a Meta serach engine
上傳時間： 2014-09-12
上傳用戶：a6697238
Heritrix是一個開源,可擴展的web爬蟲項目。Heritrix設計成嚴格按照robots.txt文件的排除指示和Meta robots標簽。
上傳時間： 2015-11-29
上傳用戶：bruce
MQL4外匯交易平臺的腳本語言參考文檔 MQL4是Meta Trader外匯交易平臺的一種腳本語言，使用這種腳本語言可以實現外匯自動交易。
上傳時間： 2013-12-16
上傳用戶：lepoke
Boosting is a Meta-learning approach that aims at combining an ensemble of weak classifiers to form a strong classifier. Adaptive Boosting (Adaboost) implements this idea as a greedy search for a linear combination of classifiers by overweighting the examples that are misclassified by each classifier. icsiboost implements Adaboost over stumps (one-level decision trees) on discrete and continuous attributes (words and real values). See http://en.wikipedia.org/wiki/AdaBoost and the papers by Y. Freund and R. Schapire for more details [1]. This approach is one of most efficient and simple to combine continuous and nominal values. Our implementation is aimed at allowing training from millions of examples by hundreds of features in a reasonable time/memory.
標簽： Meta-learning classifiers combining Boosting
上傳時間： 2016-01-30
上傳用戶：songnanhua
PHP國外新聞發布系統的下載地址_下載_ASP集中營< _TITLE> < Meta http
上傳時間： 2017-01-16
上傳用戶：wcl168881111111
AdaBoost, Adaptive Boosting, is a well-known Meta machine learning algorithm that was proposed by Yoav Freund and Robert Schapire. In this project there two main files 1. ADABOOST_tr.m 2. ADABOOST_te.m to traing and test a user-coded learning (classification) algorithm with AdaBoost. A demo file (demo.m) is provided that demonstrates how these two files can be used with a classifier (basic threshold classifier) for two class classification problem.
標簽： well-known algorithm AdaBoost Adaptive
上傳時間： 2014-01-15
上傳用戶：qiaoyue
AdaBoost, Adaptive Boosting, is a well-known Meta machine learning algorithm that was proposed by Yoav Freund and Robert Schapire. In this project there two main files
標簽： well-known algorithm AdaBoost Adaptive
上傳時間： 2013-12-31
上傳用戶：jiahao131
MTK 手機軟件開發 Meta 源代碼,開發環境: C++ Builder
上傳時間： 2014-01-13
上傳用戶：frank1234
Meta首份元宇宙白皮書稱，如果元宇宙技術從 2022 年開始被采用，到 2031 年，元宇宙技術將為全球 GDP 貢獻 3.01 萬億美元，其中三分之（1.04 萬億美元）來自亞太地區。2022-the-potential-global-economic-impact-of-the-Metaverse報告原文下載，PDF文檔下載
上傳時間： 2022-07-26
上傳用戶：canderile
近年來微光、紅外、X光圖像傳感器在軍事、科研、工農業生產、醫療衛生等領域的應用越來越為廣泛，但由于這些成像器件自身的物理缺陷，視覺效果很不理想，往往需要對圖像進行適當的處理，以得到適合人眼觀察或機器識別的圖像。因此，市場急需大量高效的實時圖像處理器能夠在傳感器后端對這類圖像進行處理。而FPGA的出現，恰恰解決了這個問題。 近十年來，隨著FPGA(現場可編程門陣列)技術的突飛猛進，FPGA也逐漸進入數字信號處理領域，尤其在實時圖像處理方面。Xilinx的研究表明，在2000年主要用于DSP應用的FPGA的發貨量，增長了50％；而常規的DSP大約增長了40％。由于FPGA可無比擬的并行處理能力，使得FPGA在圖像處理領域的應用持續上升，國內外，越來越多的實時圖像處理應用都轉向了FPGA平臺。與PDSP相比，FPGA將在未來統治更多前端(如傳感器)應用，而PDSP將會側重于復雜算法的應用領域。可以說，FPGA是數字信號處理的一次重大變革。 算法是圖像處理應用的靈魂，是硬件得以發揮其強大功能的根本。”共軛變換”圖像處理方法是一種新型的圖像處理算法，由鄭智捷博士上個世紀90年代初提出。這種算法使用基元形狀(Meta-shape)技術，而這種技術的特征正好具備幾何與拓撲的雙重特性，使得大量不同的基于形態的灰度圖像處理濾波器可用這種方法實現。該種算法在空域進行圖像處理，無需進行大量復雜的算術運算，算法簡單、快速、高效，易于硬件實現。通過十多年來的實驗與實踐證明，在微光圖像，紅外圖像，X光圖像處理領域，”共軛變換”圖像處理方法確實有其獨特的優異性能。本篇論文就針對”共軛變換”圖像處理方法在微光圖像處理領域的應用，就如何在FPGA上實現”共軛變換”圖像處理方法展開研究。首先在Matlab環境下，對常用的圖像增強算法和”共軛變換”圖像處理方法進行了比較，并且在設計制作“FPGA視頻處理開發平臺”的基礎上，用VHDL實現了”共軛變換”圖像處理方法的基本內核并進行了算法的硬件實現與效果驗證。此外，本文還詳細地討論了視頻流的采集及其編碼解碼問題以及I2C總線的FPGA實現。
上傳時間： 2013-04-24
上傳用戶：CHENKAI
