截断奇异值分解法能够反演纳米颗粒的粒度分布，但通常难以确定其最优截断参数。在分析截断奇异值算法的基础上，提出非负迭代截断奇异值算法来获取纳米颗粒的粒度分布，并对选取截断参数的L-曲线准则进行了修正。实验结果表明，利用二次截断L-曲线准则选取最优截断参数，使用非负迭代截断奇异值反演算法，能准确地表征单峰分布的颗粒粒径大小及粒径分布，所求平均粒径相对误差小于3%。

地形多合一 在30分钟内在AWS上获得细粒度的Kubernetes +基础架构 :rocket: 先决条件 $ brew install ansible jq terraform kops watch $ pip install awscli $ git clone git@github.com:1ambda/terraform-all-in-one.git $ cd terraform-all-one # Remove .gitigonre to index generated files rm .gitignore 用法 1.导出AWS Key Environment变量 密钥应具有AdministratorAccess权限。 $ export AWS_ACCESS_KEY_ID={VALUE} AWS_SECRET_ACCESS_KEY={VALUE} 2.生成SSH密钥对 # Modify values for `COMPANY`,`PROJECT`, and `EMAIL` $ COMPANY=github PROJECT=1ambda EMAIL=1ambda@githu

在线评论的细粒度情感分析对于深刻理解商家和用户、挖掘用户情感等方面有至关重要的价值，并且在互联网行业有极其广泛的应用，主要用于个性化推荐、智能搜索、产品反馈、业务安全等。本次比赛我们提供了一个高质量的海量数据集，共包含6大类20个细粒度要素的情感倾向。参赛人员需根据标注的细粒度要素的情感倾向建立算法，对用户评论进行情感挖掘，组委将通过计算参赛者提交预测值和场景真实值之间的误差确定预测正确率，评估所提交的预测算法。

这个文档主要是针对光散射法粒度分布反演问题上，提出了chahine迭代算法

AI Challenger 全球AI挑战赛”是面向全球人工智能人才的开源数据集和编程竞赛平台，致力于满足AI人才成长对高质量丰富数据集的需求，推动AI在科研与商业领域结合来解决真实世界的问题。AI Challenger以服务、培养AI人才为使命，打造良性可持续的AI科研与应用新生态。2017年首届大赛发布了千万量级的数据集、一系列兼具学术与产业意义的竞赛、超过200万人民币的奖金，吸引了来自全球65个国家的8892支团队参赛，成为目前国内规模最大的科研数据集平台、以及最大的非商业化竞赛平台。AI Challenger 2018带来十余个全新的数据集与竞赛，以及超过300万人民币的奖金，“用AI挑战真实世界的问题

Al_challenger细粒度情感分析数据集，包含ai_challenger_sentiment_analysis_testa_20180816、ai_challenger_sentiment_analysis_trainingset_20180816、ai_challenger_sentiment_analysis_validationset_20180816

数字图像处理：自适应直方图均衡加强图像对比度后，对图像进行开运算，检测粒度，并绘制图线

适用于对粒度数据进行端元分析以明确粒度曲线的具体指示意义和环境变化序列

这个小软件在粒度参数计算方面很方便、易操作，可一次处理大量数据，平均粒径、中值粒径、众数等各种数据都一目了然。

图像处理中求取图像目标物体的半径粒度，区域开操作，