本策略交易逻辑：当价格触及布林线上轨的时候进行卖出，当触及下轨的时候，进行买入。回测收益率99.77%，最大回撤：32.04%，夏普比率：0.43

里面有两个.py文件，可直接对火焰进行检测 把测试图片直接放在文件夹中 效果一般 可以自行优化 含有上位机界面的火焰检测代码 里面有两个.py文件，可直接对火焰进行检测

朴素贝叶斯算法实战 email邮件数据集，SogouC新闻数据集 Email_NB.py垃圾邮件过滤实现（Python3实现） Naive_Bay.py 朴素贝叶斯算法实现（Python3实现） 样本比较小，成功率大概为90% import numpy as np from functools import reduce """ 函数说明:创建实验样本 Parameters: 无 Returns: postingList - 实验样本切分的词条 classVec - 类别标签向量 """ def loadDataSet(): postingList=[['my', 'dog', 'has', 'flea', 'problems', 'help', 'please'], #切分的词条 ['maybe', 'not', 'take', 'him', 'to', 'dog', 'park', 'stupid'], ['my', 'dalmation', 'is', 'so',

井子棋

py_omen 最初由RUB-SysSec开发的OMEN密码破解程序的Python表示。 原始的RUB-SysSec github存储库是： OMEN：订购的马尔可夫枚举器* *以下摘录自原始的OMEN Github页面： OMEN是用C语言编写的基于Markov模型的密码猜测器。它根据出现的概率生成候选密码，即，它首先输出最有可能的密码。 OMEN大大提高了现有建议的猜测速度。 如果您对OMEN如何改进现有基于Markov模型的密码猜测方法的细节感兴趣，请参阅。 用户指南 像原始的OMEN程序一样，此发行版由两个独立的python脚本createNG和enumNG 。 createNG根据给定的密码列表计算n-gram概率，并将其存储在规则集中供以后使用。 根据这些概率， enumNG枚举新密码，并首先创建最可能的密码猜测。 请注意，这些程序的某些命令行选项与原始OMEN程序略有

在我们输入nvidia-smi命令时只能显示进程号，然后根据进程号查看用户名。这个脚本可以直接显示用户名。

使用原代码安装经常出现崩溃情况，不易快速安装。笔者添加了一些参数，可以使用清华源来安装pip，速度快且稳定，适用于初始化新系统环境等。命令：python/python3 get-pip.py

狄克逊.py

将pyinstaller 打包的exe文件解压并将pyc文件转换为py文件，可以查看源码。 限制：不适用与python3.9，python3.10。 调用命令 pyinsuncomple.exe cdJPQUI.exe 在目录下就可以看到所有py文件

仅有1个代码文件， 将图片拼接流程拆分成了多个函数，解耦合，可作为视频拼接的基础 包含了去噪的算法，和渐入渐入渐出加权融合的效果，均为可选 if __name__=='__main__': path1='05_L.jpg' path2='05_R.jpg' save='05_M.jpg' spliting_img_path(path1,path2,True,save) 修改路径即可 请导入相关包