基于机器学习的糖尿病分析

基于计算机视觉和机器学习的人脸检测及人脸识别系统源码+数据资料.zip本项目是基于OpenCV2跨平台计算机视觉和机器学习软件库的人脸检测及人脸识别系统， 采用Web应用作为用户和管理的交互页面。 系统人脸识别模块的图像处理采用PIL(Python Image Library)。 BPL是python的第三方图像处理库，但是由于其强大的功能与众多的使用人数，几乎已经被认为是python官方图像处理库了 软件架构 Flask：Flask是一个使用 Python 编写的轻量级 Web 应用程序框架。 OpenCV2：OpenCV2是一个跨平台计算机视觉和机器学习软件库。 LayUI：layui（谐音：类UI) 是一款采用自身模块规范编写的前端 UI 框架，遵循原生 HTML/CSS/JS 的书写与组织形式，门槛极低，拿来即用。且是国人开发，拥有较为完善的中文文档。 Pymysql及PooledDB：PyMySQL 是在 Python3.x 版本中用于连接 MySQL 服务器的一个库。DBUtils是一套Python数据库连接池包，并允许对非线程安全的数据库接口进行线程安全包装。

基于机器学习的医疗保险支出分析 适合初学者，内包含数据集以及R语言源码

基于机器学习的人脸识别系统设计与实现, ，系统主要是用Python语言实现，人脸识别系统中用到的CNN算法的详细介绍，TensorFlow搭建了军阿基神经网络模型，实现了对模型的评估、搭建，测试，使用前请务必查看说明文档

基于机器学习的语音情感识别系统的设计.docx

基于机器学习的python车牌识别系统源码.zip将汽车照片的绝对路径输入，先进行图像预处理，通过神经网络分类，最后输出车牌号 实现程序： Gui.py 2. 图像预处理 将源图片进行均值迁移，然后筛选蓝色，进行开操作消除噪声，进行闭操作填充车牌，然后进行矩形轮廓筛选，标记并剪切图片，然后压缩分割字符，调整字符图片大小，将字符图片写入文件。 实现程序： Find_card.py Spilt_char.py Op.py 3. 训练神经网络 设置好神经网络参数以及将训练集加标签归一化后，基于tensorflow进行训练，根据数字字母训练集和汉字训练集训练好两个网络模型写入文件。 实现程序： Bp_char.py Bp_chinese.py 4. 字符识别 先将预处理好的图片归一化，然后特征提取，分别使用训练好的分类器进行分类，然后再合并输出。 实现程序 Predict.py 5. 环境与依赖 语言：python3.7 依赖：opencv3、tensorflow、numpy、Tkinter 分类器：全连接卷积神经网络

基于机器学习的雷达辐射源识别研究综述

基于python机器学习的天气预测和天气可视化项目源码全部资料.zip它实现了天气数据的爬取，预测和可视化。本项目分为三个部分，即爬取和处理数据，数据预测（包含评价方法）和数据可视化 即使用python爬取网站的json数据 数据预处理： 获取到的天气信息包括最高温，最低温都不是int格式的数字，通过对数据截取，将部分指标的数据变换为int类型 基于python机器学习的天气预测和天气可视化项目源码全部资料.zip它实现了天气数据的爬取，预测和可视化。本项目分为三个部分，即爬取和处理数据，数据预测（包含评价方法）和数据可视化 即使用python爬取网站的json数据 数据预处理： 获取到的天气信息包括最高温，最低温都不是int格式的数字，通过对数据截取，将部分指标的数据变换为int类型

基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料.zip基于机器学习的软件缺陷预测系统源码+全部数据资料

基于机器学习实现的农作物病虫害识别系统源码+全部数据.zip已获导师指导并通过的高分项目 本项目是一个非常完整的深度学习实践项目，内附从安装到部署详细教程。 目前，人工智能技术在农业领域的普及应用，还存在着数据共享不足、 算法门槛过高、算力垄断、实验与应用环境差距过大等问题。所以，本文基于 阿里云计算技术与机器学习计算机视觉技术，开发了一套农作物病虫害识别系统，大幅降低了人工智能技术使用门槛，使农业从业人员也可享受智能技术红利，促进智慧农业发展。 基于机器学习实现的农作物病虫害识别系统源码+全部数据.zip已获导师指导并通过的高分项目 本项目是一个非常完整的深度学习实践项目，内附从安装到部署详细教程。 目前，人工智能技术在农业领域的普及应用，还存在着数据共享不足、 算法门槛过高、算力垄断、实验与应用环境差距过大等问题。所以，本文基于 阿里云计算技术与机器学习计算机视觉技术，开发了一套农作物病虫害识别系统，大幅降低了人工智能技术使用门槛，使农业从业人员也可享受智能技术红利，促进智慧农业发展。