2.2 基本遗传算法 基本遗传算法(也称标准遗传算法或简单遗传算法，Simple Genetic Algorithm，SGA) 是一 种群体型操作，该操作以群体中的所有个体为对象，只使用基本遗传算子(Genetic Operator)： 选择算子(Selection Operator)、交叉算子(Crossover Operator)和变异算子(Mutation Operator)，其 遗传进化操作过程简单，容易理解，是其它一些遗传算法的基础，它不仅给各种遗传算法提供 了一个基本框架，同时也具有一定的应用价值。选择、交叉和变异是遗传算法 3 个主要操作算 子，它们构成了所谓的遗传操作，使遗传算法具有了其它传统方法没有的特点。 2.2.1 基本遗传算法的数学模型 基本遗传算法可表示为： ),,,,,,,( 0 TΦMPECSGA = (2.1) 式中：C ——个体的编码方法； E ——个体适应度评价函数； 0 P ——初始种群； M ——种群大小； Φ——选择算子； ——交叉算子；  ——变异算子； T ——遗传运算终止条件。 图 2.3 为基本遗传算法的流程图。 2.2.2 基本遗传算法的步骤 1．染色体编码与解码 基本遗传算法使用固定长度的二进制符号串来表示群体中的个体，其等位基因是由二值 {0，1}所组成。初始群体中各个个体的基因可用均匀分布的随机数来生成。例如： X=100111001000101101 就可表示一个个体，该个体的染色体长度是 n=18。 编码和初始种群的生成 种群中个体适应度的检测评估 选择 交叉 变异 图 2.3 遗传算法的基本流程图

Handbook on Array Processing and Sensor Networks 英文无水印原版pdf pdf所有页面使用FoxitReader、PDF-XChangeViewer、SumatraPDF和Firefox测试都可以打开 本资源转载自网络，如有侵权，请联系上传者或csdn删除 查看此书详细信息请在美国亚马逊官网搜索此书

水文地球物理工具箱| Adrien Dimech | 水文地球物理学 Matlab编写代码来准备-处理-可视化和解释石堆的3D延时地球电监测。 随时访问： : 以获取有关我的研究的更多信息，或与我联系以获取更多信息和数据文件： 该存储库的内容： 一，初步办法 01- rock石堆的3D建模（476行） 02- COMSOL桩的3D建模（1172行） 二。 静态测量（2016） 03- 3D地电数据库到RES2D \ 3DINV（638行） 04- RES3DINV反演结果的3D可视化（293行） ii-正向和反向工具箱，带有RES2DMOD / INV和E4D->开发中 三， 延时测量（2017） 05- 3D地电监控的优化协议（1278条线） 06- ABEM Terrameter LS的优化协议（2158行） IV。 数据处理和反演 07-水文地质数据库处理（988行

OPTICS是一种基于密度的聚类方法，可以处理具有不同密度的点集。 但是，OPTICS的异常值检测能力受到多个因素的限制，例如不同的参数和不同的点集形状。 因此，提出了一种基于OPTICS的离群值检测方法，称为OD-OPTICS，它增加了预处理过程并修改了CD计算方法。 首先，执行提供关键半径的半径过滤策略； 并反映出该点集的关键距离。 然后，为了过滤无效半径并选择最合适的半径，提出了覆盖空间模型。 在我们建立的三个规则的影响下，可以通过覆盖空间来计算两个相邻点之间的基本距离。 此外，对CD的计算进行了优化，以便可以放大法向点砂离群值之间的差值。 在实验部分中，演示了预处理细节，并测试了OD-OPTICS在公共点集上的有效性； 为了验证OD-OPTICS的优化和可检测性，将所提出的方法与OPTICS和其他四种典型方法进行了比较。 结果表明，OD-OPTICS的检测性能优于OPTICS。

Sobel操作员边缘检测 使用Sobel运算符的简单边缘检测 应用 Sobel操作员通过计算图像梯度的近似值来帮助我们获得图像的边缘。 在每个点上，结果都是相应的梯度向量或该向量的范数。 通过从左到右用第一个内核对图像进行卷积，可以得到X方向上的Gradient 然后通过从上到下使用第一个内核对图像进行卷积，得到Y方向上的Gradient 至此，我们有了图像梯度的向量。 现在，通过找到每个矢量的大小，我们将获得所需的边缘。

数字信号处理实用技术，英文原版，高清带目录，作者Richard Newbold

蒙古BERT型号 该存储库包含由 ， 和训练的经过预训练的蒙古模型。 特别感谢提供了5个TPU。 该存储库基于以下开源项目： ，和 。 楷模 词汇量为32000的用作文本标记器。 您可以使用蒙版语言模型笔记本 测试经过预训练的模型可以预测蒙面蒙语单词的效果如何。 BERT-Base： 和 BERT-Large： HuggingFace 未装箱的BERT-Base： TensorFlow检查点和PyTorch模型 未装箱的BERT-Large： HuggingFace 盒装BERT-Base 下载TensorFlow检查点或PyTorch模型。 评估结果： global_step = 4000000 loss = 1.3476765 masked_lm_accuracy = 0.7069192 masked_lm_loss = 1.2822781 next_sentence_a

***该项目移至Github *** https://github.com/phaag/nfdump但是，您可能要从此处下载旧版本。 nfdump是一组用于收集和处理netflow数据的工具。 它速度很快，并具有强大的过滤器pcap（如语法）。 它支持netflow版本v1，v5，v7，v9和IPFIX，以及一组有限的sflow。 它包括对CISCO ASA（NSEL）和CISCO NAT（NEL）设备的支持，这些设备将事件日志记录记录作为v9流导出。 nfdump完全兼容IPv6。

FastWER 用于快速字/字符错误率 (WER/CER) 计算的 PyPI 包 快速（cpp 实现） 句子级和语料库级 WER/CER 分数 安装 pip install pybind11 fastwer 例子 import fastwer hypo = [ 'This is an example .' , 'This is another example .' ] ref = [ 'This is the example :)' , 'That is the example .' ] # Corpus-Level WER: 40.0 fastwer . score ( hypo , ref ) # Corpus-Level CER: 25.5814 fastwer . score ( hypo , ref , char_level = True ) # Sentence-Leve

HDR成像 要求 python3（或更高版本） opencv 3.0（或更高版本） 您将需要使用pip3安装一些软件包： 麻木 matplotlib 用法 $ python HDR-playground.py < input img dir > # for example $ python ./HDR-playground.py taipei taipei.hdr 我还提供了一个jupyter版本（ HDR-playground.ipynb ），其功能与HDR-playground.py相同。 jupyter非常适合开发python程序！ 输入格式 输入目录应具有： 一些.png图像 image_list.txt文件应包含： 文件名 接触 1 /快门速度 这是image_list.txt的示例： # Filename expos