完整版北航数理统计大作业，供北航一年级研究生用

我们项目验收全套文档，未删除任何内容，方便参考。压缩包中同时提供标准文档模版。压缩包内容01_需求分析报告.doc02_系统详细设计书.doc03_数据库详细设计.doc04_测试大纲.doc04_测试用例.doc04_内部测试报告.doc05_源代码及使用说明.doc06_安装部署文档.doc07_用户使用手册.doc08_项目总结报告.doc总结汇报PPT.ppt正式-系统验收意见.doc全套项目验收文档模版.rar

这是我毕业弄的系统，里面包含完整毕业论文，演示文档PPT以及access做的系统，希望对有需要的朋友有帮助！学生信息，教师信息。。

人脸检测作为物体检测问题的一个特例,长期以来一直备受关注,已经开始广泛应用到全新人机界面、基于内容的检索、基于目标的视频压缩、数字视频处理、视觉监测等许多领域。 本论文研究的是如何准确地在复杂背景的灰度或彩色图像中测人脸,同时验证了结合肤色等多种信息融合的方法是提高检测速度的有效途径之一。利用目前较为流行的AdaBoost算法的一个改进算法——Gentle AdaBoost算法,设计实现了以这个算法为核心的快速人脸检测系统,系统分训练和检测两部分,训练的最终目的就是得到一多层分类器结构,人脸检测的效率和检测速度在很大程度上是由这种结构形式决定的。通过一系列的比较得出样本选取、特征选取、核心算法

毕业设计论文人脸识别系统

内附源代码，数据库，论文，开题报告，答辩PPT，程序配置说明书全套！

大家好，我是Mac Jiang,今天和搭建分享的是台湾大学机器学习基石（Machine Learning Foundations）的个人笔记。个人觉得这门课是一门非常好的机器学习入门课程，值得初学者学习！这份笔记是本人一笔一划手写，扫描后上传了，也算是一个月的心血，希望我的工作能够给大家带来一些学习上的帮助。Week 1: The leaming ProblemDateP1. What is Machine Learning?m:画过观架( observation)款悍技能〔)cb→圆>skdem0过数(d枝能(s)t→DML→5m Prove:增进某种表现 Performance measurePer fornoMeasureML: an alternative rute to butt aomplacoded systems- When human connot prinn the system manually (navigating on Mars)-When human nnot define the solution esaily(speech/vgual recgnition)-When needing raBid deasions that huniang cannot do (high freguency trading?When neeling to be user-orrented in a massive sale(Consumer-targetd mopketig)dataim proved①有在其些日术Pattern RcRRMLerformance机购在完不知邮们度珠meusure的隐藏规剧料灿2.Appliaation of Machine learniO food: data Twitter data Wordsspill tell food Poisoning Cike lines of resturant properlye clothig. data: scale fiqures +client surveysskill: give good fashion recommendation to Clients3 Hosing, data, characteristic of buidings and their energy loadkill:predict energy lad of other buiding closely9 Trans potation: data: Some traffic sign images and meaningsShill= recognize troffic Sions acuratelyO Education: data. Studerts, records onizes ona math tutoring systemskilL: Predict whether a stdert can give a Comet answer to anther question⑥ ntertainment:da: ho w many users have hated some movies象社解料系子荐你统stiu Predict how a user Would rate an uNatPagc3. Com Ponent of Machine lemn输入:x∈x出:y∈Y睛数(9Mrtm)tf:y→丫〔想下的)抛规律台道数据如 raining examples:D=,,()…(xmhyes分sk:9x→y〔学到的程制的孤)辆一M→9Algur+nH( hy Pothesis Set)色色妇的成坏的Pt8,9∈H,从种中最的即9Leaming model= A and He hypothesis set4.Machine learning and other FiMachine (earring, B do值到约练于B数于的设3CMLatMn鸡:eg如 to find property that15e西不哦啥CDM)若立越西的为9R西事无大大区刷若栖与9关,PM可帮助MLArdt9g让电座有很瞰明的表视(下开)CA工)机学展现A工铝能的方法statistics(计利用瓷料爆到推龙,从数学角出发纯计晨钯机罟孑的方法第2讲: Learn to Answera人阳0 n Hypothesis set(假设集)Xxx)「y=(,许答 Wii threshold飞岁=+,讲卷Wx∠thr

用RBF神经网络构造内部模型，并求得逆模型，整个闭环过程能良好的控制跟踪

用py程序提取abaqus计算结果odb文件中的点集的结果数据。本程序以顶面（TOP）的反力（RF）为例。

中科院研究生院计算流体力学基准算例fortran和c + +代码以及案例分析

【实例简介】里面为自己做的一字型编队控制仿真，均为m文件，助于对编队控制的理解