ACO-BP

说明：  通过深度学习，实现了猫狗图片分类问题，准确度达到88%(Through in-depth learning, the problem of cat and dog image classification is realized, and the accuracy is 88%.)

Python库大全及作用说明

说明：  基于MXNet深度学习框架，定义CNN模型，训练手写数字识别数据，得到较高的准确率。这是一个基础的深度学习分类任务，值得借鉴。(Based on MXNet deep learning framework, CNN model is defined and handwritten digit recognition data is trained to obtain higher accuracy. This is a basic task of deep learning classification, which is worth learning from.)

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)

图像在YUV和HSV的饱和度控制，可以自己动调节图像的饱和度，设定一个阈值来调整图像的饱和度，效果较好

提供了几种集成学习的方法和代码（基于sklearn包），数据集为传统的多对一映射，解决分类问题，含有函数各个参数的解释以及基本的用法等

说明：  用GAN实现样本生成，深度学习框架为TensorFlow(to generate samples)

两个小脚本，用来打开谷歌的，它并不是翻墙脚本，只能打开谷歌，学生在写论文的时候可能用到，一个用于Linux，一个用于Windows

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。

给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的 k （k <= 20）个实例，这 k 个实例的多数属于某个类， 就把该输入实例分为这个类。(Given a training data set, the nearest K (k <= 20) instances to the new input instance are found in the training data set. Most of the K instances belong to a class. The input instance is categorized into this class.)