摘要：
scikit-image HOG feature 提取函数使用心得 || Python中的支持向量机SVM的使用（有实例） || sklearn svm.LinearSVC的参数说明 || 数据降维 || train_test_split() || numpy.where(condition[,x, 阅读全文
摘要：
python基础_格式化输出（%用法和format用法） Python字符串格式化--format()方法 阅读全文
摘要：
比如现有工程为 A ，现在要使用A工程中的类的工程为B 那么右击B，properties->java build paths->project->add 选择 A 即可对 A 中类进行引用 阅读全文
摘要：
91运营网 || 我们为什么要写测试计划 || 如何检查自己写的需求文档是否合格 || 软件测试之测试用例颗粒度问题 || 怎么样评价用例设计的质量 || BVT测试与冒烟测试 软件工程进阶之每日构建[3]：流程 || 软件缺陷分析-软件测试之犯罪心理学 || 软件缺陷度量 1、需求文档检查的具体步 阅读全文
摘要：
空间域滤波与频率域滤波比较 || 频域滤波与空间域滤波比较 || plt.subplot用法 || 基于OpenCV的傅里叶变换及逆变(C实现)换 || 阅读全文
摘要：
神来之笔之傅里叶变换（相位谱） || 相位谱 || 阅读全文
摘要：
1.感知机感知机是一种二分类的线性分类模型，输入为实例的特征向量，输出为实例的类别{+1，-1}。感知机要求数据集是线性可分的。按照统计学习三要素模型、策略、算法的顺序来介绍。 2.感知机模型由输入空间到输出空间的如下函数：f(x)=sign(ω⋅x+b)f(x)=sign(ω⋅x+b) 其中ω，b 阅读全文
摘要：
感知机属于有监督的学习，生成的模型称为判别模型。其通过特定的函数将输入的特征向量，输出为实例的类别（+1或-1），该函数即为将实例划分为两类的分离超平面。为获得最优化的超平面，感知机引入了基于误分类的损失函数。感知机是神经网络和支持向量机的基础。 有监督学习分为生成模型和判别模型两种。其分别含义如下 阅读全文
摘要：
0000 操作已成功完成。0001 错误的函数。0002 系统找不到指定的文件。0003 系统找不到指定的路径。0004 系统无法打开文件。0005 拒绝访问。0006 句柄无效。0007 存储区控制块已损坏。0008 可用的存储区不足，无法执行该命令。0009 存储区控制块地址无效。0010 环境 阅读全文