HMM用于词性标记

卡尔曼滤波的一个典型实例是从一组有限的，包含噪声的，对物体位置的观察序列（可能有偏差）预测出物体的位置的坐标及速度。在很多工程应用(如雷达、计算机视觉)中都可以找到它的身影。同时，卡尔曼滤波也是控制理论以及控制系统工程中的一个重要课题。(A typical example of the Kalman filter, from a limited set, containing the noise, the position of the object observed sequence (there may be deviation) to predict the coordinates of the location and speed of the object. Its presence can be found in many engineering applications (such as radar, computer vision). Meanwhile, the Kalman filter is control theory, and control is an important topic in systems engineering.)

8个实例简单介绍Python装饰器的实现。包含参数，执行效果等：#/usr/bin/env python#-*- coding:utf-8 -*-"""两个装饰器的执行顺序是outer_0     开头输入前outer_1     123原函数       呵呵outer_1     456outer_0     加法结果等于"""#哪个装饰器先执行就先执行谁的，比如将outer_0和outer_1调转，其实就是也可以把一个装饰器outer_1当做参数传入outer_0#装饰器主要运用于权限设置def outer_0(func):    def inner(*args, **kwargs):        print("开头输入前")        ret = func(*args, **kwargs)        print("加法结果等于",ret," ")        return ret    return innerdef outer_1(func):    def inner(*args, **kwargs):        print("123")        ret = func(*args, **kwargs)      &

基于Python写的遗传算法的应用实例。对于不太善于MATLAB,而熟悉Python的人的一个参考！(Based on genetic algorithm written in Python application examples. Not good for MATLAB, and a person familiar with Python reference!)

读取串口传输的传感器数据，显示并保存数据(Read the serial port transmit sensor data, display and save data.)

python + wxpython 做的一个围棋小程序，可以和 gnugo 对战。

基于python的AdaBoost元算法，AdaBoost可以使用。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

说明：  利用卷积神经网络对遥感图像进行分类，能够有效提高分类效率(Classification of Remote Sensing Images by Convolutional Neural Network)

python图像处理源码，学习python的入门代码，可供初学者初步学习python图像处理的调试和应用

Convert data to in local python to json type

说明：  与经典的方法相比，使用具有长时间记忆细胞的递归神经网络(RNN)不需要或几乎不需要特征工程。数据可以直接输入到神经网络中，神经网络就像一个黑匣子，可以正确地对问题进行建模。其他研究在活动识别数据集上可以使用大量的特征工程，这是一种与经典数据科学技术相结合的信号处理方法。这里的方法在数据预处理的数量方面非常简单(Compared with the classical methods, the recursive neural network (RNN) with long-term memory cells does not need or almost need feature engineering. Data can be directly input into the neural network, which acts as a black box and can correctly model the problem. Other research can use a lot of Feature Engineering on activity recognition data sets, which is a signal processing method combined with classical data science and technology. The method here is very simple in terms of the number of data preprocessing)