排序
【人工智能】招聘与学科竞经验分享会(2025年03月16日)
2025年3月16日的分享会上,陈学长建议人工智能专业学生转向机器人领域(如ROS开发、嵌入式等新兴高需岗位),强调考研提升学历对冲击算法岗的重要性,并提倡通过国家级竞赛积累经验、拓宽职业后...
【人工智能】【Python】决策树实验
该实验利用决策树算法进行分类(葡萄酒数据集)与回归(加州房价数据集),对比预剪枝(控制最大深度等参数)和后剪枝(CCP算法)策略对模型性能的影响。通过网格搜索优化超参数,结合SMOTE处理...
【人工智能】作物叶片病害分类去背景方法&MaxViT混合玉米数据集&模型改进实验-2025年3月22日人工智能组会总结
本次组会汇报了两项研究进展:一、提出基于图像切割与标注的作物叶片病害分类去背景方法,采用小型Inception模型验证泛化性,探讨OpenCV预处理或语义分割去背景的可行性;二、融合多源玉米数据...
【人工智能】通过玉米叶片病害识别提高作物生产力与可持续性:利用大型数据集与先进视觉Transformer模型
本文提出一种轻量化改进的MaxViT模型,通过集成SE模块和GRN技术优化结构,并结合多源数据集(5234张图像)进行玉米叶片病害检测。实验表明,该模型在四分类任务中准确率达99.24%,推理速度达0.0...
【人工智能】用于跨作物植物病害检测的创新深度学习方法:一种识别不健康叶片的通用方法
本文提出一种基于局部特征学习的轻量化深度学习方法,用于跨作物植物病害检测。通过将叶片图像分割为32×32小块并筛选有效区域,构建包含186万样本的数据集,采用轻量化Inception模型实现二分类...
【人工智能】【Python】K-近邻算法实验
本实验使用K近邻分类算法对sklearn葡萄酒数据集进行分类,采用标准化预处理、网格搜索优化超参数(k值、距离度量、权重方式)并结合5折交叉验证确保模型稳定性。最终,最佳模型在测试集上实现10...
【人工智能】【Python】各种评估指标,PR曲线,ROC曲线,过采样,欠采样(Scikit-Learn实践)
本文介绍了使用Python和Scikit-Learn进行信用卡欺诈检测的完整流程。通过处理高度不平衡的数据集(492例欺诈 vs 284315正常),采用SMOTE过采样技术平衡样本,并使用决策树模型训练。评估部分涵...
【人工智能】软著申请&模型改进-2025年3月9日人工智能组会总结
本文介绍了基于UNetFormer的城市绿地智能提取系统开发与实践经验。通过重构模型预测模块实现单图推理功能,结合Flask框架搭建Web应用,完成从算法到实际软件的转化。在模型优化方面,提出MSC-FF...
【人工智能】【Python】在Scikit-Learn中使用网格搜索对决策树调参
在鸢尾花数据集(n=150)中,通过三维参数空间遍历(「criterion/max_depth/min_samples_leaf」)结合6折分层验证,实现决策树准确率从92.1%至97.3%的跃升。实验揭示:信息熵准则在深层树(dept...
【人工智能】【Python】在Scikit-Learn中使用决策树算法(ID3和CART)
本文通过Scikit-Learn实现对比ID3与CART决策树算法,解析信息熵与基尼指数的分裂准则差异。实验使用Iris数据集验证算法性能,揭示random_state参数对数据划分和树结构的双重控制作用。可视化展...
【算法】【Python】能否构成回文字符串
检测一个字符串能否通过在头部加入指定的字符从而形成回文串。优化代码时避免了字符串拼接,通过双指针技术判断是否可以通过向字符串头部插入字符形成回文。优化后的代码仅检查尾部字符是否可以...
【人工智能】作物病害识别&遥感频域特征融合-2025年2月23日人工智能组会总结
研究聚焦于作物病害识别与遥感频域特征融合。基于ShiftingNet的病害识别模型在Plant Village数据集上实现多类作物Val Acc达99.8%,验证了标准化预处理对复杂背景图像的重要性;针对ConvLSRNet的...