SSLStrip2

线性回归模型代码演示

PyQt PySide 常见 QSS 窗口样式表源代码范例文件(PyQt PySide common QSS window style sheet source code sample file)

基于python的abaqus二次开发（混凝土随机骨料的生成与投放算法）(algorithm and program for random generation and distribution of concrete aggregates)

【实例简介】

利用python+opencv对果蔬图像进行识别。首先对果蔬图像进行灰度化、图像增强、图像滤波和图像二值化，检测出图像中单个的果蔬目标，标识出果蔬轮廓，找出果蔬质心坐标。

利用python编写室内定位机器学习，计算结果，室内定位(Indoor Localization by wifi)

关于python在金融领域的应用 并有在计量经济学的具体实例。(The application of Python in the financial field about the application of Python in the financial field)

利用凯撒密码对中文文档及英文文档进行加密和解密，同时英文文档加密区分大小写。(The Kaiser password is used to encrypt and decrypt Chinese documents and English documents, and the encryption of English documents is very small and case sensitive.)

载体文件（cover file）相对隐秘文件的大小（指数据含量，以比特计）越大，隐藏后者就越加容易。 因为这个原因，数字图像（包含有大量的数据）在因特网和其他传媒上被广泛用于隐藏消息。这种方法使用的广泛程度无从查考。例如：一个24位的位图中的每个像素的三个颜色分量（红，绿和蓝）各使用8个比特来表示。如果我们只考虑蓝色的话，就是说有2^8种不同的数值来表示深浅不同的蓝色。而像11111111和11111110这两个值所表示的蓝色，人眼几乎无法区分。因此，这个最低有效位就可以用来存储颜色之外的信息，而且在某种程度上几乎是检测不到的。如果对红色和绿色进行同样的操作，就可以在差不多三个像素中存储一个字节的信息。 更正式一点地说，使隐写的信息难以探测的，也就是保证“有效载荷”（需要被隐蔽的信号）对“载体”（即原

这段时间自己在学机器学习相关的内容，其中用到了SVM回归。我采用的libSVM.网上论坛和博客已经有其相当详细的介绍，但是操作步骤比较多，且要下载的文件也比较多。之后我把应该要具有的svm文件整理在一个文件夹中，并把相关教程，和自己的操作经验一并打包在此分享。有些文件是自己编写的，用来转换libsvm数据格式，其他的都在相应的文件夹下可以找到，我自己的实验数据和图也在其中。记住，gridregression.py使用时要内部改路径。我的是64位系统 ( This time I learning machine learning related content, which USES the SVM regression. I use libSVM. Online BBS and blogs have the quite detailed introduction, but more of the process, and also more to download the file. After I put the should have the SVM papers in a folder, and the related tutorials, and share his experiences along with all the packaging in this. Some files are writing your own, which is used to convert libsvm data format, the rest can be found in the corresponding folder, my own experimental data and figure among them. Remember, gridregression. Py when using internal to change path. I was a 64- bit system )