基于FPGA的图像sobel算法

机器学习决策树

多维K-means聚类：空间数据分析中最常用的是聚类分析,而K-MEANS算法是聚类分析中常用的,其主要思想是在给定的聚类数目下对多维(我做的是三维空间点)向量进行聚类(aClus.Center.x=m_vecExtreCenter[i].extrePoint.x; aClus.Center.y=m_vecExtreCenter[i].extrePoint.y;)

基于Python-opencv实现动作和人脸的检测与识别，通过获取关键点来识别人体动作

说明：  使用第三方库minepy进行MIC相关性分析，通过导入minepy中的MINE计算MIC。(Use the third-party library minepy for MIC correlation analysis.)

主成分分析 （ Principal Component Analysis ， PCA ）或者主元分析。是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间。给定 n 个变量的 m 个观察值，形成一个 n ′ m 的数据矩阵， n 通常比较大。对于一个由多个变量描述的复杂事物，人们难以认识，那么是否可以抓住事物主要方面进行重点分析呢？如果事物的主要方面刚好体现在几个主要变量上，我们只需要将这几个变量分离出来，进行详细分析。但是，在一般情况下，并不能直接找出这样的关键变量。这时我们可以用原有变量的线性组合来表示事物的主要方面， PCA 就是这样一种分析方法。(Principal component analysis (Principal Component Analysis, PCA) or PCA. Is a statistical method to grasp the principal contradiction of things, it can be resolved diverse things out the main factors, revealing the essence of things, simplifying complex problems. The purpose of calculating the main component of high-dimensional data is projected to a lower dimensional space. Given n variables of m observations, forming an n ' m of the data matrix, n is usually large. For a complex matters described by several variables, it is difficult to know, so if you can grab something to focus on key aspects of analysis? If the main aspects of things just reflected on several key variables, we only need to separate out these few variables, for detailed analysis. However, in general, does not directly identify this critical variables. Then we can represent the major aspects of things with a linear combination of the original variables, PCA is one such analysis.)

这是一个Knn分类算法的Python实现，Matlab中有类似的函数(knn classifer)

说明：  多标签学习算法的相关资料学习，包含数据集和代码(the multi-label knn algorithm ,can use the code in python)

说明：  ioncube decoder - work in progress, only for some versions

实现了多人聊天，采用了tornado，SQLAlchemy框架(To achieve multiplayer chat, the tornado, SQLAlchemy framework is adopted.)

说明：  自己写的一个关于python的小型爬虫，性能感觉还算可以。(Himself wrote a small crawler about python, performance feel return calculate can.)