基于CNN的中文文本分类算法（可应用于垃圾邮件过滤、情感分析等场景） 利用word2vec先获取中文测试数据集中各个字的向量表达，再输入卷积网络进行分类。 运行方法 训练 run python train.py to train the cnn with the spam and ham files (only support chinese!) (change the config filepath in FLAGS to your own) 在tensorboard上查看summaries run tensorboard --logdir /{PATH_TO_CODE}/runs/{TIME_DIR}/summaries/ to view summaries in web view 测试、分类 run python eval.py --checkpoint_dir /{PATH_TO_CODE/runs/{TIME_DIR}/checkpoints} 如果需要分类自己提供的文件，请更改相关输入参数 如果需要测试准确率，需要指定对应的标签文件(input_label_file): python eval.py --input_label_file /PATH_TO_INPUT_LABEL_FILE 说明：input_label_file中的每一行是0或1，需要与input_text_file中的每一行对应。 在eval.py中，如果有这个对照标签文件input_label_file，则会输出预测的准确率 推荐运行环境 python 2.7.13 :: Anaconda 4.3.1 (64-bit) tensorflow 1.0.0 gensim 1.0.1 Ubuntu16.04 64bit

这是一个能够应用于实际应用群智能算法，可以开发新的智能应用，也可以对其进行改进。

这本书讲了很多数学建模的常用算法，使用了很多案例来说明算法的应用，并且给出了matlab或lingo的源代码，是参加数学建模的学生不可或缺的一本好书。

Mard de Berg Otfried Cheong Marc van Kreveld Mard Overmars

Computer Vision: Algorithms and Applications Richard Szeliski

人工智能实验四：深度学习算法及应用-附件资源

NULL 博文链接：https://yye.iteye.com/blog/740390

经典数据结构PPT 和一些习题 并附有答案

图像处理、图像分析和机器视觉领域的有关原理与技术展开了广泛而深入的讨论，包括图像预处理、图像分割、形状表示与描述、物体识别与图像理解、三维视觉、数学形态学图像处理技术、离散图像变换、图像压缩、纹理描述、运动分析等。本书力图将复杂的概念通过具体示例用易于理解的算法来描述，提供了大量包含图示和处理结果的插图，特别有助于读者的学习和理解。此外，本书还提供了丰富的参考文献，既列出了那些经过时间考验的经典论文，也列出了能反映未来发展方向的最新进展，适于读者进一步深入探索。

适用想对数字信号处理有个系统理解的学者和工程师。本书系统而且详细