协同过滤的推荐系统实现

Data Compression Huffman Coding Example Create an huffman alphabet for the input string Python 2.7 necessary (not tested Python 3.0). For windows just run huffman.bat

对亮度和对比度进行调节，亮度可以手动调节自动调节，对比度也可以手动调节自动调节，效果较好，比较值得参考

说明：  在如今这个处处以数据驱动的世界中，机器学习正变得越来越大众化。它已经被广泛地应用于不同领域， 如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识，然后介绍一 些稍微复杂的机器学习算法，例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经 网络，等等。 本书是为想用机器学习算法开发应用程序的 Python 程序员准备的。它适合 Python 初学者阅读，不过熟 悉 Python 编程方法对体验示例代码大有裨益。(Machine learning in Python)

machine learning 方面有关于Bayesian Review and Gaussian Processes的资料，语言是python(machine learning aspects of information concerning the Bayesian Review and Gaussian Processes, language is python)

python 爬取环境大数据源代码 win10环境运行说明 0/在D:创建BigData文件夹，在其中创建RawData2文件夹 1/右键+shift，选择在此处打开命令行 2/输入python .GetYearCode.py Year  Hour  其中，Year是年份，4位，如2017  Hour是小时，2位，如09 如13 3/回车，在D:/BigData文件夹下找结果

数据清洗脚本 处理中英平行语料中存在的某些问题(this is a data clear)

说明：  python产生简单的动画，波形连续传递(Python produces simple animations)

说明：  我们描述了所提出的方法对超声（US）信号的压缩多路复用的直接应用。该技术利用压缩多路复用器架构进行信号压缩，并依靠频域中US信号的联合稀疏性进行信号重建。由于换能器元件具有压电特性，因此可以获得有关US信号频率支持的准确先验知识，并且可以在联合稀疏算法中使用。 我们在数值实验中验证了所提出的方法，并显示了它们在秩次缺陷情况下相对于最新方法的优越性。我们还证明，与没有已知支持的重建相比，该技术可显着提高体内颈动脉图像的图像质量。(We describe a direct application of the proposed methods for compressive multiplexing of ultrasound (US) signals. The technique exploits the compressive multiplexer architecture for signal compression and relies on joint-sparsity of US signals in the frequency domain for signal reconstruction. Due to piezo-electric properties of transducer elements, accurate prior knowledge of the frequency support of US signals is available and can be used in joint-sparse algorithms. We validate the proposed methods on numerical experiments and show their superiority against state-of-the-art approaches in rank-defective cases. We also demonstrate that the techniques lead to a significant increase of the image quality on in vivo carotid images compared to reconstruction without known support.)

gcn

说明：  python实现，将float数据转换成二进制数据；(python Convert float data to binary data)