win10 下用于编译chinese-ocr项目的setup文件，编译py-faster-rcnn中的cython_nms.pyx，nms_kernel.cu, gpu_nms.pyx模块

pareto.py 多目标问题的非支配排序 通过和 pareto.py在纯Python中实现了epsilon pareto.py的排序。 它将一个或多个解决方案文件分类为帕累托有效（或“无名”）集合。 解决方案可以包含目标以外的其他列，这些列将不加分类地传递到输出中。 默认情况下，输出行从输入中逐字复制。 pareto.py假定最小化，但它支持最小化和最大化。 这种排序采用所需的输出分辨率（ε）。 如果需要严格的非支配排序，则可以通过将epsilons任意设置为较小来近似（在某种程度上，这里涉及浮点除法。）默认情况下，1e-9的epsilon分辨率将有效地导致严格的非支配排序。 。 排序之前的数据。 目标f1和f2都应最小化。 经过epsilon终止排序后的数据。 红色的epsilon盒及其中的所有解决方案均占主导地位。 标记的解决方案是epsilon终止的。 显示了以各种epsi

描述如标题。 需要在python3环境下使用，但需要注意： 1、自己去加载库； 2、在线数据库来源baostock，感谢！ 3、按 filepath = r'c:\DataCenter\Stock\\' 的要求先建立磁盘目录。 4，最重要的是它只是一个工具，能不能很好的使用还需要有心得体会。

本代码为RSA的python实现，纯函数实现，未使用python所带的RSA包。

一个在Python上的狗狗年龄换算人类年龄der程序

Python获取屏幕像素坐标和颜色 Python获取屏幕像素坐标和颜色 Python获取屏幕像素坐标和颜色

cae.py:Numpy中的压缩自动编码器

本程序应用SVM为基础，核函数采用高斯核函数，数据为手写数字数据1和9，用smo加速算法，识别正确率达99.4%，而且我博客有讲解

这是基于python的DNN神经网络算法，可以通过机器学习进行分类识别，十分好用。

浸出算法代码matlab 浸出-PY 低能量自适应聚类层次结构 低能量自适应聚类层次结构（“LEACH”）是一种基于 TDMA 的 MAC 协议，它与聚类和无线传感器网络（WSN）中的简单路由协议相结合。 LEACH 的目标是降低创建和维护集群所需的能耗，以提高无线传感器网络的使用寿命。 LEACH 是一种分层协议，其中大多数节点向簇头传输，簇头将数据聚合和压缩并转发到基站（宿）。 每个节点在每一轮都使用随机算法来确定它是否会在这一轮中成为簇头。 LEACH 假设每个节点都有一个足够强大的无线电，可以直接到达基站或最近的簇头，但是一直以全功率使用这个无线电会浪费能量。 已经成为簇头的节点在 P 轮中不能再次成为簇头，其中 P 是所需的簇头百分比。 此后，每个节点有 1/P 的概率再次成为簇头。 在每一轮结束时，不是簇头的每个节点选择最近的簇头并加入该簇。 然后簇头为其簇中的每个节点创建一个调度来传输它的数据。 根据簇头创建的调度，所有不是簇头的节点仅以 TDMA 方式与簇头通信。 它们使用到达簇头所需的最小能量来这样做，并且只需要在它们的时隙内保持无线电打开。 LEACH 还使用 CD