▍1. 自然语言处理 拼写检查python源代码
NLP-Spelling-Corrector-master自然语言处理 拼写检查python
更多选项
▍2. 一个很好的人脸识别库
用python写的人脸识别库，可以进行人脸检测、跟踪和识别，也可以训练自己的类刚体识别器。稍作扩展，可以做基本表情识别。
▍3. 小甲鱼python教程第15-17讲动动手解答
小甲鱼python教程第15-17讲动动手解答,按照自己理解写的，仅供参考，共同学习
▍4. SVG靓汤Web报废
Beautiful Soup腹板排泄和SVG 3圈多色多和IPL链接为scarpping最后Python正则表达式文件操作和计数器
▍5. 磁共振弹性成像 Matlab 工具框
弹性成像可以通过不同美达超声、 MRI、 振动等机械的紧张关系。在此文件中提供了测量弹性从 MRI 信号的方法。
▍6. 以图搜图demo
以图搜图demo，opencv2对图片灰度处理并提取特征，生成csv索引文件，直观易理解，欧氏距离( Euclidean distance)算法匹配，bottle实现web，完整实现，匹配速度有待提升。web程序入口main.py，mysql、redis组件可以注释掉
▍8. keras模型转为其他模型格式
keras模型转为其他模型格式，使用python接口实现
▍9. K邻近算法应用
计算模型： BMI指数（即身体质量指数，简称体质指数又称体重，英文为Body Mass Index，简称BMI），是用体重公斤数除以身高米数平方得出的数字，是目前国际上常用的衡量人体胖瘦程度以及是否健康的一个标准。主要用于统计用途，当我们需要比较及分析一个人的体重对于不同高度的人所带来的健康影响时，BMI值是一个中立而可靠的指标。 BMI值原来的设计是一个用于公众健康研究的统计工具。当我们需要知道肥胖是否为某一疾病的致病原因时，我们可以把病人的身高及体重换算成BMI值，再找出其数值及病发率是否有线性关连。不过，随着科技进步，现时BMI值只是一个参考值。要真正量度病人是否肥胖，体脂肪率比BMI更准确、而腰围身高比又比体脂肪率好、但是最好的看法是看内脏脂肪（若内脏脂肪正常，就算腰围很大及体脂肪率很高，健康风险不高，日本相扑很多都是这种胖法）。因此，BMI的角色也慢慢改变，从医学上的用途，变为一般大众的纤体指标。BMI是Body Mass Index 的缩写，BMI中文是“体质指数”的意思，是以你的身高体重计算出来的。BMI是世界公认的一种评定肥胖程度的分级方法，世界卫生组织(WHO)也以BMI来对肥胖或超重进行定义。身高体重指数这个概念，是由19世纪中期的比利时通才凯特勒最先提出。它的定义如下： 体质指数（BMI）=体重（
▍10. 淘宝爬虫示例，爬取前100页手机商家信息
淘宝爬虫示例，爬取前100页手机商家信息，还有关于淘宝评论爬虫相关代码。
▍11. 神经网络实现情感分类
神经网络实现情感分类,基于卷积网络，主要是python实现的，比较有参考价值，希望能给进行自然语言处理的大家能有一点帮助
▍12. PLT用法
好东西！我这个自己写的代码1-11函数，分别描述了11种不同的用PLT库来对图像做变化的，其中第十一题实现灰度均衡化，是我认为最难的部分，相信你们看了以后，就能了解，怎么使用PLT库，以及PLT的基本用法，这个在数据可视化中非常有用！
▍13. python 井字棋
PYTHON 井字棋,#井字棋 import random #是否重来一次 def playAgain(): print("你想重玩一次吗？（是/否）") return input() == "是" #选择什么符号棋子 def inputPlayerLetter(): letter = "" while not (letter =="X" or letter =="O"): print ("你想选x还是o") letter = input().upper() if letter == "X": return ["X","O"] else: return ["O","X"]
▍14. canopy 算法Python实现
一个Python实现的canopy算法，可以进行聚类，支持欧氏距离，余弦距离，文件对输入数据进行了处理，下载后可以自己通过更改一部分读数据代码把数据换成自己的数据
▍15. xadmin封装
django本身自带一个强大的admin后台管理系统，但是管理起来并不是很方便。这里介绍下xadmin，xadmin是基于bootstrap和admin的一个更强大的后台管理系统
▍17. matplotlib坐标轴标题等中文显示输出
mac系统里的中文字体在系统font库里，python是不能用自带的font库显示中文的，所以需要调用系统的字体库
▍18. vue-django
此为django-vue前后端分离，综合了python django框架和前端流行的vue框架，使用restful api 良好的实现了前后端分离，通过这个架构可以良好实现全站开发，您必须拥有一点python django知识前端知识以及数据库知识
▍20. grab cut
This is the implementation for the following paper:[Learning Sparse Gaussian Graphical Models with Overlapping Blocks](http://papers.nips.cc/paper/6097-learning-sparse-gaussian-graphical-models-with-overlapping-blocks.pdf), Mohammad Javad Hosseini and Su-In Lee. Neural Information Processing Systems (NIPS), 2016.### Running#### SoftwareYou should have R and the R package quic installed on your machine. The file main.py shows an example and will get you started. It uses MILE data (AMLcancer dataset) as input. We have selected 500 genes, consisting of 488 highest varying genes in MILE and 12 genes highly associated with AML:FLT3, NPM1, CEBPA, KIT, N-RAS, MLL, WT1, IDH1/2, TET2, DNMT3A, and ASXL1. Please see data/genes.mat.
本站资源：696518 个
本站会员：104349 个
总计下载：494831 次
今日上传：0 个
- 优秀论文及配套源码 SVM Short-term-Load-Forecasting
- 综合能源优化含储能
- 用遗传算法改进粒子群GA-PSO算法
- 通过粒子群能够很好的解决优化问题 pso
- 天牛群算法 BSO
- 混沌粒子群优化算法
- 2019年中国研究生数学建模竞赛E题
- 智能算法的Matlab仿真程序及教程
- 《MATLAB R2016a神经网络设计与应用28个案例分析》随书代码
- BAS BP论文及代码
- denoising
- Airy 基模高斯光束
- EMS Microgrid
- 2012年全国大学生数学建模竞赛题目--葡萄酒的评价Wines-Evaluation
- GA-bp
- 本人调试的大作业 源程序模型+论文 intelligent_control_modle
- LSTM的例子、单向LSTM、双向LSTM、多层LSTM
- 遗传算法优化BP网络案例
- 通过yalmip平台调用cplex求解器 microgrid Cplex
- 基于lstm算法在MATLAB对短期风速进行预测 LSTM-regression-master
