图像增强python算法，使用的时候直接导入jupyternotebook 中即可

Python语言可能是第一种即简单又功能强大的编程语言。它不仅适合于初学者，也适合于专业人员使用，更加重要的是，用Python编程是一种愉快的事。本身将帮助你学习这个奇妙的语言，并且向你展示如何即快捷又方便地完成任务——真正意义上“为编程问题提供的完美解决方案！

python版本 算法详解 袁国忠翻译，适合基础入门，值得学习

python算法分析与设计实验报告，内含快排，分治，最大流，随机等算法，按照算法书上的实验排列，内含完整算法思想和代码

这是我未来大部分所写Python的测试数据，数据量可调，函数形式可调

算法简介 SOM网络是一种竞争学习型的无监督神经网络，将高维空间中相似的样本点映射到网络输出层中的邻近神经元。 训练过程简述：在接收到训练样本后，每个输出层神经元会计算该样本与自身携带的权向量之间的距离，距离最近的神经元成为竞争获胜者，称为最佳匹配单元。然后最佳匹配单元及其邻近的神经元的权向量将被调整，以使得这些权向量与当前输入样本的距离缩小。这个过程不断迭代，直至收敛。 网络结构：输入层和输出层（或竞争层），如下图所示。 输入层：假设一个输入样本为X=[x1,x2,x3,…,xn]，是一个n维向量，则输入层神经元个数为n个。 输出层（竞争层）：通常输出层的神经元以矩阵方式排列在二

做验证码图片的识别，不论是使用传统的ORC技术，还是使用统计机器学习或者是使用深度学习神经网络，都少不了从网络上采集大量相关的验证码图片做数据集样本来进行训练。 采集验证码图片，可以直接使用Python进行批量下载，下载完之后，就需要对下载下来的验证码图片进行标注。一般情况下，一个验证码图片的文件名就是图片中验证码的实际字符串。 在不借助工具的情况下，我们对验证码图片进行上述标注的流程是： 1、打开图片所在的文件夹； 2、选择一个图片； 3、鼠标右键重命名； 4、输入正确的字符串； 5、保存 州的先生亲身体验，一个验证码完成数据的标注，大概需要10到20秒。大量的时间浪费在了重复地进行鼠标右键

本文介绍了python 支持向量机非线性回归SVR模型，废话不多说，具体如下： import numpy as np import matplotlib.pyplot as plt from sklearn import datasets, linear_model,svm from sklearn.model_selection import train_test_split def load_data_regression(): ''' 加载用于回归问题的数据集 ''' diabetes = datasets.load_diabetes() #使用 scikit-lear

《python算法指南》300个经典案例，清华大学出版社http://www.tup.tsinghua.edu.cn/booksCenter/book_08346601.html 文件只有答案，如需题目访问：https://gitee.com/amnotgcs/LearnPython/tree/master/algorithm/case300

每年意甲德甲英超西甲各大联赛的赛程表都是球迷们的必看之物，想起之前写过的一段生成赛程表的代码，用Python来写这类东西太舒服了。 这个算法叫做蛇环算法。 即，把所有球队排成一个环形(2列)，左边对阵右边，第一支队伍不动，其他队伍顺时针循环，这样就肯定不重复了。 为了方便说明，假设有8支球队a到h。像下面那样按环形排好。 这样，第1轮的对阵就是，(a,h)(b,g)(c,f)(d,e)。 下一轮的时候，第一支球队a不动，其它球队像齿轮一样顺时针走一格。 这样，第2轮的对阵就是，(a,b)(c,h)(d,g)(e,f)。 齿轮继续滑动，直到回到原点，这样每支球队都跟其它所有7支球队对阵了