今天听听人提到设计模式,突然好怀念大学时候学的,后来在网上找找,整理后,上传上来.设计模式,不必多说,对oo有所了解到都应该知道.书中的例子程序虽然都是用JaVa编写，但是本书所介绍的内容对于任何oo语言的用户都适用。

欧几里德法matlab代码用于基于内容的图像检索的Matlab代码 该存储库包含题为“基于内容的图像检索的集成方法” [1]的论文Matlab代码。 图像从[2]下载 程序设计 该程序可以使用Matlab运行。 我尝试使用尽可能少的工具箱，以便该程序可移植到所有版本的Matlab。 因此，我避免使用GUI，因为我不确定每个matlab版本的GUI库是否相似。 您可以在两种模式下使用该程序，即（1）快速模式和（2）慢速模式。 在（1）快速模式下，您将从所有图像中提取特征，然后才能从这些特征中找到相似性。 对于（1），应该首先运行extractFeature.m，然后才运行cbir_rank.m。 如果要更改图像路径，则必须同时在extractFeature.m和cbir_rank.m中都更改路径。 在（2）慢速模式下，您只需运行cbir_threshold.m。 如果要更改图像路径，则可以更改imgpath变量。 查询图像由cbir_rank.m和cbir_threshold.m中的文件名变量设置。 因此，如果要更改查询图像，只需将其更改为所需的任何图像即可。 我使这个程序很聪明。 因此

Head First design pattern 中文版 模式 Head First design pattern 中文版 模式

课后习题答案

图像处理的LDP代码

该书是英文版电子书，是机器学习的经典教材，内容清晰全面

本资源为东北大学陈东岳老师的模式识别课程的课程PPT，本课程以周志华的机器学习和pattern recognize为教材，讲解了一系列机器学习的算法。ppt为英文书写。

Matlab环境下运行的模式识别工具箱，解压缩后目录下有英文说明文档和使用教程

Pattern Recognition and Machine Learning 中文版及python代码实现。python代码最好用 jupyter notebook 导入。

主成分回归代码matlab及示例 **教程，示例，集合以及所有其他类别的内容：模式分类，机器学习和数据挖掘。** 栏目 此流程图的[]。 机器学习和模式分类简介 [] 预测建模，监督式机器学习和模式分类-大图[] 入口点：数据-使用Python的Sci包为机器学习任务和其他数据分析准备数据[] 使用scikit-learn进行简单线性监督分类的简介[] 前处理 [] 特征提取 分类任务中编码分类特征的技巧和窍门[] 缩放和归一化 关于特征缩放：标准化和最小最大缩放（规范化）[] 功能选择 顺序特征选择算法[] 降维 主成分分析（PCA）[] 在PCA [] []之前变量的缩放和平均居中的影响 基于协方差与相关矩阵的PCA [] 线性判别分析（LDA）[] 通过PCA的内核技巧和非线性降维[] 代表文字 scikit学习的TF-IDF演练[] 模型评估 [] 二元分类器系统的一般性能指标概述[] 交叉验证简化交叉验证工作流程-scikit-learn的实践管道[] 机器学习中的模型评估，模型选择和算法选择-第一部分[] 机器学习中的模型评估，模型选择和算法选择-第二部分[] 参数估计 [