决策树算法实现

gprof2dot.py脚本 方便调试 gprof2dot.py脚本 方便调试 gprof2dot.py脚本 方便调试 gprof2dot.py脚本 方便调试 gprof2dot.py脚本 方便调试 gprof2dot.py脚本 方便调试 gprof2dot.py脚本 方便调试 gprof2dot.py脚本 方便调试 gprof2dot.py脚本 方便调试 gprof2dot.py脚本 方便调试 gprof2dot.py脚本 方便调试 gprof2dot.py脚本 方便调试

说明：  含界面的CT试件的J积分计算。计算了（Simha，N.K.等人2005）的结果。主要是提取界面上的材料力，对J积分进行修正以保持路径无关性。(J integral for compact tension specimen with interface. The results of (Simha, N.K. et al 2005) are reproduced. Mainly, the material force in the interface is extracted and the J-integral is corrected to retain path independence.)

event manger in simple project

说明：  无监督训练的生成对抗网络程序，python版本，生成有关光照不同的图片(Unsupervised training generated against the network program, python version, to generate different pictures about the light)

基于web.py框架实现的实时日志输出，直接输出到web页面。方便监控服务器状态。(Real time implementation of web.py framework based on the log output, output directly to the web page. To facilitate the monitoring server status.)

说明：  image segmentation bee algorithm

强化学习 DQN代码，和通信相关，利用python进行训练，大家可以看看(reinforcement learning)

说明：  机器学习是人工智能研究领域中的一个极其重要的方向。在现今大数据时代的背景下，捕获数据并从中萃取有价值的信息或模式，使得这一过去为分析师与数学家所专属的研究领域越来越为人们瞩目。本书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效可复用的Python 代码阐释如何处理统计数据，进行数据分析及可视化。读者可从中学到一些核心的机器学习算法，并将其运用于某些策略性任务中，如分类、预测及推荐等。(Machine learning is an extremely important direction in the field of artificial intelligence research. In the context of the current era of big data, capturing data and extracting valuable information or patterns from it has made this research area that was exclusive to analysts and mathematicians more and more attractive. Through well-organized examples, this book cuts into daily work tasks, abandons academic languages, and uses efficient and reusable Python code to explain how to process statistical data, perform data analysis and visualization. Readers can learn some core machine learning algorithms and apply them to certain strategic tasks, such as classification, prediction, and recommendation.)

模拟Photoshop中的磁力套索的算法，主要是先用Opencv做梯度相关处理，然后用Djisktra最短路径搜索找到边缘。(Magnetic Lasso implementation using Python)

LIBSVM是台湾大学林智仁(Lin Chih-Jen)教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数可以解决很多问题；并提供了交互检验(Cross Validation)的功能。该软件可以解决C-SVM、ν-SVM、ε-SVR和ν-SVR等问题，包括基于一对一算法的多类模式识别问题。压缩包内包括测试数据与源码。