登录
首页 » Others » KNN疾病预测算法Demo

KNN疾病预测算法Demo

于 2020-12-09 发布
0 235
下载积分: 1 下载次数: 2

代码说明:

该资源是利用KNN算法对数据进行分类,以excel文件作为输入,能够针对患者的病症,得出他是否患有该病(准确率在70%左右)。有兴趣的童鞋可以下载看看哦!

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 最经典MOS管电路工作原理及详解没有之
    MOS管电路工作原理。详解介绍PMOS、NMOS的开关条件,MOS管的工作原理。具体电路用哪种MOS管更合理电路符号再来一个,试试看:PQ63哪个脚是(源极)?SI4825DDY-T1哪个脚是D(漏极)?8765G(栅极)昵?是P沟道还是N沟道MOS?依据是什么?如果接入电路,D极和S极,哪一个该接输入,哪个接输出?这次怎么样?电路符号1三个极怎么判定?MOS管符号上的三个脚的辨认要抓住关键地方。S极G极,不用说比较好认S极,G极不论是P沟道还是N沟道,两根线相交的就是;D极,D极不论是P沟道还是N沟道,是单独引线的那边。电路符号2他们是N沟道还是P沟道?三个脚的极性判断完后,接下就该判断是P沟道还是N沟道了S极N沟道 MOSFETG极箭头指向G极的是N沟道D极电路符号S极P沟道 MOSFETG极箭头背向G极的是P沟道D极当然也可以先判断沟道类型,再判断三个脚极性电路符号小测试:先判断是什么沟道,再判断三个脚极性G极2S极D极D极S极323G极P沟道 MOSFETN沟道 MOSFET电路符号3寄生二极管的方向如何判定?接下来,是寄生二极管的方向判断:s极寄生二极管S极G极N沟道G极P沟道D极D极它的判断规则就是:N沟道,由S极指向D极P沟道,由D极指向S极。电路符号S极上面方法不太好记,G极N沟道一个简单的识别方法是:(想像DS边的三节断续线是连通的)D极不论N沟道还是P沟道MoS管,S极中间衬底籥头方向和寄生二极管的箭头方向总是一致的:要么都由S指向D,要么都由D指向S。G极P沟道D极电路符号4它能干吗用呢?5VPCU+VCORE在我们天天面对的笔记本主板上,MOS管有两大作用:此处电压PR79 2被拉低100KF4PR78开关作用(1)228PQ27控制脚为低电平5VOV VRONL截止列导通2N7002EPQ27ME2N7002E
    2020-12-11下载
    积分:1
  • 西北工业大学现代控制理论电子课件
    西北工业大学现代控制理论电子课件,非常详细,适合自学或者作为课外辅导资料。
    2020-12-10下载
    积分:1
  • Python进阶
    《Python进阶》是《Intermediate Python》的中⽂译本, 谨以此献给进击的 Python 和 Python程序员们!
    2020-12-10下载
    积分:1
  • 基于LabVIEW的虚拟信号发生器vi
    解压后,直接用LabVIEW 8.2 打开即可内容包括1、实现了虚拟信号发生器的仿真显示。在虚拟信号发生器的图形显示窗上观察模拟输出信号的波形,有正弦波、方波、三角波。3、实现了虚拟信号发生器的模拟信号输出。①在设定频率、相位、采样频率、幅值后,输出正弦波、方波、三角波信号,并频率计测量信号频率。②滤波。选择不同的截止频率对输出信号进行滤波。
    2021-05-06下载
    积分:1
  • DSPF2812双闭环控制电机
    利用DSPF2812实现的双闭环控制电机程序,对从事异步电机控制的人而言可能有所帮助
    2020-12-05下载
    积分:1
  • 人工智能(百度人脸识别)简单案例
    人工智能(百度人脸识别)简单案例
    2020-12-12下载
    积分:1
  • CPLEX 调度例子
    对于初学者而言,CPLEX相对比较陌生,本人将课程资源上传共享,希望对你有所帮助。
    2021-05-07下载
    积分:1
  • 12脉波整流simulink模型
    采用12脉波整流simulink模型,用作电气初学者学习很不错!
    2020-06-30下载
    积分:1
  • 《MATLAB图像与视频处理实用案例详解》代码
    《MATLAB图像与视频处理实用案例详解》代码
    2020-07-04下载
    积分:1
  • Gabor小波+PCA+LDA特征提取方法的人脸表情识别
    基于Gabor小波+PCA+LDA特征提取方法的人脸表情识别 论文机电技术2011年12月(k)(×()4eXp|-0.5(0(4)-2×3.1415926)×U第四步:初始模型确定下来以后,采用则将该待识别人脸表情判别为第讠类表情Baum- Welch算法对参数进行重估计,选代调整模人脸表情实验及分析型参数以达最优化。这样就完成了训练建模工作,获得了在粗分本文在JAFE( Japanese Female Facial Expre-类层次下代表7种人睑表情的IMM模型sion)表情数据库中进行实验。 JAFFE人脸表情库a1=(A,B,)(=1,2,…,7)10个人,共213幅图像组成,每人都包含愤怒、23HMM人脸表情分类厌恶、恐惧、髙兴、悲伤、惊讶和中性7种表情,对待识别的人脸表情图像,按本节22中模型每人每种表情2~4幅,每和表情共有27幅本文实验与 Mihcac等的测试方法相似,把数训练步骤的第一步获得观察向量O,然后计算观据库中的210图像分成3个部分,每个部分包含察向量O与已训练好的HMM模型A1=(A,B,z)10个人,且每个人包含7幅不同表情图像,每次使的似然概率P(O|λ)(=,2,…,7)。通过用其中的一个部分训练各个表情的HMM模型,剩Forward-Backward算法来计算似然概率,如果下的两个部分用来测试。循环操作3次,然后对这P(O|A1),i∈(1.2,…,)在P(OA)(=1,2,…,7)3次取平均值,得出表情识别率。本方法获取的表中最人,即情识别率见表1P(Ol, )=max p(ola)表1人脸表情识别结果愤怒厌恶恐惧高兴中性悲伤惊讶识别率/愤怒厌恶恐惧5591高兴中性悲伤0201100095.00020惊讶05693.33整体识别率92.14从表1中可以看出,本方法可以获得较好的表高的问题,提出了一种新的人脸表情识别方法。情识别率,但是,从实验中也可发现,不管是有本方法通过更加有效的 Gabor小波+PCA+LDA表没有减少分类类别数,实验中始终存在误识别。情特征提取方法,然后结合IMM模型建立7个对从实验数据斥中发现,悴中杲些人的种表情变化应基本表情+中性表情的模型,进行识别分类,并不明显,即使人眼也无法确定其表情类别,以并且取得了92.14%的整体识别率。同时,在实验致算法在识别时出现错误。中发现,由于人脸实验数据库中某些人的7种表情4结论变化并不明显,即使人眼也无法确定其表情类别,以致算法在识别时出现错误。本文针对目前人脸衣情的整体识别卒普遍不(下转第35页)21994-2015ChinaacAdemicJOurnalElcctronicPublishingHousc.Allrightsrcscrved.http://www.cnki.nct第6期林彩邴等:磁流变阻尼器减振系统的分数阶微分方程硏究35[2] DROZDOVAD Mechanicsofviscoelasticsolids[M]. New York: John Wiley &Sons Ltd, 1998: 21-65B3 LAKES RS. Viscoelastic solids[M]. London: CRC Press, 1998: 63-1104 Stanway R, Sproston, J L, Stevens N (i. Non-liner modeling of an electrorheological vibration damper.J. Electrostatics,1987,20[S]周强,瞿伟廉.磁流变阻尼器的两种力学模型和试验验证[.地震工程与工程振动,2002,22(40.[6] Gamoto DR, Filisko F E. Dynamic mechanical studies of electrorheological materials moderate frequencies. J. Rheology,991,35(3).[刀]汪建晓,孟光.磁流变阻尼器用于振动搾制的理论及实验研究J.振动与冲击,2001,20(2)[8 Wen Y K. Method of random vibration of hysteretic systems[J. Journal of Engineering Mechanics Division, ASCE102(EM2),19769SpencerJr. BF, Dyke SJ, Sain M K, Carlson, J.D. Phenomenological model of a magnetorheological damper. JEngrg. MechASCE.1997,123[10]薛定宇陈阳泉高等应用数学问题的 MATLAB解[M清华大学出版社,2010[l]l云,谭半.磁流变阻尼控制理论与技术[M科学出版社2007[1】]王振滨曹广义分数微积分的两种系统建模方汏系统仿真学报,2004,6(4:810-81上h与比比比比匙比比知5印(上接第20页)参考文献[1] ZHAO Quan-you, PAN Bao-chang, PAN Jian-jia, et al. Facial expression recognition based on fusion of Gabor and LBPfeaturesLA] In: Proceedings of the 2008 International Conference on Wavelet Analysis and Pattern Recognition[C), HongKong,IEEE,2008(8):362-367[2] Tang Fang-qi, Deng Ben-zai. Facial Expression Recognition using AAM and Local Facial Features [A]. In: Proceedings ofthe Third International Conference on Natural Computation[C], Haikou, China, IEEE, 2007(8): 632-635[3]陈培俊基于静态图像的人脸表情识别研咒[M成都:西南交通大学,2007[4] Lades M, Vorbruggen JC, Buhmann J. Distortion invariant object recognition in the dynamic linkarchitecture[J].IEEE Transactions on Computers, IEEE, 1993, 42(3): 300-311[5]彭辉张长水荣钢等基于KL变换的人脸自动识别方法清华大学学报(自然科学版),2007,37(6):6770[6]Duda RO, Hart PE, Stork DG Pattern Classification(second edition). New York: Wiley, 20017]李云霞,李治柱,吴亚栋基于HMM的关键词识别系统计算机工程,2004,30(7):130-132谨致作者敬请本刊作者允诺:稿件中没有侵犯他人著作权或其它杈利的内容并且文责自负:投寄给本刊的槁件(论文、图表、照片等)自发表之日起,其专有出版权和网络传播权即授于本刊,并许可本刊在本刊网站或本刊授权的网站上传播及屮国核心期刊(遴选)数据库、屮国学术期刊综合评价数据库、屮文科技期刊数据库、屮国台湾华艺数据库全文收录。对上述合作若有异议者,烦请来时向本刊申明,未作申明者,本刊将视为同意,谢谢合作。并致诚挚敬意。《机电技术》编辑韶21994-2015ChinaacAdemicJOurnalElcctronicPublishingHousc.Allrightsrcscrved.http://www.cnki.nct
    2020-12-06下载
    积分:1
  • 696518资源总数
  • 106268会员总数
  • 10今日下载