[机器学习] 最短路径算法在旅游线路规划中的应用_以庐山为例.pdf

说明：本文以庐山旅游风景区为例, 以一日游为主题, 结合旅游景区景点知名度和各景点的停留时间, 改进了 GIS中的最短路径算法, 利用VC++分析旅游区内各个景点之间的最短路径关系, 得出该旅游区内的三条较合理的 不同主题的一日游路线。通过本文的研究, 希望能加强对庐山风景区的开发力度, 促进庐山风景区的发展, 并最终 能推广GIS在旅游线路规划中的应用。
<eipi10_microsheen> 上传 | 大小：165kb

[机器学习] 奇异值分解的几何意义.pdf

说明：在改进 了矩 阵奇异值分解 的方法基础上 ，通 过探究矩 阵奇异值分解的几何意义 ，进一步 揭示 了内积空间上 线 性 映射 的本 质 ．
<eipi10_microsheen> 上传 | 大小：178kb

[机器学习] png_to_klg.tar.gz

说明：把png等公开数据集可转为可用的三维重建的离线数据集格式，png转klg亲测可用 代码简单易懂，已编译过可自己删掉build在编译
<weixin_44039228> 上传 | 大小：6mb

[机器学习] Spartan-3AN FPGA Family Data Sheet.pdf

说明：Spartan-3AN FPGA Family Data Sheet Introduction The Spartan®-3AN FPGA family combines the best attributes of a leading edge, low cost FPGA with nonvolatile technology across a broad range of densities. The family combines all the features of the
<weixin_41409403> 上传 | 大小：3mb

[机器学习] lr_demo.pmml

说明：这里是一个pmml的模型文件，配合csdn的谋篇博客而来，方便pmml的模型调用的展示。https://editor.csdn.net/md/?articleId=103975388
<wangjie5540> 上传 | 大小：6kb

[机器学习] 近期必读的8篇 AAAI 2020【图神经网络（GNN）】相关论文.zip

说明：人工智能领域的顶会AAAI 2020将在2020年2月7日-12日在美国纽约举行。据官方统计消息，AAAI 2020今年共收到的有效论文投稿超过 8800 篇，其中 7737 篇论文进入评审环节，最终收录数量为 1591 篇，接收率 20.6%。开会在即，提前整理了AAAI 2020图神经网络(GNN)相关的接收论文，让大家先睹为快——跨模态、部分标签学习、交通流预测、少样本学习、贝叶斯图神经网络。
<syp_net> 上传 | 大小：23mb

[机器学习] 4_模型选择.ipynb

说明：4_模型选择.ipynb 数据分析 机器学习 如何选择模型 lgboost，xgboost,lr lgboost，xgboost,lr lgboost，xgboost,lr
<weixin_36423457> 上传 | 大小：7kb

[机器学习] opencv_python-4.1.2.30-cp38-cp38-win_amd64.whl

说明：opencv_python-4.1.2.30-cp38-cp38-win_amd64
<xiong_xin> 上传 | 大小：31mb

[机器学习] TensorFlow.1.4.0.cp3.6.En.x86.Windows

说明：TensorFlow.1.4.0.cp3.6.En.x86.Windows
<xiong_xin> 上传 | 大小：85mb

[机器学习] 鸢尾花数据集，用于svm分类的数据集，MATLAB和python都可用

说明：鸢尾花数据集，用于svm分类的数据集，MATLAB和python都可用。其中包括txt格式和data格式，只需要使用libsvm的包就可以调用。
<qq_36514262> 上传 | 大小：2kb

[机器学习] 二分法（谢谢大家用于交流，我在里面解释的很详细，方便嵌套）.rar

说明：二分法，用于解决复杂模型求解（代码可调二分法次数，边界以及精度），有问题可以找我联系 上面的文件是压缩文件，包含了主文件main，两个函数文件resecm及f，具体调用方法为在mian里，另外附带说明resecm（‘f’，变量下界，变量上界，精度） 其中f为需要解的函数
<weixin_43929181> 上传 | 大小：563byte

[机器学习] 机器学习中的权重学习与差分演化

说明：机器学习是人工智能的核心研究问题,是计算机获得智能的根本途径。自从20世纪50年代人工智能学科建立以来,人们已经提出了大量的机器学习算法,如决策树、神经网络、支持向量机、K均值聚类及KNN算法等。而实际问题中的真实数据往往具有以下的一个或几个特点:含噪音的、具有缺失数据、数据类别分布不平衡、特征重要程度不同、大数据以及数据含有不确定性等,特别是当前随着计算机技术及通讯网络的迅猛发展,这些问题变得更加突出。为了处理这些不完美的数据,人们提出了许多改进的算法,比如可以集成多个学习器的集成学习系统,能
<sunearlier> 上传 | 大小：4mb