YTCVI47

强大的计算电磁场本征函数与本征模的程序,matlab版本(A powerful Program for calculating the Eigenfunction and Eigenmode of electromagnetic Field)

说明：  一个用python实现的PCA算法，并且给了简易素材(A PCA algorithm implemented in python, and gave a simple material)

脉动风速功率谱估计,并与标准风谱进行对比()

频繁项集挖掘算法，能在大量局部特征中发现频繁空间配置，这些空间配置可以作为词语，加入到特征包中进行分类，实现图像分类。

自己写的一个分形程序,支持动态编译表达式()

PCA 数据降维 PTYTHON 数据分析/挖掘(PCA dimensionality reduction data mining/analysis)

Python数据预处理示例，包括数据清洗、数据整合、数据变换等操作。(Python data preprocessing examples, including data cleaning, data integration, data transformation and other operations.)

频繁子图挖掘算法pafi1.0.1.zip,频繁子图挖掘算法采用c++实现，图数据挖掘方向的可以看一看。

通过包围盒法和K-D树法实现电云数据的邻域收索，邻域值可以自动设置(Point cloud data by bounding boxes and K-D tree search method income neighborhood, neighborhood values can be automatically set)

分类器的性能比较与调优: 使用scikit-learn 包中的tree，贝叶斯，knn，对数据进行模型训练，尽量了解其原理及运用。 使用不同分析三种分类器在实验中的性能比较，分析它们的特点。 本实验采用的数据集为house与segment。(Performance comparison and optimization of classifiers: We use tree, Bayesian and KNN in scikit-learnpackage to train the data model and try to understand its principle and application. The performances of three classifiers are compared and their characteristics are analyzed. The data set used in this experiment is house and segment.)