盲信号分离最早由Herault和Jutten在1985年提出，指的是从多个观测到的混合信号中分析出没有观测的原始信号。通常观测到的混合信号来自多个传感器的输出，并且传感器的输出信号独立性（线性不相关）。盲信号的“盲”字强调了两点：1)原始信号并不知道；2)对于信号混合的方法也不知道。 JADE是一种盲源分离算法，可用于语音信号处理，最常用的是信号四阶累积量，也有人用信号的三阶累积量来分离信号。这类算法除了要求源信号具有统计独立性外，源信号中最多只能有一个高斯信号，即利用源信号的非高斯性。而对于源信号的非白特性及非平稳特性没有做任何考虑。因此可以说，HOS算法可以用来分离任何统计独立的非高斯信号或准确地说，不多于一个高斯信号。

1 TF-IDF TF-IDF是英文Term Frequency–Inverse Document Frequency的缩写，中文叫做词频-逆文档频率。 一个用户问题与一个标准问题的TF-IDF相似度，是将用户问题中每一词与标准问题计算得到的TF-IDF值求和。计算公式如下： TF-IDF算法，计算较快，但是存在着缺点，由于它只考虑词频的因素，没有体现出词汇在文中上下文的地位，因此不能够很好的突出语义信息。 import numpy as np class TF_IDF_Model(object): def __init__(self, documents_list):

raft算法演示程序，本人见过最好的将算法进行演示的一个小程序！学习分布式软件的可以好好看看！点击软件观看效果相当直观！

介绍完LSTM算法的原理之后，自然要了解如何训练LSTM网络。与前馈神经网络类似，LSTM网络的训练同样采用的是误差的反向传播算法（BP），不过因为LSTM处理

icp（迭代最近点）算法的基本原理的简单介绍原理

1.目标分类 2.目标定位 3.特征点检测 4.滑动窗口检测 5.卷积的滑动窗口实现 3.交并比（IOU） 4.非极大抑制（NMS） 6.候选区域（Region

CORDIC算法原理的解释说明，感觉这个写的好不错的，可以看看

NSGA-II 基于参考点的算法原理实现参考文献，该文献介绍了reference point和predator-prey两种方法

SwinTransformer算法原理解析

本资料主要讲述机器学习算法的基本原理，以及通过Python实现的算法实例 主要涉及算法：回归算法、决策树与集成算法、聚类算法、贝叶斯算法、支持向量机、推荐系统、主成分分析、EM算法、神经网络、时间序列分析、文本分析 博客总结：https://editor.csdn.net/md?not_checkout=1&spm=1001.2014.3001.5352&articleId=128316144