pandas常用函数分类汇总,含有注释,分类pandas常用函数分类汇总
2022-07-07 20:02:51 274KB pandas
1
基于FPGA的任意小数分频器的设计.pdf
2022-07-04 19:06:54 182KB 技术资料
该应用程序对选定的飞机发动机进行参数分析,并允许用户查看不同图上的结果。 用户必须首先运行一个名为 menu 的 matlab 文件并按照显示的说明进行操作。 该申请是在阿联酋航空大学最后一年的项目中提出的。 该项目由 Abdulrahman Amer 和 Sheraz Ali 完成,并由 Raed Kafafy 博士监督。
2022-06-11 13:40:02 364KB matlab
1
Analysis_of_Smart_meter_readings_in_London 概述: 该分析的目的是了解伦敦的能源消耗模式。 该数据集包含5566户伦敦家庭及其2011年11月至2014年2月之间的能源消耗。每半小时读取一次每个家庭的读数。 英国的家庭已被划分为CACI ACORN(居住区分类)类别,这是英国人口的地理人口细分。 有6个此类。 这6个类别中的每一个都进一步分为几组,共18个组。 有关ACORN组的更多信息,请参见。 英国的能源价格计划分为两类:动态使用时间和标准。 动态使用时间计划的设置方式是,提前通知每个家庭其电价将高于或低于正常价格的特定时间-高(67.20p / kWh),低(3.99p / kWh)或正常(11.76p / kWh)。 标准计划全天保持不变的固定费率(14.228p / kWh)。 该数据集用于了解不同ACORN组之间的能耗模式。 初步
2022-06-08 15:01:02 2.53MB matploblib plotly seaborn python-3
1
一般信息 支持向量机(SVM)和相关的基于内核的学习算法是一类知名的机器学习算法,用于非参数分类和回归。 liquidSVM是SVM的实现,其主要功能是: 完全集成的超参数选择, 无论大小数据集,其速度都极高, , , , 和绑定, 为专家提供充分的灵活性,以及 包括各种不同的学习场景: 多类别分类,ROC和Neyman-Pearson学习, 最小二乘,分位数和预期回归。 如有疑问和意见,请通过与我们联系。 您也可以在此处要求注册到我们的邮件列表。 liquidSVM已根据许可。 如果您需要其他许可证,请与联系。 命令行界面 命令行版本的。 Linux / OS X的终
2022-06-05 16:05:49 5.28MB python c-plus-plus machine-learning r
1
smart PA 参数分离的修改
2022-06-01 09:11:11 145KB audio
1
联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专用小工具 整数分区计算工具V2.18.1联想工程师专
应用EM算法研究了多元混合指数分布场合下,正常应力对完全数据场合、Ⅰ-型截尾和Ⅱ-型截尾场合的参数估计问题。
2022-05-30 14:47:19 209KB 自然科学 论文
1
对于学习入侵检测侧的新手,分析snort的源代码尤为重要,但是snort源代码结构纷繁复杂,代码众多,函数调用很多,确实,很难分析清楚其结构。 改资料详细解释snort的代码,重要数据结构和主要函数。对初学者,肯定有好处
1
合成孔径雷达(SAR)目标检测和识别是SAR实用化的瓶颈技术之一,提取有效的目标特征是SAR目标检测与识别的关键环节。高分辨率SAR图像中,目标属性散射中心特征反映了目标散射中心的位置、类型等信息,精确获取目标散射中心属性特征能够提高对目标的检测识别性能。针对SAR目标属性散射中心特征的提取,该文提出了一种基于改进的空间-波数分布(ISWD)的特征提取方法,该方法首先利用ISWD估计散射中心关于频率与方位角的函数,然后利用该函数来获得目标属性散射中心模型参数。最后利用仿真实验验证了方法的有效性。
1