登录
首页 » Others » python项目-face++人脸识别考勤机-python_GUI-automatic_weather-face_gensui

python项目-face++人脸识别考勤机-python_GUI-automatic_weather-face_gensui

于 2020-06-27 发布
0 112
下载积分: 1 下载次数: 2

代码说明:

python项目-face++人脸识别考勤机-python_GUI-automatic_weather-face_gensui-python_game-python_LAN-python_multithreading-python_mysql-python_opencv_tracking-python_pachong

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 遗传算法和贪婪算法结合解决背包,matlab
    本算法用遗传算法和贪婪算法解决了背包问题,产生解得方法用贪婪算法,然后引入了一个错解的修复算法,搜索的时候用遗传算法。保证了快速收敛和解的完备性。包含源程序,算法介绍以及一份详细的报告,希望对读者有很大的帮助
    2020-12-01下载
    积分:1
  • Simulink建模仿真实例详解
    Simulink建模仿真实例详解一书详细讲解simulink建模仿真技术和方法,适合快速入门simulink建模。动态系统的计算机仿真系统与模型系统系统只指具有某些特定功能、相互联系、相互作用的元素的集合。这里的系统是指广义上的系统,泛指自然界的一切现象与过程,例如工程系统如控制系统、通讯系统等,非工程系统如股市系统、交通系统、生物系统等。系统模型系统模型是对实际系统的一种抽象,是对系统本质(或是系统的某种特性)的一种描述。模型具有与系统相似的特性。好的模型能够反映实际系统的主要特征和运动规律。模型可以分为实体模型和数学模型实体模型又称物理效应模型,是根据系统之间的相似性而建立起来的物理模型,如建筑模型等。数学模型包括原始系统数学模型和仿真系统数学模型。原始系统数学模型是对系统的原始数学描述。仿真系统数学模型是一种适合于在计算机上演算的模型,主要是指根据计算机的运算特点、仿真方式、计算方法、精度要求将原始系统数学模型转换为计算机程序。静态系统模型动态系统模型连续系统模型离散系统模型代数方程集中参数分布参数差分方程微分方程偏微分方程计算机仿真仿真的概念仿真是以相似性原理、控制论、信息技术及相关领域的有关知识为基础,以计算机和各种专用物理设备为工具,借助系统模型对真实系统进行试验的一门综合性技术。仿真分类()实物仿真:又称物理仿真。是指研制某些实体模型,使之能够重现原系统的各种状态。早期的仿真大多属于这一类优点:直观,形象,至今仍然广泛应用。缺点:投资巨大、周期长,难于改变参数,灵活性差()数学仿真:是用数学语言去描述一个系统,并编制程序在计算机上对实际系统进行研究的过程。优点:灵活性高,便于改变系统结构和参数,效率高(可以在很短时间内完成实际系统很长时间的动态演变过程),重复性好缺点:对某些复杂系统可能很难用数学模型来表达,或者难以建立其精确模型,或者由于数学模型过于复杂而难以求解()半实物仿真:又称数学物理仿真或者混合仿真。为了提高仿真的可信度或者针对一些难以建模的实体,在系统研究中往往把数学模型、物理模型和实体结合起来组成一个复杂的仿真系统,这种在仿真环节中存在实体的仿真称为半物理仿真或者半物理仿真,如飞机半实物仿真等。计算机仿真计算机仿真是在研究系统过程中根据相似性原理,利用计算机来逼真模拟研究系统。研究对象可以是实际的系统,也可以是设想中的系统。在没有计算机以前,仿真都是利用实物或者它的物理模型来迸行研究的,即物理仿真。物理仿真的优点是直接、形象、可信,缺点是模型受限、易破坏、难以重用。计算机仿真可以用于研制产品或设计系统的全过程,包括方案论证、技术指标确定、设计分析、故障处理等各个阶段。如训练飞行员、宇航员的方针工作台和仿真机舱等。仿真的三要素计算机仿真的三个基本要素是系统、模型和计算机,联系着它们的三项基本活动是模型建立、仿真模型建立(又称二次建模)和仿真试验。数学仿真采用数学模型,用数学语言对系统的特性进行描述,其工作过程是:建立系统的数学模型●建立系统仿真模型,即设计算法,并转化为计算机程序,使系统的数学模型能为计算机所接受并能在计算机上运行;运行仿真模型,进行仿真试验,再根据仿真试验的结果进步修正系统的数学模型和仿真模型与建模仿真是一种用来实现计算机仿真的软件工具。它是的一个附加组件,可用于实现各种动态系统(包括连续系统、离散系统和混合系统)的建模、分析和仿真。特点:易学易用,能够依托提供的丰富的仿真资源的应用领域()通讯与卫星系统;()航空航天系统;()生物系统;()船舶系统;()汽车系统;()金融系统;()控制系统。应用举例(原教材例子)在命令窗口中输入右图所示的模型用来口口口口模拟双质量一弹簧系统在光滑平面上受个周期力情况下的运动状态,其中周期力只作用在左边的质量块上。
    2021-05-06下载
    积分:1
  • VC++MFC学生管理系统
    大学实习自己做的 很辛苦!可能有bug(因电脑而异)下载后稍微改下就可以了 附有实习报告!学生学籍成绩管理系统:学生的信息包括:姓名、学号、性别、班级、院系;学生的成绩信息包括英语、数学、程序设计及体育成绩等各门课的成绩;定义如下类,并建立一个文本文件Student.dat,用于存储学生、课程与成绩的相关信息。文件格式自己定义。学生类CStudent(姓名、学号、性别、班级、院系);课程类CLesson(课程名称、课程开设时间);成绩类CGrade(学号、课程名称、成绩)要求实现如下功能:在对话框上能够添加、删除、编辑和查询课程信息;在对话框上能够添加、删除、编辑和查询学生
    2020-12-05下载
    积分:1
  • 图书管理系统(BS和CS完整版)(附源码).rar
    【实例简介】图书管理系统是典型的信息管理系统,其开发主要方面包括前台的应用程序的开发和后台数据库的建立和维护。本图书管理系统分为两个版本,分别为 浏览器/服务器版 和 客户端/服务器版。浏览器/服务器版的图书管理系统采用的是Jsp + JavaBean两层开发模式,客户端/服务器版采用微软公司的Visual Basic 6.0 工具进行开发。作为图书管理系统的核心,数据库系统采用了微软公司功能强大的Microsoft SQL Server 2000作为数据库服务器。开发过程中不断修改和改进,最终形成界面美观、功能实用、操作简便的图书管理系统。
    2021-11-27 00:33:28下载
    积分:1
  • matlab自动平行泊车系统
    本设计系统是基于matlab的平行泊车自动仿真模拟,能够满足各类平行泊车所遇到的问题,为学习开发平行泊车提供学习思路
    2020-12-05下载
    积分:1
  • PTP协议_IEEE1588_V2_中文版
    PTP精确时钟同步协议,IEEE 1588标准有version 1和version 2两个版本,Version 1于2002年底发布,Version 2目前最新版本为IEEE1588-2008,它提供Version 1的所有功能,并针对Version 1的不足,做出了改善。PTP协议实现时钟同步主要分为两个步骤:  1.建立同步体系,通过最佳主时钟算法,在整个同步系统中建立主从同步体系;  2.同步过程,通过交换PTP协议报文,计算并同步本地时钟。
    2020-12-04下载
    积分:1
  • 高频交易 中文译本
    高频交易 中文译本 全面介绍高频交易方方面面,启蒙读物Ⅳ中国的金融市场在不断发展,市场参与者也逐渐成熟,在国内部分条件合适的金融市场中,高频交易是一种客观存在。但是对于普通投资者而言要想系统地了解高频交易却不是一件很容易的事。深入介绍高频交易的资料往往伴随着复杂的数学公式,而全面涵盖高频交易的文字材料并不多见。为促进中国高频交易以及市场微观结构研究的发展,我们决定将这本介绍高频交易的书籍译成中文。如果这本书能为我国的市场参与者提供一定的帮助我们将感到十分的荣幸。南华期货研究所的众多研究员参与了这本书的翻译I作。其中第1-4章的译者为姜帆、谈效俊,第5章的译者为张静静、谈效俊,第6章、第9章的译者为胡浩、谈效俊,第7~8章的译者为何炜、李晓萍、谈效俊,第10~12章的译者为王仰琪,第13~16章的译者为杨燕,第17章的译者为王珏,第18、19章的译者为谈效俊,全书由谈效俊负贲统筹审核。由于时间仓促,并且译者水平有限,书中出现不当甚至错误之处在所难免,在此恳请各位读者不吝批评指正华期货有服公司总经理罗旭峰2011年1月8日目录High-Frequency Trading推荐序第1章简介第2章高频交易的发展金融市场与技术革新交易方法的演变第3章高频交易综覽和传统交易的比较21市场参与者运作模型…经济效益高频交易系统的资金结论第4章适合高频交易的金融市场金融市场及其对高频交易的适用性结论…第5章高频交易策略表现评估收益的基本特征有可比性的比率454绩效归因策略评估中的其他考虑因素…结论第6章指令、交易者及其在裔频交易中的应用指令类型指令分布第7章不同频率下的市场无效和获利机会的元2高频下的价格波动的可预测性第8章寻找高频交易机会收益率的统计特征性计量经济学模型协整动率建模945∞非线性模型结论第9章处理分笔数据分笔数据的属性分笔数据的数量和质量买卖价差买卖价格反弹对分笔数据的到达进行建模用传统计量经济学方法处理分笔数据……结论116第10章市场微观结构下的交易——存货模型117存货交易策略概述………118指令、交易者和流动性…有利可图的做市有方向的流动性供应结论第11章市场微观结构下的交易—信息模型…度量信息不对称性信息交易模型136结论第12章事件套利开发事件套利交易策略什么构成了一次事件预测方法可用于交易的新闻宏观经济新闻事件套利的应用结论第13章高频统计套利数学基础统计套利的实际应用356结论第14章创刨建和管理高频策略投资组合投资组合优化的解析基础有效的投资组合管理实践第15章交易模型的回顾测试评估点位预测评估方向预测……205结论第16章实施高交易系统模型开发的生命周期215系统实施测试交易系统…结论第17章风险管理确定风险管理目标风险度量风险管理结论…第18章高频交易的执行和监控执行高频交易系统高频交易执行的监控第19章交易后的盈利分析交易后成本分析交易后表现分析272参考文献第1章High-Frequency Trading简介高频交易如风暴般席卷了华尔街,究其原因,无非是其巨大的盈利能力而已。根据《Aha》杂志的报道,2008年收益最高的基金经理是来自文艺复兴技术公司( Renaissance Technologies Corp.)的吉姆·西蒙斯( Jim Si-mons),他长期以来一直是高频交易的支持者。仅在2008年一年,西蒙斯博士就获得了25亿美元的利润。虽然在撰写这本书的时候,还没有哪个机构完全地跟踪过各个高频交易基金的表现,但坊间传言,2008年大部分的高频交易基金经理都取得了正的收益,而据《纽约时报》的报道,70%的低交易者在2008年都是赔钱的。这个行业指数式的增长也印证了高频交易的巨大盈利能力。根据Aite集团2009年2月的报告,目前交易所中60%的易量都来自于髙频交易。专业高频交易人才炙手可热,并且薪酬也是登峰造极。甚至在2008年金融危机最惨烈的几个月中,仍有50%的金融行业招聘的职位是与高频交易技术人员有关的( Aldridge,2008)领域的信息有巨大需求,但能帮助投资者理解和运用高频交易系统的出版物却少之又少。什么是高频交易,它的魅力何在呢?相较于低频交易而言,高频交易的主要创新之处在于其在电脑驱动之下,对变化的市场迅速做出反应,并且实现资金的快速周转。高频交易的特征是交易次数更多,而每笔交易的平均盈利较小。很多传统的资金管理人持有交易头寸长达数周乃至数月,每笔交易高频交易的盈利为数个百分点。相比之下,高频交易的资金管理人每天都交易多次平均每笔交易的盈利不到一个百分点,并且他们基本上不持有隔夜头寸。不隔夜持仓对于投资者和投资组合经理都十分重要,这是因为以下3个方面的原因。(1)随着资本市场的全球化,大多数的交易行为都可以延长至24小时,并且,以市场现有的波动率来看,隔夜持仓是具有很高的风险的。高频交易策略则规避了这种隔夜风险。(2)高频交易策略允许账户持仓完全透明,这消除了锁定资金的必要性3)持仓过夜的头寸除了保证金之外的部分需要按照所谓的隔夜利率( overnight carry rate)来支付利息。隔夜利息通常比LBOR略高。随着BOR波动的增加以及可能到来的通货膨胀,隔夜持仓成本会变得越来越高,以至于会使得很多资金管理人感到无利可图。高频交易策略能够避免隔夜持仓成本,这在信贷收紧或者利率高企的时候,能给投资者节省下可观的成本。髙频交易还有其他的一些优势。高频交易策略与传统的长期买入并持有策略几乎不存在什么关联,因此,对于长期投资组合来说,高频交易策略是种很好的分散投资的工具。由于高频交易策路的统计学性质,高频交易略需要的评估时期也相对较短,我们在本书后续的章节中将深人讨论这个问。如果说对于一个以月度为周期的交易策略,需要6个月到2年的观察期来评估这个策略的可信程度的话,那么对很多高频交易策略而言,只需不到个月的时间就可以对策略的表现下一个统计学上的结论了除了上面所列举的优势之外,高频交易还能节约操作成本,并且给社会带来很多好处。从运营的角度来看,高频交易的全自动交易方式能够节约人力成本,并且减少因人为的犹豫或者情绪而造成的失误高频交易给社会带来的最大好处体现在以下几点提高市场效率·增加流动性第1章简介·促进计算机技术创新·稳定市场体系高频交易策略发现并消除市场暂时出现的无效率之处,并促进市场价格更快地反映市场信息。很多高频交易策略给市场提供了显著的流动性,使市场运行更加平稳,并且让每个投资者都降低了摩擦成本( frictional costs)高频交易者促进计算机技术的革新,推动找到解决网络通信瓶颈的新办法他们还刺激计算机处理器的创新,以提高计算和数字通信的速度。最后,高频交易还能纠正市场错误定价,从而稳定市场体系。在2009年3月的 FXWeek会议上, Oanda公司的首席执行官 RichardOlsen提出了一个恰当的比喻。Oken博士说,如果将金融市场比做人的身体,那么高频交易就是在人体内一天循环多次的血液。它能帮助冲洗毒素、愈合伤口,并且调节体温。相比之下,低频交易由于反应过慢,可以视为有碍于系统稳定的因素。即使是一个简单的去公园散步的决定也会给身体带来风险,比如感染疾病、失足或者摔倒等。高频交易能对这种情况进行快速反应,就像一个人重新站稳一样,高频交易使市场受到冲击后能重新稳定下来。在外汇、股票以及衍生品市场上都有很多成功的高频交易策略。高频交易本身的属性使其能应用于任何有足够流动性的金融工具之上(“有足够流动性的金融工具”是指在一个交易日中的任何时刻都有足够买家和卖家的金融资产)。高频交易策略可以全天候地执行。电子外汇市场一周交易5天,一天交易24小时。美国股票现在可以“超出常规交易时间”进行交易,每个工作日从东部标准时间早上4点开始直到午夜。对于一些期货和期权,同样存在24小时交易。许多高频交易的公司设于纽约、康奈迪克、伦敦、新加坡和芝加哥。很多设在芝加哥的公司利用其毗邻芝加哥商业交易所的优势来进行期货、期权和商品的高频交易。位于纽约和康奈迪克的公司交易范围较广,其中交易最多的是美国股票。欧洲的时区使得伦敦人在交易货币上很有优势,而新加坡
    2021-05-07 18:04:36下载
    积分:1
  • matlab仿真高斯信道下的QPSK误码率,有详细的解释,很不错奥
    利用matlab仿真QPSK的调制解调过程,并配有详细的解释说明,给出了高斯白噪声下的误码率
    2020-12-05下载
    积分:1
  • c语言实现ftp文件传输
    C语言实现的ftp 文件传输协议,包括文件上传 ,文件下载,查看目录 等功能,
    2020-12-06下载
    积分:1
  • sklearn0.19中文文档
    sklearn0.19中文文档 PDF格式高清。.1. 广义线性模型1.1.1. 普通最小二乘法1.1.1.1. 普通最小二乘法复杂度1.1.2. 岭回归1.1.2.1. 岭回归的复杂度1.1.2.2. 设置正则化参数:广义交叉验证1.1.3. Lasso1.1.3.1. 设置正则化参数1.1.3.1.1. 使用交叉验证1.1.3.1.2. 基于信息标准的模型选择1.1.3.1.3. 与 SVM 的正则化参数的比较1.1.4. 多任务 Lasso1.1.5. 弹性网络1.1.6. 多任务弹性网络1.1.7. 最小角回归1.1.8. LARS Lasso1.1.1.监督学习1.1.广义线性模型o1.1.1.普通最小二乘法1.1.1.1.普通最小二乘法复杂度o1.1.2.岭回归1.1.2.1.岭回归的复杂度1.1.22.设置正则化参数:广义交叉验证o 113. Lasso■1.1.3.1.设置正则化参数1.1.3.1.1.使用交叉验证■1.1.3.1.2.基于信息标准的模型选择1.1.3.1.3.与SVM的正则化参数的比较o1.1.4.多任务 Lassoo1.1.5.弹性网络o1.1.6.多任务弹性网络o1.1.7.最小角回归o.8. LARS Lasso■1.1.8.1.数学表达式o1.1.9.正交匹配追踪法(OMP)o1.1.10.贝叶斯回归1.1.10.1.贝叶斯岭回归1.1.10.2.主动相关决策理论-ARD1.1.11. logistic回归o1.1.12.随机梯度下降,SGDo1.1.13. Perceptron(感知器)o1.1.14. Passive Aggressive Algorithms(被动攻击算法)o1.1.15.稳健回归( Robustness regression):处理离群点( outliers)和模型错误1.1.15.1.各种使用场景与相关概念■1.1.15.2. RANSAC:随机抽样一致性算法( RANdomSAmple Consensus1.1.15.2.1.算法细节1.1.15.3.Thel-sen预估器:广义中值估计1.1.153.1.算法理论细节1.1.154. Huber回归1.1.155.注意1.1.16.多项式回归:用基函数展开线性模型1.2.线性和二次判别分析o1.2.1.使用线性判别分析来降维o12.2.LDA和QDA分类器的数学公式o123.LDA的降维数学公式o1.2.4. Shrinkage(收缩)o12.5.预估算法1.3.内核岭回归1.4.支持向量机o1.4.1.分类■1.4.1.1.多元分类■1.4.1.2.得分和概率1.4.1.3.非均衡问题1.4.2.回归o143.密度估计,异常( novelty)检测o1.4.4.复杂度o1.4.5.使用诀窍o1.4.6.核函数1.4.6.1.自定义核14.6.1.1.使用 python函数作为内核1.4.6.1.2.使用Gram矩阵14.6.1.3.RBF内核参数o1.4.7.数学公式1.4.7.1.sVC■1.4.7.2. NuSVo1.4.7.3.sVRo14.8.实现细节1.5.随机梯度下降o1.5.1.分类o1.5.2.回归1.5.3.稀疏数据的随机悌度下降o1.5.4.复杂度o1.5.5.实用小贴士o1.5.6.数学描述■1.5.6.1.SGDo1.5.7.实现细节1.6.最近邻o1.6.1.无监督最近邻■1.6.1.1.找到最近邻1.6.1.2. KDTree和 BallTree类1.62.最近邻分类o16.3.最近邻回归o1.6.4.最近邻算法1.64.1.暴力计算■1.6.4.2.K-D树1.64.3.Ba|树■1.6.4.4.最近邻算法的选择1.6.4.5.1 eaf size的影响o165.最近质心分类1.6.5.1.最近缩小质心1.7.高斯过程o1.7.1.高斯过程回归(GPR)o1.7.2.GPR示例1.7.2.1.具有噪声级的GPR估计1.722.GPR和内核岭回归( Kernel Ridge Regression)的比较1.7.2.3. Mauna loa co2数据中的GRRo1.7.3.高斯过程分类(GPC)o1.7.4.GPC示例1.7.4.1.GPC概率预测■1.74.2.GPC在XOR数据集上的举例说明■1.7.4.3.iris数据集上的高斯过程分类(GPC)o1.7.5.高斯过程内核1.7.5.1.高斯过程内核AP■1.7.5.2.基础内核■1.7.5.3.内核操作1.7.5.4.径向基函数内核1.7.5.5. Matern内核1.7.5.6.有理二次内核1.7.5.7.正弦平方内核1.7.58.点乘内核■1.7.5.9.参考文献o1.7.6.传统高斯过程1.7.6.1.回归实例介绍1.7.62.噪声数据拟合17.6.3.数学形式1.7.6.3.1.初始假设■1.7.6.32.最佳线性无偏预测(BLUP)1.7.6.3.3.经验最佳线性无偏估计( EBLUP)1.7.6.4.关联模型1.7.6.5.回归模型1.7.6.6.实现细节1.8.交叉分解1.9.朴素贝叶斯o1.9.1.高斯朴素贝叶斯o1.92.多项分布朴素贝叶斯1.9.3.伯努利朴素贝叶斯1.9.4.堆外朴素贝叶斯模型拟合1.10.决策树o1.10.1.分类o1.10.2.回归o1.10.3.多值输出问题o1.10.4.复杂度分析o1.10.5.实际使用技巧1.10.6.决策树算法:ID3,C4.5,c5.0和CARTo1.10.7.数学表达1.10.7.1.分类标准■1.10.7.2.回归标准1.11.集成方法o1.111. Bagging meta-estimator( Bagging元估计器)o1.11.2.由随机树组成的森林1.11.2.1.随机森林1.11.2.2.极限随机树1.11.2.3.参数1.11.24.并行化1.11.2.5.特征重要性评估1.11.2.6.完全随机树嵌入o 1.113. AdaBoost1.11.3.1.使用方法o1.114. Gradient Tree Boosting(梯度树提升)1.11.4.1.分类1.11.42.回归1.114.3.训练额外的弱学习器1.11.4.4.控制树的大小■1.11.4.5. Mathematical formulation(数学公式)■1.11.4.5.1. LoSS Functions(损失函数)1.114.6. Regularization(正则化)■1.14.6.1.收缩率( Shrinkage)■1.1.4.6.2.子采样( Subsampling)■1.11.4.7. Interpretation(解释性)1.114.7.1. Feature importance(特征重要性)1.114.7.2. Partial dependence(部分依赖)o1.11.5. Voting Classifier(投票分类器)1.115.1.多数类标等(又称为多数/硬投票)1.11.5.1.1.用法■1.11.52.加权平均概率(软投票)1.11.5.3.投票分类器( Voting Classifier)在网格搜索( Grid search)应用1.11.5.3.1.用法1.12.多类和多标签算法o1.12.1.多标签分类格式o1.12.2.1对其余1.122.1.多类学习1.122.2.多标签学习o1.12.3.1对11.12.3.1.多类别学习o1.12.4.误差校正输出代码1.12.4.1.多类别学习o1.12.5.多输出回归o1.12.6.多输出分类o1.12.7.链式分类器·1.13.特征选择1.13.1.移除低方差特征o1.13.2.单变量特征选择o1.13.3.递归式特征消除o1.13.4.使用 Select From Mode选取特征■1.13.4.1.基于L1的特征选取1.13.4.2.基于Tree(树)的特征选取1.13.5.特征选取作为 pipeline(管道)的一部分1.14.半监督学习o1.14.1.标签传播1.15.等式回归1.16.概率校准1.17.神经网络模型(有监督)o1.17.1.多层感知器o1.17.2.分类o1.17.3.回归o1.17.4.正则化o1.17.5.算法o1.17.6.复杂性o1.17.7.数学公式o1.178.实用技巧o1.17.9.使用 warm start的更多控制
    2021-05-06下载
    积分:1
  • 696518资源总数
  • 104269会员总数
  • 42今日下载