本次实验利用CNN对类别数据集进行分类，并掌握卷积神网络搭建的过程，了解卷积模块，池化模块，Batch Normalization模块，激活函数等各个模块的原理，以及对图像进行卷积操作，池化操作等计算方法与过程；对每次训练损失进行可视化，不断调整参数，例如优化器的选取、学习率等；通过混淆矩阵来评判分类结果好坏。数据集描述实验使用的类别数据集有6400张大小不统一的彩色图片，这些彩色图片归属八个类别

使用DecisionTreeRegressor模型对水果蔬菜价格预测

目标检测-cv2.addWeighted图像合并是在大小和属性相同的图像进行合并，进而组成一张新的像素图，像最近比较火的带有国旗属性的图像。此次使用到的是CV2函数的下的addWeighted函数。首先我们先了解一下函数的原型cv2.addWeighted(src1,alpha,src2,beta,gamma,dst,,dtype) #两张对应输入的图像与其对那个的权重相乘首先我们在选用图片可以不

图像统计特征分析纹理所需，灰度共生矩阵学习前预习知识

模式识别实验课1．1决策树回归的工作基础或实验条件（1）我们组的主要任务是首先介绍什么时决策树和信息增益，平均误差，Gini系数等一些基础概念，之后手动推演和上机实践实现决策树的分类与回归（2）我的工作是介绍决策树分类理论，并根据鸢尾花数据集，通过python上机验证。1．2决策树分类的实验条件使用了python作为主要工具。1．3 设计思想使用基尼系数作为划分标准，基尼系数越小，则不纯度越低，区

图像统计特征分析纹理所需，灰度共生矩阵学习前预习知识

模式识别实验课1．1决策树回归的工作基础或实验条件（1）我们组的主要任务是首先介绍什么时决策树和信息增益，平均误差，Gini系数等一些基础概念，之后手动推演和上机实践实现决策树的分类与回归（2）我的工作是介绍决策树分类理论，并根据鸢尾花数据集，通过python上机验证。1．2决策树分类的实验条件使用了python作为主要工具。1．3 设计思想使用基尼系数作为划分标准，基尼系数越小，则不纯度越低，区