搜索[字体分类]结果-低调大师优秀个人博客

精选列表

搜索[字体分类]，共10000篇文章

手势分类只是结果，桌面程序怎样把它变成可靠事件

摄像头模型返回一个手势标签时，桌面程序还不能立刻执行动作。模型描述的是某一帧画面，业务事件表达的是用户完成了一次有意操作。要把前者变成后者，需要一条可取消、可去重、可复位的确认链路。

2026-08-09

腾讯云国际站（Tencent Cloud International）流量产品完整分类

2026-07-29

SpringBoot 使用 Sa-Token 实现账号封禁、分类封禁、阶梯封禁

分类封禁：封禁掉一个账号的部分业务操作权限，不影响账号的整体登录等基础功能。阶梯封禁：按照不同的违规程度，给与其不同的封禁力度。本篇文章将介绍在 Sa-Token 中如何完成上述三种封禁操作。

2023-07-17

跟我学Python图像处理丨图像分类原理与案例

摘要：本篇文章将分享图像分类原理，并介绍基于KNN、朴素贝叶斯算法的图像分类案例。

2022-12-07

多场景下时序序列分类算法基础知识全面总结

一、什么是时间序列分类分类任务分类任务是一个机器学习领域的任务，目的是让算法通过学习为未知样本分配标签。

2022-05-09

如何在智能运维中进行指标异常检测与分类？

本文由云智慧智能研究院研究员，通过阅读大量文献并结合实践经验，对指标的异常类型划分、常用的异常检测算法分类、数据分类进行了初步介绍。

2022-04-11

每日一博 | 详解 CNN 实现中文文本分类过程

摘要：本文主要讲解CNN实现中文文本分类的过程，并与贝叶斯、决策树、逻辑回归、随机森林、KNN、SVM等分类算法进行对比。

2022-02-22

万字总结Keras深度学习中文文本分类

一.文本分类概述文本分类旨在对文本集按照一定的分类体系或标准进行自动分类标记，属于一种基于分类体系的自动分类。

2022-01-13

Java设计模式（5：设计模式的分类及工厂模式详解）

### 一、设计模式的分类总的来说，设计模式可以分为三大类：**创建型模式**、**结构型模式**、**行为型模式**，具体如下图： !

2021-06-18

木兰编程语言报错信息分类与可用性简析

报错分类词法分析、语法分析、编译为可执行码（用 Python 的 compile 方法）、运行（用 Python 的 exec 方法）四个阶段都会报错，逐个举例。

2021-02-19

xApi Manager v1.0.5 发布，优化 API 分类及自动升级

优化Api编辑时分类显示问题 3.

2020-12-04

审计对存储在MySQL 8.0中的分类数据的更改

通常，此类数据将包含一个分类级别作为行的一部分，定义如何处理、审计等策略。在之前的博客中，我讨论了如何审计分类数据查询。本篇将介绍如何审计对机密数据所做的数据更改。

2020-11-19

机器学习在高德地图轨迹分类的探索和应用

本文主要针对非机动车、机动车分类探索轨迹分类问题。 2.样本获取与标签制定由于轨迹数据缺少原始真值，我们将用户导航模式作为轨迹分类的伪标签。例如当时用户采用汽车导航，其轨迹对应的标签即为汽车。

2020-10-16

百度开源业内首个口罩人脸检测及分类模型

2月13日，百度宣布免费开源业内首个口罩人脸检测及分类模型。该模型可以有效检测在密集人流区域中携带和未携戴口罩的所有人脸，同时判断该者是否佩戴口罩。

2020-02-13

也许你需要了解Teams中的会议室分类

不过办法总是有的，就是这篇文章的主题：会议室分类（莫名的想起了之前出差赶上上海实行垃圾分类第一天，你算什么会议室。。。

2019-09-18

Python机器学习（sklearn）——分类模型评估与调参总结（下）

21.集成方法有随机森林（random forest）和梯度提升树（gradient boosted decision tree）GBDT 随机森林中树的随机化方法有两种：（1）通过选择用于构造树的数据点构造随机森林需要确定用于构造的树的个数为了确保树与树之间的区别，对每棵树的数据进行自助采样从样本数据中有放回的多次抽取（一个样本可能被抽取多次），抽取创建的新数据集要和原数据集大小相等（数据数量相同）（2）通过选择每次划分测试集的特征在每个节点处，算法随机选择特征的一个子集，并对其中一个特征寻找最佳测试，而不是对每个节点都寻找最佳测试。使用参数max_features, 如果max_features= n_features，则每次考虑所有特征，即第二种随机性没用上当max_features较大，随机森林中每棵树都会很相似（因为采用的

2018-07-22

Python机器学习（sklearn）——分类模型评估与调参总结（上）

1.如果只划分测试集和训练集经验是75%作为训练集 sklearn中的train_test_split()默认这样划分from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split() 2.通常使用sklearn中的score方法计算结果的精度（正确预测比例） 3.KNN算法有两个重要参数：邻居个数和数据点之间距离的度量方法在实践中，选择较小的邻居个数（例如3或5个）效果较好，sklearn中默认使用欧氏距离构建KNN模型速度很快，若训练集很大（特征数多或样本数多），预测速度可能较慢对于稀疏数据集（大多数特征值为0），KNN效果很不好 4.普通最小二乘法，即要求预测值和真实值均方误差最小

2018-07-20

DC学院学习笔记（十八）：其它常用回归和分类算法

看新样本和训练集中的样本最接近的是哪一类，往往需要引入距离的计算距离：根据特征向量X计算不同样本之间的距离，d(X’,X”)，最常用的是欧式距离 k近邻回归 :找到距离最近的K个样本，计算平均值 k近邻分类

2018-02-17

在TensorFlow中实现文本分类的卷积神经网络

在TensorFlow中实现文本分类的卷积神经网络 Github提供了完整的代码： https://github.com/dennybritz/cnn-text-classification-tf 在这篇文章中

2017-08-20

智慧城市发展参差不齐亟待分级分类破“短板”

智慧城市前景虽然广阔，不过，《每日经济新闻》记者也在论坛现场获悉，目前智慧城市发展还面临西部、中东部城市发展参差不齐等问题，而中国通信信息研究院副院长王志勤对此开出的药方是“分级分类”。

2017-07-03

资源下载

更多资源

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。