项目实现了基于OpenCvSharp实现了图像灰度处理，包含了分量法、最大值法、平均法、加权平均法等灰度处理方法的实现，可将打开后的图片处理后并保存到本地磁盘。

最大均值差异仅用于反映样本空间总体的分布信息和全局结构信息，忽略了单个样本对全局度量贡献的差异性。为此，提出一种最大分布加权均值差异（MDWMD）度量方法，采用白化余弦相似性度量为源域和目标域的所有样本设计相应的分布权重，使得每个样本的分布差异信息在全局度量中均得以体现。进一步，在MDWMD基础上，结合联合分布调整思想，提出一种领域适应学习算法：基于最大分布加权均值嵌入的联合分布调整，同时对源域和目标域中的数据进行边缘概率分布调整和条件分布调整。实验结果表明，与现有典型的迁移学习和无迁移学习算法相比，所提算法在不同类型跨领域图片数据集上的分类精度较高。

基于RSSI测距的参考加权安全定位算法，熊炼，赵清华，传统RSSI算法受环境的影响程度非常大，距离越远测距误差越大。本文在计算未知节点与信标节点的距离时，将离未知节点最近的锚节点��

自动加权GCN算法实现反洗钱识别-数据集自动加权GCN算法实现反洗钱识别-数据集自动加权GCN算法实现反洗钱识别-数据集

针对K-means算法易受随机选择的初始聚类中心的影响和划分准确率不高的缺点，给出了一种改进的K-means算法。首先对初始聚类中心的选择过程进行了改进，然后对各样本点间差异最大的维进行加权处理。在Iris数据集上对原始算法和改进后的K-means算法的聚类结果进行对比分析。实验证明：改进后的算法稳定，且聚类的准确率达到了92％。

针对随机森林（RF,random forest）算法的投票原则无法区分强分类器与弱分类器差异的缺陷，提出一种加权投票改进方法，在此基础上，提出一种检测 Android 恶意软件的改进随机森林分类模型（IRFCM,improved random forest classification model）。IRFCM选取AndroidManifest.xml文件中的Permission信息和Intent信息作为特征属性并进行优化选择，然后应用该模型对最终生成的特征向量进行检测分类。Weka 环境下的实验结果表明IRFCM具有较好的分类精度和分类效率。

滤波算法集合（中位数、中位数平均、平均、加权平均、一阶加权、正太分布）

Python中的UnionFind实现 联合查找是一种数据结构，可保持不相交的集合（称为连接的组件或简称为组件）成员身份，并使合并（联合）两个组件以及查找两个元素是否已连接（即属于同一组件）更加容易。 ）。 这实现了“加权快速工会与路径压缩”联合查找算法。 仅当元素是不可变的对象时才有效。 联合和查找（N + M \ log ^ * N）的最坏情况，具有N个元素和M个联合/查找操作。 函数\ log ^ *是获取一个数字的\ log （以2为底）直到达到1所需的次数。实际上，每个操作的摊销成本几乎是线性的 。 内容 模块unionfind与类UnionFind 示例笔记本UnionFindExamples.ipynb 许可证：麻省理工学院。 要求 numpy

包含机器学习中的线性回归，包含了最佳拟合线性回顾，局部加权线性回归，岭回归以及前向逐步线性回归等算法的数据集以及代码实现。

组合加权几何的C-OWA算子及其在群决策中的应用，卫贵武，，把Yager提出的连续区间数据OWA(C-OWA)算子进行了拓展，提出了加权几何的C-OWA(WGC-OWA)算子、有序加权几何的C-OWA(OWGC-OWA)算子和组合加权几何�