复杂网络中常用算法的实现

用来读取hex的工具，可以输出一个将hex内容显示为数组形式，适合对于hex有研究兴趣的人

图书推荐系统，依托豆瓣的图书和评分信息，使用基于items的推荐算法，实现推荐1：环境说明Mysql 5.6 + python 2.7 + django 1.8 + MySQLdb2：文件夹说明bookrecommend：是项目综合展示的目录，是一个django的工程，使用时，只需在该目录下打开cmd，运行manage.py runserver 即可数据集：里边是项目所需要的数据集        books.csv:书本的相关信息users.csv:用户的相关信息uid_score_bid.csv:用户给书本的打分信息数据库备份：使用时在数据中新建一个bookrecommend数据库，导入sql文件即可算法原型：协同过滤基于items的推荐算法3：爬取数据部分代码暂时不提供

基于谱聚类算法的实现，规格化的图割算法实现(Achieve spectral clustering algorithm, the normalized graph cut algorithm)

说明：  飞桨(PaddlePaddle)是集深度学习核心框架、工具组件和服务平台为一体的技术先进、功能完备的开源深度学习平台，已被中国企业广泛使用，深度契合企业应用需求，拥有活跃的开发者社区生态。提供丰富的官方支持模型集合，并推出全类型的高性能部署和集成方案供开发者使用。(As an open-source deep learning platform with advanced technology and complete functions, the paddlepaddle has been widely used by Chinese enterprises, which deeply meets the application needs of enterprises and has an active developer community ecology. Provide a rich set of official support models, and launch a full range of high-performance deployment and integration solutions for developers to use.)

运用梯度下降法实验手写体识别:  初学机器学习，第一步是做一个简单的手写数字识别，我选用的是MNIST数据集（用其他数据集也可以，原理都差不多），算法是KNN（下载库直接调用函数，算法的具体实现没有过多关心）。在网上也看到过MNIST数据集的Python代码，但是感觉有些复杂，作为初学者见到那么多代码就头大……这里分享一下我的代码，虽然并不完善，但是可以为其他初学者提供一点简单的思路吧。

说明：  使用XGB算法对旅客航空信息进行特征筛选，分析，分类处理。(The XGB algorithm is used for feature screening, analysis and classification of passenger aviation information.)

说明：  基于python的bp神经网络人脸性别识别(Python-based BP neural network face gender recognition)

说明：  这是一个抢票的python程序，效果非常好(This is a python program for ticket grabbing. The effect is very good)

批量插入内聚力单元，效率高，速度快。。。。。。。。。。。(Batch insertion cohesive unit)

说明：  SIFT特征点检测 DoG金字塔图像生成后，通过全搜索中间层DoG图像(去除第一个和最后一个DoG图像)的像素点，判断当前像素点的像素值是否大于(或者小于)周围8邻域的像素值(sddsdadadsda da da d ad a da adad ad a d ad a d ad a d ad a d)