简单案例实现——利用SVM进行分类预测

本书是一部系统论述Python编程语言、OOP编程思想以及函数式编程思想的立体化教程（含纸质图书、电子书、教学课件、源代码与视频教程）。为便于读者高效学习，快速掌握Python编程方法。本书作者精心制作了电子书、完整的教学课件、完整的源代码与丰富的配套视频教程以及在线答疑服务等内容。 本篇包括8章内容，系统介绍了Python语言的基础知识。内容包括Python语言历史，Python语言的特点，开发环境的搭建，创建第一个Python程序，Python语法基础，Python编码规范，数据类型，运算符和控制语句，Python数据结构，函数式编程。通过本篇的学习，读者可以全面了解Python的发展及特点，详细了解Python的语法规范，初步掌握Python程序设计的基本方法。 第1章 开篇综述 第2章 开发环境搭建 第3章 第一个Python程序 第4章 Python语法基础 第5章 Python编码规范 第6章 数据类型 第7章 运算符 第8章 控制语句 第9章 数据结构 第10章 函数式编程

说明：  裂纹是典型的线结构，在许多计算机视觉应用中都很有趣。在实际应用中，路面裂缝等许多裂缝连续性差、对比度低，给利用低层特征进行基于图像的裂缝检测带来了很大的挑战。在本文中，我们提出了深度裂纹——一个端到端可训练的深度卷积神经网络，通过学习用于裂纹表示的高级特征来自动检测裂纹。该方法将在层次卷积阶段学习到的多尺度深度卷积特征融合在一起，以获取线路结构。更详细的表示在大比例尺的feature maps中进行，更全面的表示在小比例尺的feature maps中进行。我们在SegNet的编码器解码器架构上构建深度裂纹网，并对在相同尺度下在编码器网络和解码器网络中生成的卷积特征进行配对融合。(Cracks are typical line structures that are of interest in many computer-vision applications. In practice, many cracks, e.g., pavement cracks, show poor continuity and low contrast, which bring great challenges to image-based crack detection by using low-level features. In this paper, we propose DeepCrack---an end-to-end trainable deep convolutional neural network for automatic crack detection by learning high-level features for crack representation. In this method, multi-scale deep convolutional features learned at hierarchical convolutional stages are fused together to capture the line structures. More detailed representations are made in larger scale feature maps and more holistic representations are made in smaller scale feature maps. We build DeepCrack net on the encoder decoder architecture of SegNet and pairwisely fuse the convolutional features generated in the encoder network and in the decoder network at the same scale.)

说明：  ABAQUS 脚本生成节点信息，计算J积分(J-Integral calculation using ABAQUS)

说明：  实现在链家网相关信息的爬虫，python代码实现(Implementation of crawler Python code in chainhome)

Python developer Guides!

说明：  输入一个奇数，然后判断最少几个 9 除于该数的结果为整数。(Enter an odd number and then determine the minimum of 9 and the result of the number is an integer.)

处理FLEXPART结果，绘制粒子的轨迹(plot result of flexpart)

说明：  PYQT5入门教程(pyqt5)

图卷积神经网络，图神经网络的一种，通过提取特征来训练神经网络，实现网络嵌入(Graph Convolution Neural Network, a kind of Graph Neural Network, trains the Neural Network by extracting features to realize network embedding.)

python实现的cef浏览器，可以获取网页元素(python cef,get values from html)