利用深度学习进行图像融合

说明：  基于文本内容的垃圾短信识别,对数据进行了数据清洗,分词等,进行 了模型训练及评价(Based on the text content of spam short message recognition, data cleaning, segmentation, model training and evaluation are carried out)

图像特征提取，有SIFT、BOW、VLAD、LBP、HOG、FishVector、gist、Metric、colorhist。(Image feature extraction, including SIFT, BOW, VLAD, LBP, HOG, FishVector, gist, Metric, colorhist.)

说明：  使用鸢尾花数据集，预测鸢尾花种类。并随机选取100个样本作为训练数据，剩下50个作为测试数据。设置输入层四个神经元，接收输入的四个向量数据。设置一层隐含层，使用sigmoi激活函数，此问题为三分类问题，输出层激活函数使用sigmoi函数，神经元个数设置为3个，本类别输出1，其余类别输出0。(Iris, using data sets to predict Iris species. 100 samples were randomly selected as training data, and the remaining 50 samples were used as test data. Four neurons in the input layer are set to receive the four vector data. Set a hidden layer and use the sigmoi activation function. This problem is a three classification problem. The output layer activation function uses the sigmoi function. The number of neurons is set to 3. This category outputs 1 and the other categories output 0.)

说明：  演示如何在支持向量机中使用粒子群优化，以找到更好的特征并基于交叉验证精度 python中的pso-svm(Demonstrate use of particle swarm optimization in SVM for finding better features and based on cross validation accuracy PSO-SVM in python)

说明：  《PyQt5快速开发与实战》所有章节的例程(Routines for all chapters of PyQt5 Rapid Development and Practice)

说明：  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

说明：  python编程题库，适合新手学习使用，主要是一些练习题(Python Programming Question Bank, suitable for beginners to learn and use, mainly some exercises)

python语言实现最大值法合成月EVI数据(Python Language Realizes the Maximum Method to Synthesize Monthly EVI Data)

机器学习实战的源代码集合，第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具(Machine learning combat source code collection)