olsrd

该资源是一套风格迁移的代码，通过该方法可以实现两幅不同风格的图像之间的融合，特别是针对于在其中一副图像无法看到信息，通过融合可以将其表现出来。

python算法教程，用Python语言来讲解算法的分析和设计，分别介绍了树、图、计数问题、归纳递归、遍历、分解合并、贪心算法、复杂依赖、Dijkstra算法、匹配切割问题以及困难问题及其稀释等内容。(python algorithms,Explain the analysis and design of the algorithm in Python language)

说明：  蚁群算法解决TSP问题，即 旅行问题，选择最短路径(Ant Colony Algorithm for TSP Problem)

说明：  Subterranean homesick alien

Ejemplo camshift python

1.将图像进行灰度处理转换成数值矩阵 2.给出数据集进行训练 3.knn算法实战 inall是整个数据集，可以将它切分成训练集和测试集，建议取少量测试集我利用8_48进行测试，(它是我从inall里取出来的，已经从里面被删掉了)同时修改一下knn里的参数

聚类分析在客户细分中极为重要。有三类比较常见的聚类模型，K-mean聚类、层次（系统）聚类、最大期望EM算法。在聚类模型建立过程中，一个比较关键的问题是如何评价聚类结果如何，会用一些指标来评价。 

SVM做的验证码识别，准确率85%# -*- coding: utf-8 -* __author__ = "eple" from svmutil import * from PIL import Image from numpy import * import os import string def getFeatures(path): features = [] im = array(Image.open(path).convert("L")) h,w = shape(im) for i in xrange(0,h): for j in xrange(0,w): im[i][j] = 0 if im[i][j] < 128 else 1 for i in xrange(1,h-1): for j in xrange(1,w-1): if im[i][j] != 0 and im[i-1][j]==0 and im[i][j-1]==0 and im[i][j+1]==0 and im[i+1][j]==0: im[i][j] = 0 for rang in [xrange(2,8), xrange(12,18), xrange(22,28), xrange(32,38)]: temp = [] for i in rang: for j in xrange(0,10): temp.append(im[j][i]) features.append(temp) return features

说明：  使用深度学习中的RNN网络对股票的趋势进行预测(The RNN network of deep learning is used to predict the trend of stock)