2019年7月12日

摘要： 最后运行效果如下： （5）显示上面的dataset分类结果，并且保存到一个文件里面。 （6）将上面保存的dataset图片读取进来，并且获得它第2通道图片特征，显示这个图片特征灰色图片如下图，结合上面dataset图片很明显，需要特别显示的大细胞和非细胞已经区分得很清晰了。 （7）现在直接把data 阅读全文

摘要： 运行的效果如下： 阅读全文

摘要： 阅读全文

摘要： 处理后得到的效果图如下： （6）新建一个数据集dataset，它的行数是：一张图片中我们感兴趣的点（一个小像素），也就是：一个图片对象只考虑I_seg.sum()这么多像素，一共有61张图片，所以dataset将保存所有的图片数据信息，这样dataset每一列就是一张图片,而每一行就是每张图片同一个 阅读全文

摘要： ................................................... （13）按格式输出 for i in range(0,len(List_row)): if (i%2==0): st=List_row[i].strip().split(' ') print(in 阅读全文

摘要： 实验过程与结果（可贴图） 解： 全部代码如下： 最终的部分运行结果输出如下： ............................................................................. ................................. 阅读全文

摘要： import numpy as np import matplotlib.pyplot as plt from sklearn import datasets from sklearn.model_selection import train_test_split from sklearn.tree import DecisionTreeClassifier,DecisionTreeRegre... 阅读全文

摘要： import numpy as np import matplotlib.pyplot as plt from matplotlib import cm from mpl_toolkits.mplot3d import Axes3D from sklearn.model_selection import train_test_split from sklearn import datasets... 阅读全文

摘要： import numpy as np import matplotlib.pyplot as plt from matplotlib import cm from mpl_toolkits.mplot3d import Axes3D from sklearn import datasets, linear_model from sklearn.model_selection import tr... 阅读全文

摘要： import numpy as np import matplotlib.pyplot as plt from matplotlib import cm from mpl_toolkits.mplot3d import Axes3D from sklearn import datasets, linear_model from sklearn.model_selection import tr... 阅读全文