爬虫获取电脑壁纸

pyhon写的聊天室 安装： cd /path/to/source python bootstrap.py bin/buildout make sure redis-server is started bin/supervisord [optional] bin/supervisorctl goto localhost:9527(a live chat room built with python Install： cd /path/to/source python bootstrap.py bin/buildout make sure redis-server is started bin/supervisord [optional] bin/supervisorctl goto localhost:9527)

自动下载中证指数公司的指数编织文件

OPENMV捕捉到颜色模块，并处理他的目标，得出X Y值 并加入串口检验位 此次校验位为 字符sp

说明：  实现一张图片的识别，其中图片是车标，网络是基于忆阻器的hopfield神经网络(Realize the recognition of a picture)

复杂网络中常用算法的实现，承包由matlab实现，包含求图的最短路径、图的介数、聚类系数等，使用方便

这是我的一个python的网页爬虫框架，共享给大家，可以用来学习python的爬虫程序。比较简单，但是个人感觉很有用。亲，请酌情下载使用学习。

主成分分析 （ Principal Component Analysis ， PCA ）或者主元分析。是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间。给定 n 个变量的 m 个观察值，形成一个 n ′ m 的数据矩阵， n 通常比较大。对于一个由多个变量描述的复杂事物，人们难以认识，那么是否可以抓住事物主要方面进行重点分析呢？如果事物的主要方面刚好体现在几个主要变量上，我们只需要将这几个变量分离出来，进行详细分析。但是，在一般情况下，并不能直接找出这样的关键变量。这时我们可以用原有变量的线性组合来表示事物的主要方面， PCA 就是这样一种分析方法。(Principal component analysis (Principal Component Analysis, PCA) or PCA. Is a statistical method to grasp the principal contradiction of things, it can be resolved diverse things out the main factors, revealing the essence of things, simplifying complex problems. The purpose of calculating the main component of high-dimensional data is projected to a lower dimensional space. Given n variables of m observations, forming an n ' m of the data matrix, n is usually large. For a complex matters described by several variables, it is difficult to know, so if you can grab something to focus on key aspects of analysis? If the main aspects of things just reflected on several key variables, we only need to separate out these few variables, for detailed analysis. However, in general, does not directly identify this critical variables. Then we can represent the major aspects of things with a linear combination of the original variables, PCA is one such analysis.)

说明：  支持向量机实现多分类，解决多分类的问题，模式识别等(SVM for multi classification. Solve the problem of multi classification, pattern recognition, etc)

说明：  通过python利用生成对抗网络对癫痫发作进行预测(Using Generative Adversarial Networks to Predict Seizures)

说明：  英文版的深度学习教程，英文好的可以学习一下(English version of the deep learning tutorial, English good can learn.)