1.基于 NumPy 完全在 Python 中实现的 SIFT（David G. Lowe 尺度不变特征变换）算法。 2.此实现基于 OpenCV 并返回 OpenCV KeyPoint 对象和描述符，因此可以用作 OpenCV SIFT 的直接替代品。 3.旨在帮助计算机视觉爱好者了解 SIFT 背后的细节。

该差分进化算法采用python进行编写，使用定义函数的方式编写种群的初始化、变异、交叉、选择部分，利于读者理解差分进化算法的原理编写！

利用pytho的定义函数的形式编写粒子群算法在单目标优化中的应用

一、感知机（perceptron）的学习： 1. 什么是感知机：是二分类的线性分类模型，输入为实例的特征向量，输出为实例的类别，取+1和-1； 2. 模型类型：感知机将对应的输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型； 3. 感知机模型：感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此，导入基于误分类的损失函数，利用梯度下降法 对顺势函数进行极小化，求得感知机模型。 二、算法步骤： 1.选取初值w0,b0.确定学习率（属于（0，1]） 2.在训练集中选取数据（xi,yi） 3.如果yi(w*xi+b)<=0,更新w,b w=w+学习率*yi*xi b=b+学习率*yi 4.转至（2），直到没有误分类

1.python语言 2.有数据集，可直接运行 3.此算法计算速度快，收敛快，迭代次数少

数学建模30个常用算法（Python）数学建模30个常用算法（Python）数学建模30个常用算法（Python）数学建模30个常用算法（Python）数学建模30个常用算法（Python）数学建模30个常用算法（Python）数学建模30个常用算法（Python）数学建模30个常用算法（Python）数学建模30个常用算法（Python）数学建模30个常用算法（Python）数学建模30个常用算法（Python）数学建模30个常用算法（Python）数学建模30个常用算法（Python数学建模30个常用算法（Python）数学建模30个常用算法（Python）数学建模30个常用算法（Python）数学建模30个常用算法（Python）

所有代码都是用Python 3编写的，并使用OpenAI Gym的RL环境。高级技术使用Tensorflow实现神经网络。 This repository provides code, exercises and solutions for popular Reinforcement Learning algorithms. These are meant to serve as a learning tool to complement the theoretical materials from Reinforcement Learning: An Introduction (2nd Edition) David Silver's Reinforcement Learning Course Each folder in corresponds to one or more chapters of the above textbook and/or course. In addition to exercises and solution, each folder als

1.python程序 2.优化支持向量机，可直接运行 3.有数据集

1.python代码 2.有数据集，可直接运行

Mnist python图片识别。 带网页端可上传手写字图片进行预测识别 使用SVM和ANN两种模型进行实现