使用QUdpSocket实现类似微信聊天功能，输入完聊天信息按回车键发送聊天内容，文中使用到注册事件过滤器方法，socket通讯没有服务端与客户端之分的，本文为了区分演示用，控件上取名字时取了服务端和客户端。其实它们的代码实现是一样的，只是监听的端口号不一样

机器学习数据资源可用于朴素贝叶斯垃圾邮件过滤器中的一些训练文本数据集。使用朴素贝叶斯解决一些现实生活的问题时，需要先从文本内容得到字符串列表，然后生成词向量。其中朴素贝叶斯的一个最著名的应用：电子邮件垃圾过滤。

映射文件输入格式 MapFiles 的 Hadoop InputFormat，它在将任何内容传递给映射器之前过滤不相关的 FileSplits。 目的 假设您的文件系统中有一些带有排序键的非常大的文件，并且键已排序。 在编写 MapReduce 作业时，您有时可能只想使用输入数据的一小部分。 通常的方法是编写一个只处理相关记录的映射器。 但是，如果您必须跳过大量数据，这可能会导致显着的减速，尤其是在必须从其他节点传输大量数据的情况下。 此 MapFileInputFormat 仅检查 InputSplit 的第一个和最后一个键以快速确定此拆分是否相关，否则不输出任何内容。 用法 用法很简单。 就像任何其他输入格式一样使用它： job . setInputFormatClass( MapFileInputFormat . class); 当递归打开时，这也将起作用 - 默认的 Seq

研究SQL 注入攻击行为及语法特征，采用正则表达式对攻击特征进行描述，在此基础上设计Web 服务端SQL 注入攻击过滤模块， 使Http 请求被提交至系统模块处理前实现注入攻击检查。测试结果表明，与单纯基于关键字的过滤相比，基于正则表示的过滤具有更高的 识别率和较低的误报率，加载了过滤模块的Web 服务器能较好地拦截多种SQL 注入攻击，并且服务延迟较小

垃圾邮件助手 实时问题提要的堆栈交换后过滤

断组手动过滤表格，如果你有断组跟踪表格，即可用它配合过滤。只支持3-3-4形式的断组，将数数据按"147-258-0369"或"147,258,0369"的格式复制入数字录入区，设置好容错，点“大底”即可

模块文档 模块数据可过滤 类型类 class Consable t where czero :: forall a. t a cons :: forall a. a -> t a -> t a class Filterable t where fzero :: forall a. t a filter :: forall a. (a -> Boolean) -> t a -> t a

这个压缩文件包含两个文件夹：nlms 和 rls。 nlms 包含实现归一化最小均方算法的 matlab m 文件和具有 1 个周期心电波的 matlab mat 文件：纯噪声和随机噪声，rls 包含实现递归最小二乘算法的 matlab m 文件和具有 1 个周期心电波的 matlab mat 文件：纯噪声和随机噪声。 参考：Simon Heykins 的自适应滤波器理论。 如有任何澄清，请随时与我联系：vsalaiselvam@yahoo.com。 我很高兴分享我的知识和我的讲义。 谢谢你。

自适应局部迭代过滤A. Cicone、J. Liu、H. Zhou。 用于信号分解和瞬时频率分析的自适应局部迭代滤波。 应用和计算谐波分析，第 41 卷，第 2 期，2016 年 9 月，第 384-411 页。 doi:10.1016/j.acha.2016.03.001 Arxiv http://arxiv.org/abs/1411.6051 A. 西康。 假人的非平稳信号分解。 出现在《力学和数学进展》一书中。 ArXiv https://arxiv.org/abs/1710.04844 A. Cicone, H. Zhou。 迭代滤波算法数值分析 % 与基于 FFT 的新高效实现。 ArXiv http://arxiv.org/abs/1802.01359

基于CNN的中文文本分类算法（可应用于垃圾邮件过滤、情感分析等场景） 利用word2vec先获取中文测试数据集中各个字的向量表达，再输入卷积网络进行分类。 运行方法 训练 run python train.py to train the cnn with the spam and ham files (only support chinese!) (change the config filepath in FLAGS to your own) 在tensorboard上查看summaries run tensorboard --logdir /{PATH_TO_CODE}/runs/{TIME_DIR}/summaries/ to view summaries in web view 测试、分类 run python eval.py --checkpoint_dir /{PATH_TO_CODE/runs/{TIME_DIR}/checkpoints} 如果需要分类自己提供的文件，请更改相关输入参数 如果需要测试准确率，需要指定对应的标签文件(input_label_file): python eval.py --input_label_file /PATH_TO_INPUT_LABEL_FILE 说明：input_label_file中的每一行是0或1，需要与input_text_file中的每一行对应。 在eval.py中，如果有这个对照标签文件input_label_file，则会输出预测的准确率 推荐运行环境 python 2.7.13 :: Anaconda 4.3.1 (64-bit) tensorflow 1.0.0 gensim 1.0.1 Ubuntu16.04 64bit