在传统的文本信息处理中，以单词向量表示文本的语义内容，以单词向量空间的度量来表示文本之间的语义近似度。这种方法不能准确表示语义。 潜在语义分析试图从大量的文本数据中发现潜在的话题，以话题向量来表示文本的语义内容，以话题向量的空间度量更准确地表示文本之间的语义相似度。 潜在语义分析使用的是非概率的话题分析模型，具体来说，就是将文本集合表示为单词-文本矩阵，对单词-文本矩阵进行奇异值分解，从而得到话题向量空间，以及文本在话题向量空间的表示。可采用的矩阵分解方法有：奇异值分解、非负矩阵分解。 给定一个含有nnn个文本的集合D={d1,d2,⋯ ,dn}D=\{d_1,d_2,\cdots,d_n\}

使用环境：需要先安装PyCharm（请自己百度下载安装），以及然后官网上下载Python 2.7版本，以及Python 3.7版本后，安装在自己的电脑上。 使用步骤： 1、下载解压缩之后，打开PyCharm集成开发环境， 2、然后选择“open”菜单打开项目 3、在IDE中打开test_one.py文件，右键点击“Run test_one”或者直接点击右上角的播放键。 如果一切正常，那么你会在PyCharm控制台中看到运行的效果。 阅读人员：学习Python语言的小白。 目的：帮助理解列表对象实现矩阵运算。

最近在项目进行中遇到要提取离散点边界的问题，像我这样的对于matlab不是特别熟练的朋友一开始肯定摸不着头脑，到底选用哪种算法可以有效地提取到所有已知点的轮廓线呢。本人经过大量的文献搜索及代码实验找到了几个效果比较好的轮廓提取代码，在这里做个总结，并且希望能够对遇到同样问题的朋友有所启发。 关于离散点边界提取的三种方法： 1.Convhull 离散点集获得边界 2.Alpha Shape算法检测边缘点 3.Delaunay 三角剖分算法 前两种方法在之前的博客中已经做了总结这里就不展开了，现在主要介绍第三种算法。 该算法的总体思路如下： 1、利用 delaunay 函数，对所有数据点进行 De

python实现矩阵乘法，适合初学者

python自定义矩阵类，自己动手丰衣足食。

> `明文:`明文经过加密过程的变换所得的消息或字符串。 > `加密过程`:将明文变换成另一种不能被非授权者所理解的隐蔽信息。 > `密文`:明文经过加密过程的变化，所得的消息或字符串。 > `加密变换`:将明文变为密文的变换。 > `密钥`:加密变化所使用的参数。

矩阵乘法用途广泛。该程序为本人编写。附有测试代码。请大家批评指正。