国泰君安_金融工程专题报告_基于组合权重优化的多因子选股策略，构建市值中性、行业中性、风格中性的最优投资组合。

最优库存分配 使用Python中的现代投资组合理论自动优化投资组合的资产权重和分配。

针对惯性权重改进策略大多采用同代粒子使用相同权重,忽略了粒子本身特点以及不同维上的有效信息,提出一种基于不同粒子不同维的动态自适应惯性权重粒子群算法(AWPSO)。在该算法中利用矢量运算分析粒子进化公式,用一种新的方法构造惯性权重公式,使惯性权重随不同代不同粒子不同维动态改变,加快粒子收敛速度和全局搜索能力。通过对7个典型测试函数的测试结果表明,AWPSO在收敛速度,收敛精度,全局搜索能力方面比线性惯性权重粒子群算法(LDIWPSO)均有不同程度上的提高。

模糊AHP有3个功能和1个测试用例。 为了找到标准的权重，使用了两种方法：fuzzAHP1.m 和 fuzzAHP2.m（输入和输出变量的解释可以在注释行中找到）。

线性权重粒子群算法

为了克服传统粒子群算法(PS田的早熟和局部最优问题,提出了一种新的自适应惯性权重的混沌粒子群算法(ACP-SO算法)。该算法采用分段Logistic混沌映射的方法产生初始种群,并根据种群的进化状态来动态调整惯性权重。在详细阐述算法的种群初始化过程和动态调整惯性权重的过程之后,对经典的测试函数分别采用几种改进的PSO算法和ACPSO算法对其进行了测试,与其他几种方法相比,ACPSO算法的全局搜索能力有了显著的提高,并且能有效地避免早熟收敛问题,同时也说明ACPSO算法应用的可行性和有效性。

提出一种融合步态运动中的人体形状信息特征和下肢运动信息特征的步态识别算法：利用边界跟踪算法获取人体轮廓边界线，并采用傅里叶描述子表达人体轮廓特征；依据人体解剖学的知识定位下肢关节点，并提取下肢角度特征；分别对两种特征进行匹配，然后采用特征融合的方法对匹配结果进行处理。实验结果表明，本算法的性能较基于单个特征的步态识别算法有明显的改善。

人为分割PyTorch 在PyTorch中实现的人体分割，/代码和。 支持的网络 ：骨干 （所有aphas和扩张）， （所有num_layers） ：骨干网 （num_layers = 18,34,50,101）， ：骨干网 （num_layers = 18） ：主干网 （num_layers = 18、34、50、101） ICNet ：主干网ResNetV1 （num_layers = 18、34、50、101） 要评估体系结构，内存，转发时间（以cpu或gpu表示），参数数量以及网络的FLOP数量，请使用以下命令： python measure_model.py 数据集 人像分割（人/背景） 自动人像分割以实现图像风格化：1800张图像 监督人：5711张图片 放 在此存储库中使用了Python3.6.x。 克隆存储库： git clone --re

著名的 yolov5 预训练权重，因为作者将文件放在谷歌云盘上，下载不便，因此将其放在这里，供大家学习使用

玛雅里面的插件，用于平滑权重！脚本插件： maya蒙皮优化插件brSmoothWeights！很好用的插件，可以使用！