摘要：本文详细介绍基于支持向量机的图像分类系统，给出MATLAB的算法介绍及界面设计过程。在界面中可点击选择图片或带图片的文件夹，系统自动对所涉及图片进行识别分类，可选择自己训练的模型进行分类；另外系统设计了模型训练功能，可在界面上选择训练数据集的文件夹和少量选择设置，系统便可以自动进行模型训练，适合不同的自定义数据集；算法部分的特征提取过程采用方向梯度直方图（HOG）特征，分类过程采用性能优异的核支持向量机（SVM）算法。系统界面清新美观，文中包含完整的代码文件及数据集，开箱即用，适合新手朋友学习参考。目录前言1.效果演示2.Caltech101数据集3.HOG特征提取4.训练和评估模型5.
摘要：本文详细介绍基于支持向量机的图像分类系统，给出MATLAB的算法介绍及界面设计过程。在界面中可点击选择图片或带图片的文件夹，系统自动对所涉及图片进行识别分类，可选择自己训练的模型进行分类；另外系统设计了模型训练功能，可在界面上选择训练数据集的文件夹和少量选择设置，系统便可以自动进行模型训练，适合不同的自定义数据集；算法部分的特征提取过程采用方向梯度直方图（HOG）特征，分类过程采用性能优异的核支持向量机（SVM）算法。系统界面清新美观，文中包含完整的代码文件及数据集，开箱即用，适合新手朋友学习参考。目录前言1.效果演示2.Caltech101数据集3.HOG特征提取4.训练和评估模型5.
摘要：蓝牙模块，是一种集成蓝牙功能的PCBA板，用于短距离无线通讯，蓝牙模块将芯片和外围硬件电路集成到一个PCB上，开发出所需的内置程序实现蓝牙功能的设备。可以通过相关接口和MCU控制设备进行数据传输、可实现蓝牙标准通信和组网。本文从蓝牙模块的不同的分类方式上去梳理蓝牙模块的类型，尽量的从分类方式的角度去了解蓝牙模块所具备一些特性和功能。一、按照协议类型分（1）经典蓝牙模块 经典蓝牙模块(BT)泛指支持蓝牙协议4.0以下的模块，可以细分为：传统蓝牙模块和高速蓝牙模块。 传统蓝牙模块：蓝牙诞生之初，使用的是BR基本速率技术，此时蓝牙的理论传输速率，只能达到721.2
摘要：蓝牙模块，是一种集成蓝牙功能的PCBA板，用于短距离无线通讯，蓝牙模块将芯片和外围硬件电路集成到一个PCB上，开发出所需的内置程序实现蓝牙功能的设备。可以通过相关接口和MCU控制设备进行数据传输、可实现蓝牙标准通信和组网。本文从蓝牙模块的不同的分类方式上去梳理蓝牙模块的类型，尽量的从分类方式的角度去了解蓝牙模块所具备一些特性和功能。一、按照协议类型分（1）经典蓝牙模块 经典蓝牙模块(BT)泛指支持蓝牙协议4.0以下的模块，可以细分为：传统蓝牙模块和高速蓝牙模块。 传统蓝牙模块：蓝牙诞生之初，使用的是BR基本速率技术，此时蓝牙的理论传输速率，只能达到721.2
摘要：本案例将使用YOLOX模型，实现一个简单的垃圾分类应用。本文分享自华为云社区《ModelBox社区案例-使用YOLOX做垃圾分类》，作者：HWCloudAI。1ModelBox社区案例 - 使用YOLOX做垃圾分类本案例将使用YOLOX模型，实现一个简单的垃圾分类应用，最终效果如下所示：本案例所需资源（代码、模型、测试数据等）均可从garbage_det下载1.1模型训练与转换模型采用的是YOLOX网络结构，YOLOX是YOLO系列的优化版本，引入了解耦头、数据增强、无锚点以及标签分类等目标检测领域的优秀进展，拥有较好的精度表现，同时对工程部署友好。训练使用的是“华为云杯”生活垃圾图片分
摘要：本案例将使用YOLOX模型，实现一个简单的垃圾分类应用。本文分享自华为云社区《ModelBox社区案例-使用YOLOX做垃圾分类》，作者：HWCloudAI。1ModelBox社区案例 - 使用YOLOX做垃圾分类本案例将使用YOLOX模型，实现一个简单的垃圾分类应用，最终效果如下所示：本案例所需资源（代码、模型、测试数据等）均可从garbage_det下载1.1模型训练与转换模型采用的是YOLOX网络结构，YOLOX是YOLO系列的优化版本，引入了解耦头、数据增强、无锚点以及标签分类等目标检测领域的优秀进展，拥有较好的精度表现，同时对工程部署友好。训练使用的是“华为云杯”生活垃圾图片分
分类算法-逻辑回归与二分类1、逻辑回归的应用场景广告点击率是否为垃圾邮件是否患病金融诈骗虚假账号看到上面的例子，我们可以发现其中的特点，那就是都属于两个类别之间的判断。逻辑回归就是解决二分类问题的利器2、逻辑回归的原理2.1输入逻辑回归的输入就是一个线性回归的结果，然后把这个结果映射到0-1之间。2.2激活函数分析回归的结果输入到sigmoid函数当中输出结果：[0,1]区间中的一个概率值，默认为0.5为阈值逻辑回归最终的分类是通过属于某个类别的概率值来判断是否属于某个类别，并且这个类别默认标记为1(正例),另外的一个类别会标记为0(反例)。（方便损失计算）输出结果解释(重要)：假设有两个类别
分类算法-逻辑回归与二分类1、逻辑回归的应用场景广告点击率是否为垃圾邮件是否患病金融诈骗虚假账号看到上面的例子，我们可以发现其中的特点，那就是都属于两个类别之间的判断。逻辑回归就是解决二分类问题的利器2、逻辑回归的原理2.1输入逻辑回归的输入就是一个线性回归的结果，然后把这个结果映射到0-1之间。2.2激活函数分析回归的结果输入到sigmoid函数当中输出结果：[0,1]区间中的一个概率值，默认为0.5为阈值逻辑回归最终的分类是通过属于某个类别的概率值来判断是否属于某个类别，并且这个类别默认标记为1(正例),另外的一个类别会标记为0(反例)。（方便损失计算）输出结果解释(重要)：假设有两个类别
1.支持向量机支持向量机（SupportVectorMachine,SVM）最初被用来解决线性问题，加入核函数后能够解决非线性问题。主要优点是能适应小样本数量高维度特征的数据集，甚至是特征维度数高于训练样本数的情况。先介绍几个概念：最优超平面：Hyperplane，SVM通过学习数据空间中的超平面达到二值分类。在预测中，在超平面一侧被认为是一个类型的数据，另一侧被认为是另一种类型数据。超平面在一维空间中是一个点；在二维中是一条线；三维中是一个平面。在更高维度只能描述为“超平面”。普通线性可分问题中，符合分类要求的超平面会有无穷多个。软间隔：SoftMargin，是为了解决因噪声数据导致的过拟合
1.支持向量机支持向量机（SupportVectorMachine,SVM）最初被用来解决线性问题，加入核函数后能够解决非线性问题。主要优点是能适应小样本数量高维度特征的数据集，甚至是特征维度数高于训练样本数的情况。先介绍几个概念：最优超平面：Hyperplane，SVM通过学习数据空间中的超平面达到二值分类。在预测中，在超平面一侧被认为是一个类型的数据，另一侧被认为是另一种类型数据。超平面在一维空间中是一个点；在二维中是一条线；三维中是一个平面。在更高维度只能描述为“超平面”。普通线性可分问题中，符合分类要求的超平面会有无穷多个。软间隔：SoftMargin，是为了解决因噪声数据导致的过拟合
