GoF 23种设计模式思维导图，按三大分类组织，给出每种模式的使用场景及常用实现

设计模式示例 这是设计模式的一些例子。 这是我的工作。 我参考了其他来源来创建这个 repos。 我创建它是为了学习如何正确使用设计模式。 我总是想知道为什么人们使用设计模式来构建软件？ 我认为这不是必需的。 我只是使用class的概念，用我自己的方式构建软件。 这并不容易理解，需要我多次学习。 所以我认为学习它不是一个好主意。 但是现在，我认为我可以通过设计模式的结构更好更快地构建软件。 它使系统更具结构性和灵活性。 我可以使用我的旧代码并使其更有用。 I hope you can use it like me or even better :D 可用模式： 图案 C＃ C++ 模板方法 X X 战略 X 状态 X 单身人士 X X 原型 X 合成的 X 工厂方法 X

EDID Designer Version: 4.6.7.0,最新版本，可以查看，编辑E,配置EDID，非常方便快捷。

optima.hash-pattern - Optima 的哈希表模式 optima.hash-pattern 是的扩展，它提供了一些模式来匹配常见的 lisp 哈希表。 有一种构造器模式和一种派生模式。 哈希属性 hash-property模式类似于property模式，但匹配哈希表而不是 plist。 句法： (hash-property KEY PATTERN) 例子： (let ((tab (make-hashtable))) (setf (gethash :a tab) 1) (match tab ((hash-property :a x) x))) => 1 哈希表 hashtable模式类似于plist模式，但再次匹配哈希表而不是 plist 句法： (hashtable {KEY PATTERN}*) 扩张： (hashtable {k

pattern recognition and machine learning的翻译版本，不到500页，不如原版的749页那么多。

Bug pattern 描述容易导致bug的编码模式和解决方法

尽管Bishop的行文很优美，有时候简直可以拿出来当speech背诵，但是对于理论的理解还是母语比较稳妥和踏实。

设计模式 使用Java学习设计模式

The dramatic growth in practical applications for machine learning over the last ten years has been accompanied by many important developments in the underlying algorithms and techniques. For example, Bayesian methods have grown from a specialist niche to become mainstream, while graphical models have emerged as a general framework for describing and applying probabilistic techniques. The practical applicability of Bayesian methods has been greatly enhanced by the development of a range of approximate inference algorithms such as variational Bayes and expectation propagation, while new models based on kernels have had a significant impact on both algorithms and applications. This completely new textbook reflects these recent developments while providing a comprehensive introduction to the fields of pattern recognition and machine learning. It is aimed at advanced undergraduates or first-year PhD students, as well as researchers and practitioners. No previous knowledge of pattern recognition or machine learning concepts is assumed. Familiarity with multivariate calculus and basic linear algebra is required, and some experience in the use of probabilities would be helpful though not essential as the book includes a self-contained introduction to basic probability theory. The book is suitable for courses on machine learning, statistics, computer science, signal processing, computer vision, data mining, and bioinformatics. Extensive support is provided for course instructors, including more than 400 exercises, graded according to difficulty. Example solutions for a subset of the exercises are available from the book web site, while solutions for the remainder can be obtained by instructors from the publisher. The book is supported by a great deal of additional material, and the reader is encouraged to visit the book web site for the latest information.

本书是一本不可多得的字符串匹配方面的专业书籍。书中对串匹配问题进行了系统化的分类，从实际效果出发，着重详细介绍了串匹配领域内效果最好的若干种算法。并且给出了具有统一接口的算法伪码，使读者能清晰理解算法原理，易于实现算法编程，从而提高专业水平。此外，书中通过严谨的理论分析和大量实验数据，说明了每种算法在实际应用中的适用范围，由此提供了良好的应用指导，解决了串匹配算法的最佳适用性问题。