weixin_42639395的博客

pytorch几个重要模块：tensorboard、dataset、transforms、dataloader

使用anaconda创建环境，安装及使用pytorch的关键事项

系统介绍了图的表示方式：邻接矩阵、邻接链表，以及图的绘制方式（使用networkx库）；介绍了图遍历算法（深度优先、广度优先）；介绍了求解图最短路的算法：Dijkstra、Floyd、A*算法

使用python实现A*算法，求解图中最短路（给出了示例及代码）对于A*算法，分别用曼哈顿距离、对角线+直线距离实现

基于求解静态图最短路的经典A*算法（A星算法）论文，系统完整的证明了算法的可采纳性、一致性、最优性，能够深入了解算法的原理及有效性，方便后续代码编写

介绍了树、二叉树、二叉搜索树，重点介绍了二叉树的广度、深度优先遍历方法以及广度优先便利的应用（层次遍历、求最短路）；介绍了图/网格的广度、深度优先遍历，重点介绍了深度优先遍历的应用：获取图中的路径

Dijkstra算法的python实现，能够求解起始节点到各个节点的最短路径长度及路径信息；并且进行了算法有效性证明

介绍了Floyd算法（最短路求解算法）的原理，对递推公式进行了详细的推导，并进行了python实现

pairwise voting（两两投票）核心步骤介绍，基于python编程实现；使用python的trueskill库根据pairwise voting结果更新样本能力值

介绍社区发现（子区划分/网络聚类）的基本概念：模块度以及模块度增量；对其中的重要公式进行推导、证明

EM算法求解GMM的python实现——基于kMeans实现参数初始化；EM：Expectation Maximization；GMM：Gaussian Mixture Model

基于python实现秩和检验（基于计数排序、快速排序算法），用于比较两组样本的差异

python类的基础知识：类定义（变量、方法）及使用（创建对象）详细介绍了类的属性、实例属性、类方法、静态方法、实例方法；详细介绍了类的三大特性：封装、继承、多态

使用fisher算法实现时序数据的最优分割，可满足交通信控领域的时段划分需求