免费RF小工具， SPUR SEARCH,SpurSearch……

派尔蒙 PyLMNN是用于在纯python中进行度量学习的算法的实现。 此实现紧密遵循在找到的Kilian Weinberger的原始MATLAB代码。 此版本解决了无限制的优化问题，并使用L-BFGS作为后端优化器找到了线性变换。 该软件包还可以使用出色的软件包通过贝叶斯优化找到LMNN的最佳超参数。 安装 该代码是在Ubuntu 16.04下的python 3.5中开发的，并且也在Ubuntu 18.04和python 3.6下进行了测试。 您可以使用以下命令克隆存储库： git clone https://github.com/johny-c/pylmnn.git 或通过pip安装它： pip3 install pylmnn 依存关系 numpy的> = 1.11.2 scipy> = 0.18.1 scikit_learn> = 0.18.1 可选依赖项 如果要使用超参

tree树 树的python3实现的集合。 包括AVL树，间隔树等。 安装 pip3 install pytrees 用法 >> > from pytrees import AVLTree , IntervalTree , BinaryIndexTree , Trie >> > avl = AVLTree . buildFromList ([ - 1 , - 2 , 1 , 2 , 3 , 4 , 5 , 6 ]) >> > avl . visulize () -----------------Visualize Tree---------------------- 2 -1 5 -2 1 3 6 4 -----------------End Visualization----------------

WordPress的常规搜索仍有很多需要改进的地方，访客进入博客中，也会通过搜索来查询自己需要的东西，如何让我们博客上的WordPress搜索功能更强大呢？而且更好的为读者服务？那么，就看看今天介绍的这款插件吧！ Search Unleashed这款插件就是对搜索的改进。从中你可以执行对所有日志、页面、评论以及其他元数据的全文搜索。无论你有没有添加或编辑文本，搜索索引都会自动更新，这样你就不必担心它会过时了。 1.下载Search Unleashed插件，将压缩包解压后，把文件夹上传到wp-content/plugins/目录下。 2.登录WordPress管理后台，点击“Plugins”找到上传的插件，激活该插件,即可。 3.激活插件后，在"Tools"版块下点击“Search Unleashed”对页面进行管理，如下图: 如上图中的，它有以下几个模块： Search Index(搜索索引) 当你第一次按照此插件或者安装了其它插件等操作时，你需要在这个页面中，重新更新索引的搜索数据库。 Log(日志) 这个很简单，就是生成搜索的数据库日志，帮助你查看相关信息 Modules 选择搜索的模块，如下图： Options 设置搜索的模板、样式

搜索 cve-search是一种工具，可将CVE（常见漏洞和披露）和CPE（通用平台枚举）导入MongoDB中，以方便CVE的搜索和处理。 该软件的主要目的是避免对公共CVE数据库进行直接和公共查找。 本地查询通常更快，您可以通过Internet限制敏感查询。 cve-search包括一个用于存储漏洞和相关信息的后端，一个用于搜索和管理漏洞的直观Web界面，一系列查询系统的工具以及一个Web API界面。 cve-search被许多组织使用，包括的。 本文档为您提供了如何从cve-search开始的基本信息。 有关更多信息，请参阅该项目的/ doc文件夹中的文档。 入门 查看以开始使用 用法 您可以使用search.py​​搜索数据库 ./bin/search.py -p cisco:ios:12.4 ./bin/search.py -p cisco:ios:12.4 -o js

datasketch：大数据看起来很小 datasketch提供给您概率性的数据结构，这些数据结构可以超快地处理和搜索大量数据，而几乎不会降低准确性。 该软件包包含以下数据草图： 数据草图 用法 估计Jaccard相似度和基数 估计加权Jaccard相似度 估计基数 估计基数 提供了以下数据草图索引以支持亚线性查询时间： 指数 对于数据草图 支持的查询类型 MinHash，加权MinHash 提卡阈值 MinHash，加权MinHash Jaccard Top-K 最小哈希 遏制阈值 datasketch必须与Python 2.7或更高版本以及NumPy 1.11或更高版本一起使用。 Scipy是可选的，但有了它，LSH初始化可以更快。 请注意， 和也支持Redis和Cassandra存储层（请参见 ）。 安装 要使用pip安装datasketch： pip insta

a tabu search algorithm wrote by Zhaokai

fir带通滤波器matlab代码使用G_best引导的布谷鸟搜索算法高效设计FIR滤波器 这项工作是我的本科论文的一部分。 抽象的： 此存储库提供了使用G最佳引导的杜鹃搜索（GCS）算法的有限冲激响应（FIR）滤波器的有效设计。 为了减少传统的Cuckoo搜索算法（CSA）中的参数依赖性以及在滤波器设计问题中更好地搜索最佳系数，在所建议的GCS中对CSA方法进行了一些修改，这导致与Cuckoo搜索算法的收敛速度显着提高。最佳解决方案。 在这里，已经使用GCS ， CSA和人工蜂群（ABC）算法为Type1和Type 2 FIR设计了低通和带通滤波器。 结果： 从GCS，CSA和ABC的图形和统计观察（）中可以看出， GCS在收敛速度，执行时间和过滤器响应方面均超过了竞争对手。 此外，使用建议的GCS开发的滤波器获得的阻带衰减（As）和通带纹波（Rp）远远优于使用CSA，ABC或Parks and McClellan（PM）方法设计的滤波器。 一项平均研究表明，对于较低阶的LPF（类型1和类型2的阶次均小于40），GCS显示As升高9.23％ ，Rp降低26.05％ 。 对于更高阶的LP

search-match安装包

1.直接运行main_csdn.py检查路径 2.算法的具体实现在BasicAlgorithm.py文件中，里面涵盖了BFS、DFS、Dijkstra、Greedy Best First Search、A*五种静态场景的路径规划算法，算法应用于二维的栅格场景 3.几种算法的基本关系： （BFS、DFS）广度和深度优先搜索，最基本的暴力求解算法 （Dijkstra）在BFS的基础之上添加了低成本优先的贪心策略（估价函数） （Greedy Best First Search）在BFS的基础之上添加了启发式 （A*）结合了估价函数和启发式 以上是我个人的理解以及代码实现，具体原理可参考站内其他资源~