采用基于遗传算法(GA)的二维主成分分析法(2DPCA)进行人脸识别。2DPCA 直接以二维图像矩阵为研究对象，以其 协方差矩阵的特征向量为投影轴进行特征提

本书由Keras之父、现任Google人工智能研究员的弗朗索瓦?肖莱（Franc?ois Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。(This book is written by Franc_ois Chollet, the father of Keras and a current researcher on artificial intelligence at Google. It introduces in detail the exploratory practice of using Python and Keras for in-depth learning, including computer vision, natural language processing, production models and other applications. The book contains more than 30 code examples, the steps to explain in detail. Because the book is based on the accessibility and popularity of artificial intelligence, readers need not have the background knowledge of machine learning to start reading. After learning this book, readers will have the ability to build their own in-depth learning environment, establish image recognition model, generate images and text.)

说明：  对于iris数据集的knn、svm、决策树算法分类的简单实现(Simple implementation of KNN, SVM and decision tree algorithm classification for iris dataset)

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)

说明：  Phython学习课程《Python-100-Days-master》，100天成为Phython大师。(Python study course python-100-days-master, and become a master of phyton in 100 days.)

我自己用C#卡发的很好的一个网页登陆页面(I use C# card issued by a good landing page of a web page)

首先对车牌识别系统的现状和已有的技术进行深入的研究，然后开发出一个基于 Python 的车牌识别系统，文中先对车辆图像进行高斯去噪、灰度化和边缘检测等预处理方法，然后用颜色特征和形态特征相结合的方法来确定车牌位置，用彩色分割法来完成车牌分割，最后，运用 SVM 分类训练器完成字符识别并使用Python 软件环境进行车牌识别的仿真实验。(License plate recognition based on SVM)

说明：  ABAQUS中用来绘制二维泰森多边形的插件，可以方便快捷的绘制出晶粒(ABAQUS used to draw two-dimensional voronoi plug-in, can be convenient and fast draw the grain)

coursera课上的机器学习课程作业代码，里面的代码在matlab与octave中进行了一一实现。

说明：  SVDD用于实现异常点检测，为一种单分类器。(SVDD is a single classifier for outlier detection.)

要读取 PTB 数据集需要用到 reader.py，在 GitHub 上面有源码，可以下载或者直接复制下来。reader.py 提供了两个函数用于读取和处理 PTB 数据集： ptb_raw_data(DATA_PATH)：读取原始数据 ptb_producer(raw_data,batch_size,num_steps)：用于将数据组织成大小为 batch_size，长度为 num_steps 的数据组 原书中的代码没有将这两个函数的操作对象视为 tensor，而根据 reader.py 中的源码说明，它是对 tensor 进行操作的。并且 ptb_producer() 函数中使用了 tf.train.range_input_producer() 函数，所以需要开启多线程。 以下代码示范了如何使用这两个函数： ———————————————— 版权声明：本文为CSDN博主「widiot0x」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/White_Idiot/article/details/78881261