原创 Excel操作系列(1)——合併多單元格內容

原文鏈接:http://www.wordlm.com/Excel/jqdq/6691.html 【爲什麼要創建該專欄?】 以前會覺得在簡歷上寫上【熟練掌握excel】是一件low爆表的事情~

原创 VIM系列(2)——VIM操作的四種模式

  VIM常用模式包括以下四個模式: 正常模式(normal-mode) 插入模式(insert-mode) 可視模式(visual-mode) 命令模式(command-mode) 1. 正常模式(normal-mode) 正常模式

原创 VIM系列(1)——常用操作(上)

1. 撤銷與恢復撤銷 撤銷:Esc命令下+u(小寫) 恢復撤銷:Esc命令下+Ctrl+r 2. 全選、複製、剪切、粘貼 全部操作: 全部複製:Esc命令下+ggyG 全部刪除:Esc命令下+dG 全選高亮顯示:Esc命令下+ggv

原创 正則表達式系列(1)——去除括號(或其他符號)及其包含的內容

1. 去除括號及其包含的內容 表達式:\(.*\) 用例測試1: 2. 去除其他符號及其包含的內容: 把()對應的位置換成其他符號,用到特殊字符時,必須進行轉義,非特殊字符可以不轉義。 表達式:\[.*\] 用例測試2: 表

原创 Python3學習系列(2)—— re模塊中的findall()和compile()方法

原文鏈接:https://blog.csdn.net/m0_37360684/article/details/84141176 1. findall() re.findall()在字符串中找到正

原创 論文解讀——High-Resolution PolSAR Scene Classification With Pretrained Deep Convnets

原文:'High-Resolution PolSAR Scene Classification With Pretrained Deep Convnets and Manifold Polarimetric Parameters'. 摘要

原创 論文解讀—Locality Preserving Projections(LPP)

0. 摘要   1. LPP的基本思想 LPP是一種線性降維算法,其基本思想是: 1)首先構建了一個融合了數據鄰域信息的圖; 2)然後根據圖的拉普拉斯的概念,可以計算一個變換矩陣; 3)最後通過該變換矩陣把數據映射到子空間。 在某種程度上

原创 遷移學習

原文鏈接:http://cs231n.github.io/transfer-learning/ 1.遷移學習方案 在實踐中,很少有人從頭開始(隨機初始化)訓練整個卷積網絡,因爲擁有足夠大小的數據集是相對罕見的。 相反,通常在一個非常大的數

原创 論文解讀——A Novel Deep Fully Convolutional Network for PolSAR Image Classification

原文:A Novel Deep Fully Convolutional Network for PolSAR Image Classification 摘要:提出滑窗全卷積神經網絡和稀疏編碼用於PolSAR圖像分類。所提出的方法具有兩個優

原创 論文解讀——deep learning in remote sensing

1. motivation 2. 從感知機到深度學習 感知機是早期神經網絡的基礎,是一種受生物啓發的e分類模型,用於 2.1 自動編碼模型 2.1.1 自編碼和堆自編碼 2.1.2 稀疏自編碼 2.1.3 RBM和DBN 2.2 CNN

原创 C/C++語言中的#和##的作用

作者:DanDan_M  原文:https://blog.csdn.net/michaelhit/article/details/82853634   經常遇到C/C++宏定義中的#,#的用法分爲兩種:#和## 1)#表示將宏定義中的參數

原创 實用小工具總結

1. 證件照類 1)使用AI摳圖軟件去除背景:https://www.remove.bg/,(摳圖非常精細),選擇其中的高清無背景格式保存。 2)使用PS新建圖層,填充自己想要的顏色,把1)中摳出來的前景覆蓋上即可得到。

原创 C++ Primer(07 章)— 類

1. 成員訪問運算符 1)點運算符:獲取類對象的一個成員,使用點運算符訪問一個成員函數時候,相當於調用該函數。 2)箭頭運算符:把解引用和成員訪問兩個操作結合在一起,it->item等價於(*it).item。 2. 隱式參數this 1

原创 C++ Primer(06 章)— 函數

1. 函數基礎 1) 函數重載:即同一個名字對應多個不同的函數。 2) 函數返回類型:不能是數組類型或者函數類型,但是可以是指向數組或函數的指針。 3)局部變量:形參和函數體內部定義的變量統稱爲局部變量。 4)自動對象:只存在於塊執行期間

原创 降維 (Dimensionality Reduction, DR)

降維在機器學習、數據挖掘、信息檢索、模式識別等信息處理的許多領域具有重要作用。在監督的機器學習中, 如果在預測輸出的時候有許多不必要的特徵,會使得算法的性能下降。在機器學習、計算機視覺、模式識別等領域,一個很重要的問題是如何提取少數量的特