PDF全文：./mcmc.pdf 论文中的源代码可以在这个存储库中找到。 马尔可夫链蒙特卡罗 (MCMC)是一种通过在复杂模型中模拟来估计统计量的技术。受限玻尔兹曼机（RBM）是机器学习领域的关键模型。然而，训练大型 RBM 模型将包括难以计算的配分函数，即 Z(θ)。这个问题引起了人们对使用 MCMC 方法进行估计的工作的兴趣。在本文中，我们首先进行了Metropolis-Hastings 算法，这是最流行的采样方法之一，并分析了它的正确性和性能，以及接受率的选择。然后我们实现三种算法：TAP、AIS、RTS, 来估计 RBM 模型的配分函数。我们的工作不仅介绍了可用的算法，而且系统地比较了它们之间的性能和差异。我们力求提供 MCMC 领域的整体观点

实验内容： Exercise 1: 设定系统中有五个进程，每一个进程用一个进程控制块表示。 Exercise 2: 输入每个进程的“优先数”和“要求运行时间”。 Exercise 3: 为了调度方便，将五个进程按给定的优先数从大到小连成就绪队列。用一单元指出队列首进程，用指针指出队列的连接情况。 Exercise 4: 处理机调度总是选队首进程运行。采用动态优先数算法，进程每运行一次优先数就减“1”，同时将运行时间减“1”。 Exercise 5: 若某进程运行时间为零，则将其状态置为“结束”,且退出队列。 Exercise 6: 运行所设计程序，显示或打印逐次被选中进程的进程名，以及进程控制块的动态变化过程。

实验内容： Exercise 1: 本实验是模拟操作系统的磁盘寻道方式，运用磁盘访问顺序的不同来设计磁盘的调度算法。 Exercise 2: 实现的磁盘调度算法有FCFS，SSTF，SCAN，CSCAN和 NStepSCAN算法。 Exercise 3: 设定开始磁道号寻道范围，依据起始扫描磁道号和最大磁道号数，随机产生要进行寻道的磁道号序列。 Exercise 4: 选择磁盘调度算法，显示该算法的磁道访问顺序，计算出移动的磁道总数和平均寻道总数。 Exercise 5: 按算法的寻道效率进行排序，并对各算法的性能进行分析比较。

2d_matrix_transformations_javascript 使用JavaScript和HTML canvas进行2d矩阵转换。 用作我未来项目的模板。

主要为大家详细介绍了Python实现神经网络(BP)算法及简单应用，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

K-means聚类算法是一种迭代求解的聚类分析算法，其步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小。

朴素贝叶斯算法的java实现，具有很好的分类效果

图像压缩是图像传输和存储中最重要的步骤之一。 大多数最先进的图像压缩技术都是基于空间的。 在此代码中，基于多级图像阈值实现了基于直方图的图像压缩技术。 图像的灰度等级分为几组清晰的概率分区。 香农熵用于衡量清晰分组的随机性。 熵函数使用流行的称为差分进化的元启发式进行最大化，以减少优化目标值的计算时间和标准偏差。 该算法在： 保罗，S。 Bandyopadhyay, B.，“一种基于使用香农熵和差分进化的多级图像阈值的图像压缩新方法”，学生技术研讨会 (TechSym)，2014 年 IEEE，第 56,61 页， 2014年2月28日-2014年3月2日doi：10.1109/TechSym.2014.6807914 如果您使用此代码，请引用这篇论文。

随机森林 这是 Spark 上随机森林算法的分布式实现。 这与 mllib 中可用的相同算法的实现不同。 在 mllib 中，随机森林算法是通过明智地拆分数据实例来实现的。 此实现是通过明智地拆分数据特征。 这种实现对于具有许多特征的数据非常有用。 我也做了一些即兴创作，删除了一些在这种实现方法中可以避免的类。 一个重要的改进是：现在，randomForest 的用户不需要提供 categoricalFeatureInfo（关于哪些是连续特征，一个分类特征包含多少类别的信息）作为输入。它现在被转换为一个 Option 这个实现会自动检测哪些是连续特征连续特征以及当 categoricalFeatureInfo 在用户输入中被指定为 None 时，分类特征包含多少个类别。

国密算法SMS4的JAVA实现 该算法已经通过国密网站的标准数据进行对比，中间变量与结果均一致，完全正确。 SMS算法是一个分组算法。该算法的分组长度为 128 比特，密钥长度为 128 比特。加密算法与密钥扩展算法都采用 32 轮非线性迭代结构。解密算法与加密算法的结构相同，只是轮密钥的使用顺序相反，解密轮密钥是加密轮密钥的逆序。