wouderw的博客

（1）项目描述：这是一个基于SpringBoot框架开发的水果蔬菜商城系统项目。首先，这个项目页面简洁清爽，功能丰富，具有一个网上商城系统所有应有的基本功能。其次，该项目使用了redis缓存、JWT等等技术来对项目进行了性能上的优化，代码简洁规范，每一步都有详细代码注释，易于理解。无论是作为期末大作业还是毕业设计都是一个完美的选择，拿高分的绝对利器！！管理员角色的功能：管理用户信息、管理用户评论信息、管理商品信息、管理订单信息等等功能。

（1）分析学生的消费行为和食堂的运营状况，为食堂运营提供建议。（2）根据学生的整体校园消费行为，选择合适的特征，构建模型，分析每一类学生群体的消费特点。（3）构建学生消费细分模型，为学校判定学生的经济状况提供参考意见。

分析学生的消费行为和食堂的运营状况，为食堂运营提供建议。构建学生消费细分模型，为学校判定学生的经济状况提供参考意见。

那段时间市场的疯狂，让人深刻地明白：某些时候，股票市场这个抽象、复杂的系统，反映的不再是价值与供需，而仅仅是人的贪婪与恐惧。这份代码是股市情感分析项目的一部分，这个项目的本意是利用互联网提取投资者情绪，为投资决策的制定提供参考。在经过情感分析、指标构建这两个流程之后，我们可以得到一些有趣的结果，例如看涨情绪与股市走势的关系。情绪与股市关系的研究由来已久，情绪是市场的一个重要影响因素已成为共识。情感分类模型也是文本分类模型，常用的包括机器学习模型与深度学习模型。上证指数数据：直接从新浪抓取下来的。

为了方便之后的操作，需要把正向和负向评论分别规整到对应的一个txt文件中，即正向语料的集合文档（命名为2000_pos.txt）和负向语料的集合文档（命名为2000_neg.txt）。由于去停用词的步骤是在句子分词后执行的，因此通常与分词操作在同一个代码段中进行，即在句子分词操作完成后直接调用去停用词的函数，并得到去停用词后的结果，再写入结果文件中。由于特征词向量的抽取是基于已经训练好的词向量模型，而wiki中文语料是公认的大型中文语料，本项目拟从wiki中文语料生成的词向量中抽取本文语料的特征词向量。

大约11200张佩戴口罩和未佩戴口罩的人脸图片，其中带口罩的占60%~70%。标注的标签有VOC和YOLO两种格式，分别存储在xml和txt文件中。根据YOLOv5源码一步一步进行训练、检测的流程说明，包括基本参数的修改说明，部分代码的注释等。可以把数据集的图片和标注，按照训练集、验证集、测试集设定的比例进行随机分割。根据标注，在数据集的图片上画出框框，这个可以用来验证数据集是否标注正确。可以把VOC格式的标注转换成YOLO格式的。可以把YOLO格式的标注转换成VOC格式的。40页左右的相关设计报告。