2.机器学习-K最近邻(k-Nearest Neighbor，KNN)分类算法原理讲解 K-最近邻算法（K-Nearest Neighbor，简称KNN）是一种基于实例学习的算法，可以应用于分类和回归任务。作为一种非参数算法，KNN不对数据分布做任何假设，而是直接使用数据中的最近K个邻居的标签来预测新数据点的标签。在KNN算法中，每个数据点都可以表示为一个n维向量，其中n是特征的数量。对于一个新的数据点，KNN算法会计算它与每个训练数据点之间的距离，并选择最近的K个训练数据点。对于分类问题，KNN算法会将这K个训练数据点中出现最多的类别作为预测结果。而对于回归问题，KNN算法会将这K个训练

阅读 9.5k

86赞

收藏 75
智能工单分类系统AI参与环节拆解与技术选型 智能工单分类系统AI参与环节拆解与技术选型

阅读 6.4k

47赞

收藏 43
即插即用的涨点模块之注意力机制（CBAMAttention）详解及代码，可应用于检测、分割、分类等各种算法领域 CE模块通常只注意了通道特征，但在视觉任务中，空间任务通常更为重要，是不可忽略的，因此CBAM将通道注意力机制与空间注意力机制进行串联，充分关注特征信息。什么是空间特征？在深度学习中，空间特征是指描述输入数据在空间维度上的特征信息。对于图像数据而言，空间特征可以涵盖多种信息，包括边缘、角点、纹理、颜色等。这些特征信息可以帮助模型理解图像中不同区域的内容和结构，从而实现诸如目标检测、图像分割、图像分类等任务。

阅读 1.4w

87赞

收藏 167
【SVM分类】基于人工蜂群算法优化支持向量机SVM实现数据分类附Matlab代码 1 简介为确定合理的底板防水煤岩柱尺寸,减少底板突水安全事故的发生,利用支持向量机(SVM)与人工蜂群算法(ABCA)综合研究底板破坏深度问题.由于SVM训练参数惩罚因子C和核函数宽度g的选择对预测精度的影响显著,采用ABCA优化该训练参数的选择过程,建立基于SVM的底板破坏深度预测模型.选取采深,煤层倾角,采厚,工作面斜长,底板抗破坏能力和是否有切穿断层或破碎带作为影响底板破坏深度的主要影响指标,利用现场实测的30组数据作为样本对该模型进行训练和预测.结果表明:该预测模型的平均相对误差为12.5%,平

阅读 988

25赞

收藏 12
九十九、Fluent湍流模型详解-湍流模型的分类 大家在使用Fluent时基本上必不可少的模型一定是湍流模型，Fluent中提供了大量的湍流模型，每个湍流模型都包含了大量的参数设置。注：本系列可能会有3-5篇文章来详细介绍Fluent湍流模型，包括其理论、参数设置、适用性等。本文主要对Fluent中的湍流模型进行整体介绍，包含其分类、发展和区别。虽然看起来湍流模型很多很复杂，但实际上从大的分类来说，Fluent中的湍流模型主要就分为两类：雷诺平均模型RANS和大涡模型LES。其他的模型都是这两类的一种，或者是这两类模型的混合模型。

阅读 2.2k

25赞

收藏 30
【揭秘K-means：新能源汽车设计中的“智能分类大师“】 某动力电池厂入职3个月的工程师小王，面对2万组电池性能数据束手无策。直到他发现了这个神奇算法——仅用20行Python代码，就将电池组分类准确率提升68%！K-means就像智能机械臂，自动将数据点分拣到不同区域（聚类）。：某21700电池产线每天产生10万+检测数据，传统人工分选误差率＞12%：SOC（State of Charge）序列聚类。：最小化同类电池参数差异，最大化不同类别间差异。✅ K-means在新能源领域的深度认知。：新能源数据常呈现连续渐变特性。：电池温度场具有空间连续性。

阅读 1.7k

52赞

收藏 48
测试分类篇 测试分类篇

阅读 1.5k

111赞

收藏 104
基于深度学习的野生菌菇检测识别分类系统（YOLOv8 + UI界面 + 数据集） 随着深度学习技术的迅猛发展，计算机视觉领域的应用得到了广泛的关注。野生菌菇的检测与识别是一个复杂而又有趣的问题，涉及到物体检测、图像分类以及自然语言处理等技术。本文将介绍如何基于YOLOv8模型，结合自定义UI界面与数据集，构建一个高效且精确的野生菌菇检测识别分类系统。首先，我们将介绍YOLOv8的原理与特点，然后详细描述如何构建和训练野生菌菇识别模型，并介绍如何为该系统设计UI界面，最终形成一个完整的系统。本文内容包括代码实现、模型训练及数据集准备等，旨在为有类似需求的开发者提供参考和帮助。目录摘要目录。

阅读 901

6赞

收藏 11
机器学习Python实战-第三章-分类问题-3.决策树算法 介绍了机器学习中的决策树算法，并进行了决策树的实验。

阅读 716

21赞

收藏 24
Halcon 深度学习 分类 预处理 设置文件路径。产生数据集进行预处理。

阅读 805

5赞

收藏 12
【数据分析必学】一文精通mapclassify：专业空间数据分类技术与地图可视化实战指南 分类方法适用场景优点缺点等间距分类均匀分布数据；多地图比较简单易懂；便于比较对偏斜数据效果差分位数分类偏斜分布；确保每类样本量相等无空类别；稳定可能合并不同特征；难以比较自然断点分类存在自然分组；单地图展示反映数据结构；视觉效果好计算复杂；难以比较标准差分类正态分布；偏差分析统计意义明确不适合非正态分布大数据集；存在自然分组优化的断点算法；效果好计算开销大头尾分割法极端偏斜；长尾分布突显高值类别数不固定用户自定义特定阈值；政策分析完全可控。

阅读 932

29赞

收藏 23
数学建模：MATLAB ：RBF、GRNN、PNN神经网络解决分类和回归问题 输出层通常只包含一个节点，该节点的值为加权求和层的输出除以非线性求和层的输出。），输入数据经过隐藏层的径向基函数从原始的输入空间映射到一个高维的特征空间，在高维空间中进行线性或非线性的操作；输出层将隐含层的输出进行线性组合，产生最终的输出。加权求和层计算所有模式层节点输出的加权和，非线性求和层计算所有加权值的非线性函数值。输出层从求和层提供的信息中确定最终的分类结果，选择具有最大后验概率的类别作为预测结果。输入层的输入层节点数与输入向量的维数相等，各个节点直接将输入样本传输到模式层中。

阅读 764

6赞

收藏 10
Java中的非监督学习：如何在没有标签的情况下实现分类与聚类 非监督学习（Unsupervised Learning）就是在没有标签的情况下，通过数据的内在结构和分布进行模式识别和分类的一类算法。本文将探讨在Java中如何实现几种常见的非监督学习算法，包括聚类和降维技术，并结合代码示例展示如何运用这些技术。降维是另一种常见的非监督学习技术，它通过将高维数据投射到低维空间，帮助我们更好地理解数据的结构。监督学习，特别是聚类算法K-Means和降维技术PCA。虽然使用现成的库很方便，但为了更好地理解算法的工作原理，我们也可以从零实现一个简单的K-Means算法。

阅读 1.0k

18赞

收藏 19
作者推荐
姚瑞南Raynan
姚瑞南 AI-agent 大模型运营专家/音乐人/野生穿搭model，先后任职于美团、猎聘等中大厂AI训练专家和智能运营专家岗；多年人工智能行业智能产品运营及大模型落地经验，拥有AI外呼方向国家专利与PMP项目管理证书。丰富的智能交互/AI项目管理/智能解决方案设计/知识库优化/意图识别训练等NLP领域经验，擅长沉淀智能运营及prompt设计、大模型落地探索、标注管理等方法论，较深的AI行业理解力与认知能力，掌握模型训练/大模型评测/智能运营/需求文档及提示词撰写/标注规则与多轮对话设计能力等。
关注
ningaiiii
记录学习过程
关注
图灵猫
一只被偏微分方程带偏了的人工智能算法设计师
关注
Data+Science+Insight
毕业于中国科学院大学智能计算专业。研究方向为，数据挖掘、机器学习、深度学习等。深度参与了多项数据挖掘、计算机视觉以及自然语言处理相关项目，例如，社会计算、异常分析、聚类分析、预测分析、序列标记、语言生成、OCR、图像分类+检测+分割等。现任某茅数据科学家，负责数据科学团队的管理及项目实施。曾就职于中国信科集团，负责大数据与机器学习组的管理及项目实施。曾参与国家级医疗大数据平台机器学习项目的开发和建设、构建了完整的数据链路、特征池、模型仓库、迁移中心、数据应用、数据服务Pipeline，并与AWS team基于AWS云服务合作开发大型工业互联网项目，积累了工业互联网模型构建、部署、监控实战经验。
关注
Kenneth風车
专注AI领域知识分享，Sentosa_DSML官网：https://sentosa.znv.com/
关注
椰奶叶奈法
财经大学本科生一枚
关注
有Li
麦田医学创始人； 影像组学世界创始人 http://radiomicsworld.com ； b站up主 https://space.bilibili.com/542601735 ； 浙江大学博士后，中科院博士。
关注
做科研的周师兄
【学术底色】 中国科学院大学硕士在读 专注地理空间数据分析与建模 【技术图谱】 Python/GEE遥感处理 | Matlab算法开发 R地统计分析 | 开源工具链实践 持续更新SCI制图/数据挖掘实战笔记 【资源交互】 私信可获取完整实验代码框架 评论区开放技术问题交流 每周更新科研避坑指南 【成长叙事】 从遥感小白到独立开发项目 记录技术爬坡的真实轨迹 与你分享代码调试的苦与乐
关注
医学信号图像玩家
从事【生理信号/MRI医学成像】方向和工作，熟练掌握【PyTorch/Tensorflow/MATLAB】框架，闲暇时间成功解决【数百次】来自MRI医学成像和医学生理信号的【代码/项目】定制化需求与设计，积累了丰富的写码和构思经验。如果在生理信号处理和MRI医学成像处理和重建有需求，请通过【私信】取得联系。我非常乐意与您进行深入交流，并尽我所能为您提供帮助。我相信，通过精诚合作，我们可以共同推动项目的进展，实现【互利共赢】。
关注
背包客研究
博士，致力于多目标优化与学习研究，以及智能化工程应用研究。
关注