2017年07月_阿卡蒂奥

12月 11月 10月 09月 08月 07月 06月

原创 Python学习（六）——迭代、文件读写

迭代迭代通过for…in…实现 ①list>>> l=['Ryan','Rick','Morty']>>> for key in l: print keyRyanRickMorty②tuple>>> t=('Ryan','Rick','Morty')>>> for key in t: print keyRyanRickMorty③字符串>>> for k in

2017-07-30 19:16:26 1926

原创 Python学习（五）——切片

1、切片 Slice 选取list或tuple中的某一段：索引从0开始时可以省略，支持倒数切片>>> L=('a','b','c','d')>>> L[1:3]('b', 'c')>>> L[0:2]('a', 'b')>>> L[:3]('a', 'b', 'c')>>> L[-3:-1]('b', 'c')取后两个>>> L[-2:]('c', 'd')前2个每2个取一个

2017-07-28 20:29:51 484

原创 Python学习（四）——函数

* 自定义函数* 1、创建函数使用def语句创建函数，形式为：函数名（参数1，参数2，…）：，然后在缩进快中编写函数体，返回用return。没有return语句时，自动return None。返回值为一个tuple。>>> def m_cmp(a,b): if a>b: return '%d > %d'%(a,b) else: return

2017-07-28 16:47:38 601

原创 Python学习（三）——字典、有序字典、集合

1、字典 dict 字典提供名称与对象之间的映射；使用键-值（key-value）存储，具有极快的查找速度。键值可以是任意不可改变对象，如字符串、数字、元组，也可以是一系列用逗号分开的值，如d[1,2,3]=’xyz’。 dict内部存放的顺序和key放入的顺序没有关系支持的操作有： x=d[k] 通过键进行索引 d[k]=x 通过键进行赋值 del d[k

2017-07-27 18:42:16 2311

原创 Python学习（二）——控制语句&循环语句

控制语句 1、条件语句形式： if <条件判断1>: <执行1> elif <条件判断2>: <执行2> elif <条件判断3>: <执行3> else: <执行4> 其中：非零数值、非空字符串、非空list等，就判断为True，否则为Falsen=10if n>20: print '20 <',nelif n<20:

2017-07-27 16:15:48 560

原创 Python学习（一）——数据类型、输入输出

#!/usr/bin/env python # -- coding: utf-8 -- 第一行注释是为了告诉Linux/OS X系统，这是一个Python可执行程序，Windows系统会忽略这个注释；第二行注释是为了告诉Python解释器，按照UTF-8编码读取源代码，否则，你在源代码中写的中文输出可能会有乱码。注释用符号# 当语句结尾为“：”时，缩进语句视为代码块，约定使用4个空格

2017-07-27 12:09:59 1151

原创局部二进制模式（Local Binary Patterns，LBP）——MATLAB实现

基本LBP：逐行扫描图像，以图像中的每个像素点得灰度值为阈值，对其周围3*3的8邻域进行二值化，并从左上点开始按照顺时针方向（或逆时针，统一即可）将二值化结果组成一个二进制数，转换为十进制作为中心点的响应。这样可以得到一个LBP图像。例如：这个响应图像的直方图称为LBP统计直方图或LBP直方图。生成LBP图像MATLAB代码：%局部二进制模式LBPclose allclear

2017-07-07 21:30:15 4354 1

Halcon视觉检测——使用分类器分类

Halcon视觉检测——使用分类器分类Halcon视觉检测——使用分类器分类Halcon视觉检测——使用分类器分类Halcon视觉检测——使用分类器分类

2018-04-25

表情识别--JAFFE数据集

表情识别--JAFFE数据集表情识别--JAFFE数据集表情识别--JAFFE数据集表情识别--JAFFE数据集

2018-04-21

最邻近算法KNN识别字符

最邻近算法KNN识别字符最邻近算法KNN识别字符最邻近算法KNN识别字符最邻近算法KNN识别字符

2018-02-03

神经网络ANN_MLP识别数字-训练图片及代码

神经网络ANN_MLP识别数字-训练图片及代码神经网络ANN_MLP识别数字-训练图片及代码神经网络ANN_MLP识别数字-训练图片及代码

2018-02-02

OpenGL入门教程(精).pdfOpenGL入门教程(精).pdfOpenGL入门教程(精).pdfOpenGL入门教程(精).pdfOpenGL入门教程(精).pdfOpenGL入门教程(精).pdfOpenGL入门教程(精).pdfOpenGL入门教程(精).pdfOpenGL入门教程(精).pdfOpenGL入门教程(精).pdfOpenGL入门教程(精).pdfOpenGL入门教程(精).pdfOpenGL入门教程(精).pdf

2018-01-27

STL常用算法简介

STL常用算法简介 STL常用算法简介 STL常用算法简介 STL常用算法简介 STL常用算法简介

2017-11-14

机器学习及其应用王珏

机器学习及其应用王珏机器学习及其应用王珏机器学习及其应用王珏机器学习及其应用王珏机器学习及其应用王珏

2017-11-14

Linear Algebra and Its Applications-线性代数及应用.pdf

Linear Algebra and Its Applications-线性代数及应用.pdf Linear Algebra and Its Applications-线性代数及应用.pdf Linear Algebra and Its Applications-线性代数及应用.pdf

2017-11-14

深度学习基础教程

深度学习基础教程深度学习基础教程深度学习基础教程深度学习基础教程深度学习基础教程

2017-11-14

( ML-Python&Sklearn;.doc )

( ML-Python&Sklearn;.doc ) ( ML-Python&Sklearn;.doc ) ( ML-Python&Sklearn;.doc )

2017-11-06

现代数字图像处理技术提高及应用案例详解(Matlab版)----源码.rar

现代数字图像处理技术提高及应用案例详解(Matlab版)----源码.rar现代数字图像处理技术提高及应用案例详解(Matlab版)----源码.rar

2017-11-06

实用最优化方法

实用最优化方法实用最优化方法实用最优化方法实用最优化方法

2017-10-27

图像边缘检测原理及方法

图像边缘检测原理及方法图像边缘检测原理及方法图像边缘检测原理及方法

2017-10-27

Exceptional C++ Style中文版

软件“风格”所要讨论的主题是如何在开销与功能之间、优雅与可维护性之间、灵活。性与过分灵活之间寻找完美的平街点。在本书中，著名的C++大师Herb Sutter给出了40个编程问题。其目的是为了使读者不仅“知其然”，更要“知其所以然”，并帮助读者在软件开发中进行正确的决策。本书是围绕实际问题及其解决方案展开论述的，对一些至关重要的C++细节和相互关系提出了新的见解，为当今的关键C++编程技术(如泛型编程、STL、异常安全等)提供了新的策略。, , 　　本书中，C++大师Herb sutter通过40个编程问题，使读者不仅“知其然”，更要“知其所以然”，帮助程序设计人员在软件中寻找恰到好处的折中，即讨论如何在开销与功能之间、优雅与可维护性之间、灵活性与过分灵活之间寻找完美的平衡点。本书是围绕实际问题及其解决方案展开论述的，对一些至关重要的C++细节和相互关系提出了新的见解，为当今关键的C++编程技术(如泛型编程、STL、异常安全等)提供了新的策略。本书的目标是让读者在设计、架构和编码过程中保持良好的风格，从而使编写的C++软件更健壮、更高效。本书适合中高级C++程序员阅读。

2017-10-27

集体智慧编程

本书以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析Web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数据子集）、搜索引擎核心技术（爬虫、索引、查询引擎、PageRank算法等）、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术（垃圾邮件过滤、文本过滤）、用决策树技术实现预测和决策建模功能、社交网络的信息匹配技术、机器学习和人工智能应用等。, 本书是Web开发者、架构师、应用工程师等的绝佳选择。

2017-09-09

机器学习实战配套代码

机器学习实战配套代码机器学习实战配套代码机器学习实战配套代码机器学习实战配套代码机器学习实战配套代码

2017-09-09

Python参考手册(第4版).pdf

Python参考手册(第4版).pdf Python参考手册(第4版).pdf Python参考手册(第4版).pdf Python参考手册(第4版).pdf

2017-09-09

机器学习实战.pdf

机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。

2017-09-09