粒子群算法（PSO）用于解决山地路线规划问题(完整程序以及讲解PPT)

讲解移动安全时所用的ppt，包含环境搭建与安全测试过程

蚁群系统的原型 改进的蚁群优化算法 蚁群算法的应用——对QoS组播路由问题求解

四个机器学习实验，主要涉及简单的线性回归、朴素贝叶斯分类器、支持向量机、CNN做文本分类，内附实验指导书、讲解PPT、参考代码 1、实验讲解PPT 4份 实验一 线性回归模型实验指导 实验二 支持向量机模型实验指导 实验三 贝叶斯分类解决西瓜问题 实验四 基于tensorflow实现CNN文本分类 2、实验指导书 4份 实验一 线性回归实验指导书 实验二 支持向量机实验指导书 实验三 贝叶斯分类实验指导书 实验四 基于tensorflow实现cnn文本处理实验指导书 3、实验参考代码 4份 实验一 LinearRegression 实验二 SVM 实验三 bayes_classify_demo 实验四 cnn-text-classification-tf

之前的以此组会，老师让讲一下支持向量机SVM的基本知识，就做了一个ppt介绍。 里面主要软硬间隔，对偶相关的知识

On Valid Optimal Assignment Kernels and Applications to Graph Classification； Weisfeiler-Lehman Graph Kernels和WL-OA Kernel的关系 本资源详细分解了WL-OA Kernel中各个模块的定义，以及在图上的计算过程，包括论文中未提及的V-OA Kernel的计算过程的图示。最后，比较WL-OA Kernel和WL Kernel的区别，发现WL-Kernel的Hierarchy等结构的定义目的是为了说明相比于特征向量对应位置的值的乘积之和，特征向量对应之间取最小值之和能够保留标签类型变换的过程，进而更好的保留图结构信息。

集成算法PPT包括Bagging和AdaBoost

1.人机交互系统搭建与数据采集。首先通过Kinect体感摄像机采集深度信息和人体骨骼数据，然后利用计算机视觉的相关知识处理信息，从而完成用户和计算机之间的互动。关于深度数据的采集，Kinectv2采用的是飞行时间测距技术，相比v1，精度提高，效果更佳； 2.在骨骼关节点信息的基础上实现了人体摔倒行为检测。Kinectv2可以根据深度图像数据确定人体25个骨骼关节点。我们从骨骼关节点信息中提取脊柱中心点和两骻中心点作为关键点，计算每10帧的中心点下降速度和当前帧两骻中心的高度，当满足阈值条件时，则可判定检测到摔倒行为，进而进行报警提示； 3.在深度图像的基础上实现了实时抠像，并实现了基于肢体动作交互的背景切换和拍照功能。首先根据Kinectv2提供的深度图像、彩色图像、骨骼数据等原始数据流，确定是否出现人体，当检测到人体后，进行彩色图像和深度图像映射，“剥离”人像并与背景融合。同时，根据手势动作，可执行背景切换和拍照保存的操作；

Input layer, hidden layer(series), output layer neurons have learnable weights and biases.. each neuron is fully connected to all neurons in the previous layer, neurons in a single layer function completely independently and do not share any connections. The last fully-connected layer is called the

（二）Mann-Kendall突变检验实例 选择位于新疆南疆地区的焉耆气象站，以年平均气温和降水数据为依据，用它们进行突变检验。 图4.4.1和图4.4.2，分别给出了由焉耆气象站1961～2010年期间年平均气温数据和年降水数据计算得出的UF和UB曲线。