Matrix-yang的博客

scikit-learn官方英文PDF，带目录，可点击跳转

pandas is an open source, BSD-licensed library providing high-performance, easy-to-use data structures and data analysis tools for the Python programming language.

Abstract—Clustering face images according to their latent identity has two important applications: (i) grouping a collection of face images when no external labels are associated with images, and (ii) indexing for efficient large scale face retrieval. The clustering problem is composed of two key parts: representation and similarity metric for face images, and choice of the partition algorithm. We first propose a representation based on ResNet, which has been shown to perform very well in image classification problems. Given this representation, we design a clustering algorithm, Conditional Pairwise Clustering (ConPaC), which directly estimates the adjacency matrix only based on the similarities between face images. This allows a dynamic selection of number of clusters and retains pairwise similarities between faces. ConPaC formulates the clustering problem as a Conditional Random Field (CRF) model and uses Loopy Belief Propagation to find an approximate solution for maximizing the posterior probability of the adjacency matrix. Experimental results on two benchmark face datasets (LFW and IJB-B) show that ConPaC outperforms well known clustering algorithms such as k-means, spectral clustering and approximate Rank-order. Additionally, our algorithm can naturally incorporate pairwise constraints to work in a semi-supervised way that leads to improved clustering performance. We also propose an k-NN variant of ConPaC, which has a linear time complexity given a k-NN graph, suitable for large datasets. Index Terms—face clustering, face representation, Conditional Random Fields, pairwise constraints, semi-supervised clustering.

fluem由Cloudera公司开源 分布式、可靠、和高可用的海量日志采集、聚合和传输的日志收集系统 数据源可定制、可扩展 数据存储系统可定制、可扩展

集成学习(Ensemble Learning) 是指将多个不同的基本模型(Base Model) 组合成一个 Ensemble Model 的方法。它可以同时降低最终模型的 Bias 和 Variance（证明可以参考这篇论文，我最近在研究类似的理论，可能之后会写新文章详述)，从而在提高分数的同时又降低 Overfitting 的风险。在现在的 Kaggle 比赛中不用 Ensemble 就能拿到奖金几乎是不可能的

定位获取技术发展(GPS，GSM网络等)使人们可以方便地记录他们用时空数据访问的位置历史。收集大量与个人的轨迹有关地理信息，也给我们从这些轨迹中发现有价值的知识带来了我们机遇和挑战。在本文中，我们目的是基于他们的轨迹挖掘相似性用户之间。这样的用户相似性对于个人，社区和企业通过帮助他们有效地检索相关性高的信息。我们提出了一种基于层次图的相似度度量(HGSM，hierarchical-graph based similarity measurement)框架地理信息系统一致地建模每个个体并对个体的轨迹进行了有效的相似性度量。在这个框架中，我们同时考虑了人的运动行为的序列性质和地理空间的层次属性。我们评估这个框架使用GPS数据收集65名志愿者在6个月的时间。因此，HGSM优于相关的相似性度量，如余弦相似性和皮尔森相似性度量。

NeuralNetworkModel 开发环境 python36 tensorflow1.x 模块介绍 产生数据 create_data.py 计算前向传播 forward.py 训练过程 backward.py <-----------------程序入口 学习到的函数 test.py

Process Explorer 是一款增强型的任务管理器，你可以使用它方便地管理你的 程序进程，能强行关闭任何程序(包括系统级别的不允许随便终止的”顽固”进程)。除此之外，它还详尽地显示计算机信息：CPU、内存使用情况，DLL、句柄信息，很酷的曲线图。

backup.bat 为备份脚本请勿删除，需放在备份所在的文件夹 文件名的为备份的日期+时间 7天前的备份数据会被删除 恢复前删除用户及所有表 再新建用户导入数据即可

本代码已打开微信为例 前置条件 PC已安装微信 使用流程 1.双击执行注册微信服务（确保本机的微信安装时使用的是默认目录，如果不是，编辑reg文件修改微信exe所在路径即可） 2.打开试用网页测试。（从原理上讲适用于所有PC上的浏览器） 博文参考： https://blog.csdn.net/longzhoufeng/article/details/78778708 关键词：url protocol

程序员离职申请书范文。类容如下 敬爱的各位领导： 自17年6月入职以来，我一直都很享受这份工作，感谢各位领导对我的信任、栽培及包容，也感谢各位同事给予的帮助和关心。在过去的时间里，利用公司给予的良好学习时间，学习了一些新的东西来充实了自己，并增加自己的一些知识和实践经验。我对于公司的照顾表示真心的感谢！当然，我也自认为自己在这期间的工作中做出了自己的最大努力。