社交网络的可视化

机器学习的算法，主要使用python语言，Numpy库，进行算法分析。(Algorithm for machine learning)

用python中的wordcloud库实现中文分词，其中包括去除不必要的词和乱码处理

【实例简介】脉冲神经网络中R stdp 的具体实例，基于torch

说明：  1) 使用凝聚型层次聚类算法（即最小生成树算法）对所有数据点进行聚类，最后聚成3类。相异度定义方法可选择single linkage、complete linkage、average linkage或者average group linkage中任意一种。 2) 使用C-Means算法对所有数据点进行聚类。C=3。 任务2（必做）： 使用高斯混合模型（GMM）聚类算法对所有数据点进行聚类。C=3。并请给出得到的混合模型参数（包括比例??、均值??和协方差Σ）。 任务3（全做）： 1) 参考数据文件第三列的类标签，使用聚类有效性评价的外部方法Normalized Mutual Information指标，分别计算任务1和任务2聚类结果的有效性。 2) 使用聚类有效性评价的内部方法Xie-Beni指标，分别计算任务1和任务2聚类结果的有效性。(The main results are as follows: 1) the condensed hierarchical clustering algorithm (that is, the minimum spanning tree algorithm) is used to cluster all the data points, and finally it is grouped into three categories. Any of the single linkage,complete linkage,average linkage or average group linkage methods can be selected for the definition of dissimilarity. 2) using C-Means algorithm to cluster all data points. C = 3.)

统计中英文字幕的英文单词数，也能够统计词频(Count the number of English words in Chinese and English subtitles, and also count the word frequency)

说明：  多种神经网络合集包括（遗传算法，BP神经网络，粒子群算法等）(Multiple neural network sets including (genetic algorithm,BP neural network, particle swarm optimization, etc.))

循环神经网络LSTM可以预测时间序列数据，根据历史时刻的信息预测未来时刻的信息(the recurrent neural network is very useful to predict data in the future)

说明：  RVE均匀化边界条件，ABAQUS插件，可通过插件对复合材料单胞进行边界条件约束，得到有效弹性常数。(RVE homogenizes boundary conditions)

说明：  1、自动爬取新闻页面的信息 2、使用Python语言编写(1. Automatic crawling of news page information 2. Writing in Python Language)

python的正则表达式常用的几个点,包含：1导入，2：元字符之类，内容预览:元字符# d 匹配任何十进制数；相当于[0-9]# D 匹配任何非数字字符；相当于[^0-9]# s 匹配任何空白字符；相当于[ fv]# S 匹配任何非空白字符；相当于[^ fv]# w 匹配任何字母数字字符；相当于[a-zA-Z0-9_]# W 匹配任何非字母数字字符；相当于[^a-zA-Z0-9_]#  匹配一个单词边界，指单词和空格间的位置