该论文已经获得2021年江西省研究生三等奖。内容的中数据分析、特征工程、第一问模型已经在博客中给出https://betterbench.blog.csdn.net/article/details/118441901 具体论文的word和PDF版本以及完整的实现程序代码,可在购买此资源后获得。另外的平台购买地址https://mianbaoduo.com/o/bread/YZ6Xm59w
2021-10-22 09:09:32 3.93MB 数学建模 研究生 肿瘤疾病 决策树
论文+代码实现方法 论文详细 Karl Krissian,Oriented Speckle Reducing Anisotropic Diffusion,IEEE TRANS 2007
2021-10-14 16:55:20 2.13MB OSRAD 论文 speckle matlab
1
MRI图像超分辨率代码,采用低秩全变分算法,论文发表于IEEE Transactions on Medical Imaging2015
2021-10-11 20:06:26 1.33MB MRI super resolu
1
针对本文给出的基金资产配置策略问题,本文建立了结合小波分析算法,均值-方 差模型,蒙特卡罗模拟方法以及遗传算法的资产配资投资效益优化模型,对企业购买股 票以及合理进行资金的配置具有一定的指导作用。 针对问题一 本文使用皮尔逊相关系数与系统聚类 针对问题二 本文结合小波分析算法与均值-方差模型确定使投资效用最大化的股 票投资策略,使用小波分析算法对数据进行降噪,再使用样条插值补全数据。之后计算协方差矩阵代入均值方差模型求解确定了投资效用最大的策略 针对问题三 本文使用历史模拟法、蒙特卡罗方法,参数模拟法度量每个基金公司 2020 年 95% 置信水平下的风险价值。 针对问题四 本文建立了整个系统
2021-10-11 16:02:51 838KB 五一建模 B题论文 代码
论文 为支持我的硕士论文“对商业周期的阶段进行分类:一种机器学习方法”而编写的代码
2021-10-07 21:23:10 2.26MB MATLAB
1
深度学习时间序列预测 最新的论文清单集中在深度学习以及使用深度学习进行时间序列预测的资源,代码和实验。 经典方法与深度学习方法,竞赛... 文件 2020年 Prathamesh Deshpande等。 代码还没有。 Shruti Jadon等。 代码还没有。 HD阮等人。 代码还没有。 JánDrgona等。 代码还没有。 安格斯·登普斯特(Angus Dempster)等。 [] 袁雪,等。 代码还没有。 Castellani Andrea等。 Honda Research Institute Europe GmbH 代码还没有。 很好的参考 金晓勇,等。 代码还没有
1
波形域中音乐源分离的论文代码波形域中音乐源分离我们提供了Demucs和Conv-Tasnet的实现,用于MusDB数据集上的音乐源分离。 他们可以用最新的结果将鼓,贝斯和人声与其他声音区分开,超越了以前基于波形或频谱图的方法。 我们的论文“音乐源分离”在波形域中详细介绍了所获得的架构和结果。 Demucs基于受Wave-U-Net和SING启发的U-Net卷积架构,带有G
2021-09-17 14:45:37 31.56MB Python Deep Learning
1
计算机本科论文集锦里面有论文和代码,各种开发的系统和论文详解,本文件适合计算机学生学习知识。
2021-09-15 22:19:42 43.24MB 计算机 课本 论文 代码
1
这是一个基于遗传算法的社区发现算法代码 论文:Community detection based on modularity and an improved genetic algorithm ###使用方法: 1.在CommityData.java文件里面,更改path变量. ###代码结构: 1.CommityData.java:定义了全部变量,以及数据的初始化工作 2.SpeciesIndividual.java:染色体个体 3.SpeciesPopulation.java:物种群,用链表的形式来存储每一个SpeciesIndividual个体 4.GeneticAlgorithm.java:遗传算法步骤,包括选择交叉变异等操作 5.MainRun.java:主函数
2021-09-14 15:36:19 50KB 遗传算法 社区发现 模块度
1
交通标志检测 这是论文的代码 , , 本文通过结合多种特征提取器(Resnet V1 50, Resnet V1 101,Inception V2,Inception Resnet V2,Mobilenet V1和Darknet-19)。 我们旨在探索这些对象检测模型的特性,这些对象通过转移学习进行了修改,并特别适合于交通标志检测问题领域。 特别是,在Microsoft COCO数据集上进行了预训练的各种公开可用的对象检测模型在数据集上进行了微调。 这些模型的评估和比较包括关键指标,例如平均平均精度(mAP),内存分配,运行时间,浮点运算次数,模型参数数量以及交通标志图像尺寸的影响。 我们提供: 几种。 。 测试代码以。 说明。 说明。 创建GTSDB TFRecords的脚本。 如果您发现此代码对您的研究有用,请引用: "Evaluation of deep ne
2021-09-13 11:57:27 7.19MB 系统开源
1