真。生成器要尽可能迷惑判别器，而判别器要尽可能区分生成器生成的样本和真实样本。
2023-09-25 14:53:50
528
1
原创 Python_sound_open-master《语音信号处理试验教程》学习笔记一 基础（改进）
当我们谈论声音信号处理时， 语音信号处理是一个令人着迷的领域，它涉及到音频信号的获取、分析、处理和合成。然而，了解声音信号处理的基础知识是掌握这一领域的关键。本博客将带您踏上一段关于声音信号处理基础的学习之旅。本文章内容涵盖内容如下：1.环境配置2.通过python录音，并生成.wav文件3.代码改进改进的内容有：1.增加横纵坐标2.增加选定其中一段时间进行波形图绘制的功能3.将录制和播放功能集成到一个Python文件中，并增加UI界面，可以输入录音时长，播放指定音频等。
2023-09-14 17:55:33
437
3
原创 NLP自然语言处理——关键词提取之 TextRank 算法（五分钟带你深刻领悟TextRank算法的精髓）保姆级教程
自然语言文本预处理，TextRank算法是一种有效的自动化关键词提取方法，它不需要依赖领域知识或语法规则，只需要基于文本本身的统计信息就能得到关键词，因此在各种自然语言处理任务中都具有广泛的应用前景。# 获取停用词# 加载文档集，对文档集过滤词性和停用词"""生成词云图并显示参数:keywords (list): 包含关键词的列表。#pagerank #textrank算法讲解 #解决中文词云生成过程中乱码的问题。
2023-09-13 17:19:29
10888
23
原创 NLP自然语言处理——关键词提取之 TF-IDF 算法（五分钟带你深刻领悟TF-IDF算法的精髓）
新手入门保姆级教程!!!自然语言文本预处理、TF-IDF算法详解（三个维度：原理、流程图、代码）、好玩的中文关键词“词云生成”（解决乱码问题）# 获取停用词# 加载文档集，对文档集过滤词性和停用词# 使用TF-IDF提取关键词# 将过滤后的文档集转化为文本列表# 创建TF-IDF向量化器# 计算TF-IDF权重# 获取特征词列表。
2023-09-13 12:09:34
19271
32
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人