电子科技大学《Python语言程序设计》的平时作业和期末课设。

信息安全大作业_CA系统的设计和实现源码(电子认证服务系统_数字证书数字签名python语言)+项目详细说明.7z CA代表Certificate Authority。也就是电子认证服务或机构，为电子签名相关各方提供真实性和可靠性验证，是负责发放和管理数字证书的权威机构，并作为电子商务交易中受信任的第三方，承担公钥体系中公钥的合法性检验责任。 【实现一个CA系统功能】 1、接受用户提交的认证申请，包括用户信息的表单和公钥等，提交时让用户自己产生公钥对； 2、在对用户实施认证的过程中，储存相应的用户信息，如证书、营业执照的扫描文档等。这些文档应经过安全的加密（加密算法任选）； 3、给通过认证的用户颁发证书； 4、用户密钥丢失时，可以吊销证书，密钥作废。 5、选做且加分项：交互友好的程序界面。 【性能】 能抵抗大多数的常见攻击，如重放攻击、生日攻击、字典攻击等。 对该系统进行详细测试，给出测试用例或方案，并以实验的方式给出该系统针对上述攻击的结果。详细的测试和实验是评分的重要依据。 1)测试数据可来自真实测试集；2)可自拟客观指标对测试结果进行衡量；

-Learning Python中文版

毕业设计 - 基于树莓派、OpenCV及Python语言的人脸识别 使用OpenCV for Python图像识别库，运行在树莓派RASPBIAN JESSIE Linux系统平台上，搭配树莓派官方摄像头模块。 运行要求 OpenCV 2.4.9 for Python Python 2.7 v4l2 PyQt4 安装要求 sudo apt-get install build-essential cmake pkg-config python-dev libgtk2.0-dev libgtk2.0 zlib1g-dev libpng-dev libjpeg-dev libtiff-dev libjasper-dev libavcodec-dev swig unzip 1. 启用v4l2 安装PyQt4 sudo apt-get install python-qt4 运行 python main.py

基于Python语言的智能家居系统的设计.pdf

基于不平衡数据的Python_Health-Insurance-交叉销售预测 在该项目中，我们将现代机器学习技术应用于保险单持有人的数据，以分析和预测其行为。 使用Python语言，我们对数据的处理方法产生了令人兴奋的见解，可以帮助保险公司进行业务建模。

基于树莓派、OpenCV及Python语言的人脸识别门禁系统源码.zip

OpenCV 3计算机视觉 Python语言实现(第二版)（含示例代码） 编辑推荐 OpenCV 3是一种*先进的计算机视觉库，它提供了很多图像和视频处理操作，以及一些代表计算机视觉未来发展方向的功能，如人脸识别或目标跟踪。学习计算机视觉算法、模型和OpenCV API的基本概念之后，可以开发各种现实生活中的应用程序（如安全和监控方面的应用程序）。 本书从图像处理的基本操作出发，带你开启先进计算机视觉的探索之旅。计算机视觉是一个快速发展的学科，与其相关的现实应用也呈爆炸性增长，本书的目的就是帮助计算机视觉领域的新手和想要了解全新的OpenCV 3.0.0的计算机视觉专家快速掌握基于Python的OpenCV计算机视觉开发的实用方法、技巧和*佳实践。 通过阅读本书，你将学到: 　　安装和熟练使用基于Python的OpenCV 3的API 　　掌握图像处理和视频分析的基础知识 　　在图像和视频中检测和识别目标 　　使用OpenCV检测和识别人脸 　　训练和使用自己的对象分类器 　　了解计算机视觉中的机器学习概念 　　使用OpenCV的人工神经网络来解决实际问题 　　开发现实生活中的计算机视觉应用 内容简介 OpenCV是开源、跨平台的计算机视觉库，由英特 尔公司发起并参与开发，在商业和研究领域中可以免费使用。本书介绍了如何通过Python来开发基于OpenCV 3.0的应用。作为当前非常流行的动态语言之一，Python不仅使用非常简单，而且功能强大。通过Python来学习OpenCV框架，可以让你很快理解计算机视觉的基本概念以及重要算法。 本书分8章来介绍计算机视觉的重要概念，所有的概念都融入了一些很有趣的项目。本书首先详细介绍了多个平台下基于Python的OpenCV安装，继而介绍了计算机视觉应用的基本操作，包括图像文件的读取与显示，图像处理的基本操作（比如边缘检测等），深度估计与分割，人脸检测与识别，图像的检索，目标的检测与识别，目标跟踪，神经网络的手写体识别。可以这样说，本书是一本不可多得的采用OpenCV实践计算机视觉应用的好书。

Python语言入门 pdf

程序用python语言实现相对定向和绝对定向，实验数据使用的是九对像点和四个已知地面摄影测量坐标，求解剩下五个摄影测量坐标。程序交互性很好计算结果精度也很高，很实用。