机器学习

哥布林学者

高光谱成像（六）滤波匹配 MF在前面的几篇文章中，我们已经逐步介绍了高光谱图像分析中的一些基础方法，主要围绕如何降低高光谱数据的维度和如何处理或抑制数据中的噪声两个核心问题展开。

哥布林学者

高光谱成像（五）高光谱成像的噪声估计在上一篇中，我们介绍了最小噪声分数变换 MNF，它在 PCA 基础上引入噪声建模的一种改进降维方法，但我们也提到了:MNF 依赖噪声估计，其效果很大程度依赖噪声协方差矩阵的估计，如果噪声估计不准确，降维效果可能明显下降。

哥布林学者

高光谱成像（四）最小噪声分数变换 MNF在上一篇中，我们介绍了 PCA ，其通过寻找方差最大的方向来压缩数据维度，在保留主要信息结构的同时减少计算量。同时，我们也提到，PCA 是数据分析和机器学习领域中一种通用的高维数据降维方法，高光谱成像只是它的一个典型应用场景。

哥布林学者

高光谱成像（三）主成分分析 PCA我们已经知道：高光谱图像的每一个像素，本质上是一个高维光谱向量，其波段数量可能达到上百维。这固然提供了更多的信息，但于此同时也极大增加了计算量。并且，结合实际生活，你会发现一个新的问题：

OpenBayes贝式计算

边看、边听、边说，MiniCPM-0-4.5 全双工全模态模型；Pan-Cancer scRNA-Seq 涵盖三种生物学状态单细胞转录数据集3 个公共数据集：Adverse Drug Reaction 模拟药物不良反应数据集Pan-Cancer scRNA-Seq 癌症单细胞转录图谱数据集

OpenBayes贝式计算

教程上新丨基于500万小时语音数据，Qwen3-TTS实现3秒语音克隆及精细调控当生成式 AI 不再局限于「生成文字」，而是开始真正「发出声音」，语音就从信息通道升级为可编程、可塑造的表达媒介。从跨语种内容创作到实时语音助手，从虚拟主播到沉浸式交互系统，文本转语音（TTS）正在成为多模态模型体系中的核心一环。但要让机器说得自然、稳定、可控，并在流式场景下保持毫秒级响应，背后考验的不只是声学建模能力，更是架构设计与系统优化的综合实力。

小黎1475778985364

OpenClaw 连接飞书完整指南：插件安装、配置与踩坑记录摘要：本文详细记录使用 OpenClaw 连接飞书机器人的全过程，包括插件安装失败、配置错误等常见问题的解决方案。

哥布林学者

高光谱成像（二）光谱角映射 SAM在第一篇中我们已经提到：高光谱图像的每一个像素，本质上是一个高维光谱向量。如果一个像素有 100 个波段，那么它就可以表示为：

哥布林学者

高光谱成像（一）高光谱图像新分类关于高光谱成像，是近期的主要长篇内容。在日常生活以及之前的 CV 相关内容里，我们演示使用的图像数据都是 RGB 图像，在之前的图像处理基础中我们也介绍过这一点。再简单复述一下要点：大量出现在我们日常生活中的彩色图像基本都是 RGB 图像，这类图像的每个像素可以看作堆叠在一起的三个通道，分别代表图像在红、绿、蓝三个维度上的亮度，三者组合才形成了我们肉眼中的彩色图像。

罗西的思考

AI Agent框架探秘：拆解 OpenHands（10）--- Runtime0x00 摘要0x01 工作机制0x02 核心逻辑0x03 代码0xFF 参考对于Agent ，Google 白皮书给出一个简洁而实用的定义：Agent = 模型 + 工具 + 编排层 + 部署运行时，这里和目前大部分的 AI Agent 的定义（LLM + Tool + Memory）多了一层部署运行时。因此可见Runtime的重要性。

CART决策树基本原理分类与回归树(classification and regression tree, CART)模型由特征选择、树的生成及剪枝组成，既可以用于分类也可以用于回归。

OpenBayes贝式计算

解决视频模型痛点，TurboDiffusion 高效视频扩散生成系统；Google Streetview 涵盖多个国家的街景图像数据集公共资源速递9 个公共数据集：THINGS-EEG 脑电图数据集THINGS-MEG 脑磁图数据集RoVid-X 机器人视频生成数据集

OpenBayes贝式计算

OCR教程汇总丨DeepSeek/百度飞桨/华中科大等开源创新技术，实现OCR高精度、本地化部署在数字化浪潮席卷各行各业的今天，大量信息仍然以图片、扫描件、PDF 甚至手写文稿的形式存在。如何让机器「读懂」这些非结构化的视觉内容，并将其转化为可编辑、可检索、可分析的文本数据？这正是 OCR（Optical Character Recognition，光学字符识别）技术要解决的问题。

能源行业非结构化数据治理实战：从数据沼泽到智能资产非结构化数据资产化，是指将企业中广泛存在的、缺乏固定格式和模式的数据（如设计图纸、勘探报告、巡检影像、合同文档、会议纪要等），通过一系列技术与管理手段，进行统一采集、标准化治理、安全存储与智能分析，从而将其转化为可检索、可分析、可服务于业务决策与AI应用的高价值数据资产的过程。对于能源行业而言，这是释放数据潜能、驱动数字化转型的核心基石。

B站_计算机毕业设计之家

电影知识图谱推荐问答系统 | Python Django系统 Neo4j MySQL Echarts 协同过滤大数据人工智能毕业设计源码（建议收藏）✅博主介绍：✌全网粉丝10W+，前互联网大厂软件研发、集结硕博英豪成立软件开发工作室，专注于计算机相关专业项目实战6年之久，累计开发项目作品上万套。凭借丰富的经验与专业实力，已帮助成千上万的学生顺利毕业，选择我们，就是选择放心、选择安心毕业✌ > 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

机器学习之逻辑回归对于逻辑回归我们可以从一个问题入手,到底什么是逻辑回归的算法思想?面试官问“请描述逻辑回归的算法思想”这个问题时，其实是在考察你对这个基础模型的本质理解——是只会调用sklearn.learn.LogisticRegression，还是真正明白它为什么叫“回归”却做分类，它的核心在算什么。

通过matlab实现机器学习的小项目示例（鸢尾花分类）本文介绍基于鸢尾花分类的 MATLAB 机器学习小项目示例，涵盖数据预处理、模型训练、评估及可视化全流程，适合入门学习。