简单的傅里叶变换动态示例，有相关的的函数计算，可作为参考。

利用python实现对线性不可分数据集使用线性支持向量机并进行了交叉验证，选择效果最好的惩罚参数。代码通俗易懂，附有注释，有需要的可以看看

基于python实现的视频转字符画的代码

资源提供了蚁群算法的python实现，用于求解旅行商优化问题（TSP），python 2 或 python 3 均可运行。

堆叠降噪自编码器,python实现

代码经过测试，记得要安装googletranslate库支持，调用谷歌翻译，翻译文本文件命名为de.txt，建议文件不要过大，大文件把翻译间隔sleep的时间延长，以免谷歌服务器拒绝服务。代码里面是英文翻译为中文，大家可以根据需要自行进行其他语言的互翻。三个函数，第一个函数是对文本文件进行格式化整理，第二个函数是翻译，第三个函数是补充翻译

信息分析与预测的实验，Python写的代码，萌新代码，勿喷，仅仅只是方便没时间写实验的朋友，直接用python打开就能运行

本文通过50行Python代码实现视频中物体颜色识别和跟踪效果，通过实例截图和实例代码给大家讲解的非常详细，需要的朋友可以参考下

这里的代理服务器，是指二级代理服务器。比如：A可以访问B，B可以访问C，A不能直接访问C。这时，如果在B开一个二级代理，就可实现A访问C。现有的工具有CCProxy。 这里就是使用Python简单的实现一个二级代理。

第二章 距离高分辨和一维距离像 雷达采用了宽频带信号后，距离分辨率可大大提高，这时从一般目标（如飞机等）接收到的已不再是 “点”回波，而是沿距离分布开的一维距离像。 雷达回波的性质可以用线性系统来描述，输入是发射脉冲，通过系统（目标）的作用，输出雷达回波。 系统的特性通常用冲激响应（或称分布函数）表示，从发射波形与冲激响应的卷积可得到雷达回波的波形。 严格分析和计算目标的冲激响应是比较复杂的，要用到较深的电磁场理论，不属于本书的范围。简单 地说，雷达电波作用的目标的一些部件对波前会有后向散射，当一些平板部分面向雷达时还会有后向镜面 反射；这些是雷达回波的主要部分；此外还有谐振波和爬行波等。因此，目标的冲激响应（分布函数）可 以用散射点模型近似，即目标可用一系列面向雷达的散射点表示，这些散射点位于后向散射较强的部位。 由于谐振波和爬行波的滞后效应，有时也会有少数散射点在目标本体之外。如上所述，目标的散射点模型 显然与雷达的视线向有关，例如当飞机的平板机身与雷达射线垂直时有很强的后向镜面反射，而在偏离不 大的角度后，镜向反射射向它方，不为雷达所接收。目标的雷达散射点模型随视角的变化而缓慢改变，且 与雷达波长有关，分析和实验结果表明，在视角变化约 10°的范围里，可认为散射点在目标上的位置和强 度近似不变。顺便提一下，前面曾提到微波雷达对目标作 ISAR 成像，目标须转动 3°左右，在分析时用 散射点模型是合适的。 虽然目标的散射点模型随视角作缓慢变化，但一维距离像的变化要快得多。可以想像到，一维距离像 是三维分布散射点子回波之和，在平面波的条件下，相当三维子回波以向量和的方式在雷达射线上的投影， 即相同距离单元里的子回波作向量相加。我们知道，雷达对目标视角的微小变化，会使同一距离单元内而 横向位置不同散射点的径向距离差改变，从而使两者子回波的相位差可能显著变化。以波长 3 厘米为例， 若两散射点的横距为 10 米，当目标转动 0.05°时，两者到雷达的径向距离差变化为 1 厘米，它们子回波 的相位差改变 240°！由此可见，目标一维距离像中尖峰的位置随视角缓慢变化（由于散射点模型缓变）， 而尖峰的振幅可能是快变的（当相应距离单元中有多个散射点）。图 2-1 是 C 波段雷达实测的飞机一维距 离像的例子，图中将视角变化约 3°的回波重合画在一起。一维距离像随视角变化而具有的峰值位置缓变性 和峰值幅度快变性可作为目标特性识别的基础。 本章将用上述散射点模型对高分辨的一维距离像进行讨论。