- 博客(19)
- 收藏
- 关注
RSS订阅原创 帧差法和光流法
用于快速检测大规模的运动区域，适合静态背景下的简单运动检测。用于检测更细致的运动，能够提供像素级的运动方向和速度信息，适合复杂的运动分析。
2024-09-24 10:27:18
864
原创 FFmpeg
FFmpeg是一个开源的多媒体框架，可以用来录制、转换和流式传输音视频文件。它广泛用于处理各种格式的音频和视频，具有强大的功能和灵活性。
2024-09-23 09:54:10
1007
原创 04 python 基础知识 - 04
在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表。第一种方法__init__()方法是一种特殊的方法，被称为类的构造函数或初始化方法，当创建了这个类的实例时就会调用该方法。如果从父类继承的方法不能满足子类的需求，可以对其进行改写，这个过程叫方法的覆盖（override），也称为方法的重写。类变量在整个实例化的对象中是公用的。self 代表类的实例，self 在定义类的方法时是必须有的，虽然在调用时不必传入相应的参数。
2024-09-09 10:32:41
1136
原创 04 python基础知识 - 03
Python 模块(Module)，是一个 Python 文件，以 .py 结尾，包含了 Python 对象定义和Python语句。包是一个分层次的文件目录结构，它定义了一个由模块及子包，和子包下的子包等组成的 Python 的应用环境。定义一个函数：给了函数一个名称，指定了函数里包含的参数，和代码块结构。打开和关闭文件： 必须先用Python内置的open()函数打开一个文件，创建一个file对象，相关的方法才可以调用它进行读写。返回的列表容纳了在一个模块里定义的所有模块，变量和函数。
2024-09-04 14:35:48
1024
原创 04 python基础知识 - 02
cmath 模块的函数跟 math 模块函数基本一致，区别是 cmath 模块运算的是复数，math 模块运算的是数学运算。键一般是唯一的，如果重复最后的一个键值对会替换前面的，值不需要唯一。序列是Python中最基本的数据结构。序列中的每个元素都分配一个数字 - 它的位置，或索引，第一个索引是0，第二个索引是1，依此类推。随机数可以用于数学，游戏，安全等领域中，还经常被嵌入到算法中，用以提高算法效率，并提高程序的安全性。列表中值的访问：使用下标索引来访问列表中的值，同样也可以使用方括号的形式截取字符。
2024-09-03 15:58:46
711
原创 图像识别-opencv
创建鼠标回调函数 --在图像的任何位置双击在上面画一个圆。1、0 或-1分别为加载 彩色、灰度、包括 alpha 通道图像。第一个参数是窗口名，它是一个字符串，第二个参数就是我们的图像。拖动鼠标绘制矩形或者圆。
2024-08-31 11:03:29
1071
原创 数据分析- 海量数据求中位数
如果内存足够容纳所有数据，可以将数据加载到内存中，进行排序，然后直接找到中间位置的元素或者中间两个元素求平均值作为中位数。
2024-08-30 13:51:04
2312
原创 04 python基础知识-1
Python有五个标准的数据类型：Numbers（数字）--int（有符号整型）+long（长整型，也可以代表八进制和十六进制）+float（浮点型）+complex（复数）、String（字符串）、List（列表）、Tuple（元组）、Dictionary（字典），Python使用 L 来显示长整型。else 表示这样的意思，for 中的语句和普通的没有区别，else 中的语句会在循环正常执行完（即 for 不是通过 break 跳出而中断的）的情况下执行，while …执行语句可以是单个语句或语句块。
2024-08-29 17:04:41
2131
原创 05 自回归积分滑动平均模型 (ARIMA)
1、基本介绍1、基本介绍是一种常用的时间序列预测模型，能够。ARIMA模型的基本思想是通过对时间序列数据进行差分操作，使其变得平稳，然后使用自回归（AR）和移动平均（MA）模型来。2、ARIMA模型的组成ARIMA模型由三个主要部分组成模型的自回归部分表示时间序列。AR部分的参数由滞后项的数量决定，通常记作p。差分 (I)：差分部分用于将非平稳的时间序列数据转化为平稳序列。通过对时间序列数据进行差分处理，消除趋势和季节性。差分的次数由参数d确定。模型的移动平均部分表示时间序列。
2024-08-26 10:44:48
1085
原创 04 支持向量机（SVM）
支持向量机（SVM）是一种强大的监督学习算法，广泛用于分类和回归任务。SVM 通过找到最优的超平面来区分不同类别，或者在回归任务中进行精确预测。本文将详细介绍 SVM 的基本理论，并提供分类和回归任务的代码示例，以帮助你深入理解 SVM 的应用。
2024-08-23 15:30:32
618
原创 02 使用 LSTM 进行时间序列预测
LSTM（长短期记忆网络）是一种特殊的递归神经网络（RNN），能够有效处理和预测时间序列数据中的长期依赖关系。与传统的 RNN 相比，LSTM 引入了门控机制来控制信息的流动，从而解决了梯度消失问题，使得网络能够学习更长时间范围内的依赖关系。通过本文，我们介绍了 LSTM 网络的基本概念、模型构建、数据预处理及预测可视化。LSTM 是处理时间序列数据的强大工具，但要掌握它，还需要深入学习网络参数的调整、模型优化等高级内容。希望本文能为你在深度学习的旅程中提供一个良好的起点。
2024-08-22 13:45:20
1183
原创 01 基于图（neo4j）的推荐
与传统的关系型数据库不同，Neo4j 以节点、关系和属性的形式组织数据，使其非常适合用于建模和查询复杂的关系。在图数据库中，推荐系统的核心思想是利用图形的连接关系，通过探索用户与项目（如产品、文章、电影等）之间的关联，找到潜在的推荐项。这样可以对节点的名称字段进行全文搜索，并返回匹配度较高的节点。关系（Relationships）: 连接节点之间的有向边，表示节点之间的连接或关系，如朋友关系、父子关系等。是用户输入的关键词，这样可以搜索所有包含该关键词的节点。开源的图数据库管理系统。1.3 典型应用场景。
2024-08-22 09:45:44
1252
原创 03 学习率与epoch的关系
学习率就是这个调整过程中的“步伐”大小，即参数更新的量。小的学习率（Low Learning Rate）3. 调整学习率和训练轮次的策略。1. 学习率和训练轮次的关系。2. 为什么会出现这种情况？
2024-07-30 11:04:55
1267
1
原创 01 时间序列预测模型
LSTM与Autoencoder结合体在非线性时间序列预测中具有强大的特征学习和建模能力，能够处理复杂的非线性关系，并提供高效的异常检测。是为了增强模型在处理长序列数据时的能力，特别是在序列到序列（seq2seq）任务中，如机器翻译、文本摘要和时间序列预测中。：在LSTM与Autoencoder的结合体中，LSTM网络用于处理序列数据，而Autoencoder用于捕捉数据的低维特征表示。总的来说，GRU和LSTM都是处理序列数据的强大工具，选择使用哪一种模型通常取决于具体的应用需求和资源限制。
2024-07-29 17:07:37
1111
原创 01 numpy 和 pandas
是 Python 中两个广泛使用的库，主要用于数据科学和数据分析，但它们有不同的目标和功能。它提供了高级数据结构和操作工具，使得数据清洗、处理和分析更加方便。数据对齐: Pandas 提供了自动的数据对齐功能，可以方便地进行数据的合并、连接和对齐操作。NumPy 的核心数据结构是 ndarray，它是一个多维数组，可以存储同一类型的元素。它提供了高效的数组计算，数学运算，线性代数，傅里叶变换等功能。数据筛选、数据转换、数据聚合、处理缺失值、时间序列分析。，如索引、切片、形状操作、数学运算、统计运算等。
2024-07-27 11:36:49
450
原创 02. LSTM模型准备知识
1.1 LSTM的数据准备（Differencing Transformation）是一种用于时间序列分析和建模的技术，主要用于去除序列中的趋势或季节性成分，使其变得平稳平稳的时间序列具有恒定的均值和方差，这对于很多统计建模方法来说是必需的。差分变换通过计算序列中相邻观测值的差异来实现这一点。一阶差分是最基本的差分变换形式，用于消除时间序列中的线性趋势。如果一阶差分后的时间序列仍然存在趋势或季节性成分，则可以进行二阶差分即二阶差分是对一阶差分序列再次进行差分。
2024-07-25 14:54:39
1117
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