分布式网络检测 针对我们的本地测试平台和相应流程的几种攻击的代码 流量 1.正常情况下的流量以及wireshark收集的攻击情况下的流量。 2.从Google云端硬盘流量 档案结构 1.ARP_Spoofing-master包含用于发起ARP欺骗攻击的代码。 2.DDos-Attack-master包含用于发起DDos攻击的代码。 3.ICMP_Smurf_Attack-master包含用于启动ICMP Smurf攻击的代码。 4.ping_of_death-master包含用于发起ping死亡攻击的代码。 5.Python-SYN-Flood-Attack-Tool-master包含用于发起同步洪水攻击的代码。 6.replay-attack-master包含启动重放攻击的代码。 7.TCP-UDP-Flood-master包含用于发起TCP-UDP-Flooding攻击的代码。 8.U

尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由 David Lowe在1999年所发表，2004年完善总结。

基于python的淘宝购物用户行为可视化分析设计-代码，包含对用户行为分析，用户行为可视化分析代码。

基于python的大麦网自动抢票工具实现代码

python豆瓣读书爬虫

一、汉诺塔问题 1. 问题来源 　　问题源于印度的一个古老传说，大梵天创造世界的时候做了三根金刚石柱子，在一根柱子上从下往上按照大小顺序摞着64片黄金圆盘。大梵天命令婆罗门把圆盘从下面开始按大小顺序重新摆放在另一根柱子上。并且规定，在小圆盘上不能放大圆盘，在三根柱子之间一次只能移动一个圆盘。 2. 问题阐述 　　塔内有三个座A、B、C，A座上有64个盘子，盘子从上到下逐渐变大，最下面的盘子最大。目前要把A座的64个盘子从A座移到C座，并且每次只能移动一个盘子，移动过程中三个座保持大盘子在下，小盘子在上，要求输出盘子的移动过程。 二、问题解析 1. 解决方法：递归方法 2. 解题过程 　　(1)

随机森林 介绍和 python代码算法实现

for i in range(len(tables)): tb = tables[i] # 获取表格的行 tb_rows = tb.rows # 读取每一行内容 ws = wb.create_sheet("test"+str(i)) for j in range(len(tb_rows)): row_data = [] row_cells = tb_rows[j].cells # 读取每一行单元格内容 k = 1 for cell in row_cells: row_data.append(cell.text) # 单元格内容 # 设定t为当前行 t = j # c为当前行、当前列的表格的内容 c = cell.text # 判断当前格内容是否为空，若当前表格为空，则t-1取上一行的该列的值 wh

1、内容概要： 此程序是利用Python写的，打包成exe可执行程序，任何电脑直接双击运行 附带保姆级使用说明书 2、适合人群： 需要将多个文件中的每一个sheet进行合并的人群，老少咸宜，皆可下载 3、使用场景： 本程序下载完，双击即可使用，内置说明书，言简意赅

1. 这是作者花费一周的时间，使用python写出的策略迭代和值迭代强化学习算法，以一个完整的项目发布，为解决“已知马尔科夫决策过程五元组，求最优策略”这类问题提供了算法与通用框架 2. 项目采用面向对象架构和面向抽象编程，用户可以在抽象类基础上，利用继承机制，定义新的具体环境类，测试该算法的有效性。项目还给出了unittest.Testcase的测试代码。 3. 在该项目中算法名称分别对应类：ValueIterationAgent和PolicyIterationAgent(都继承自MdpAgent)，马尔科夫决策模型已知的环境抽象类MdpEnv 4. 为展示该算法的有效性，定义了一个GridWorldEnv的具体类，实现了作者博文中“在格子世界中寻宝”的最优策略的学习，并定义了一个GridWorldUI类可视化最优策略及基于最优策略的，用户可以运行住文件main.py 5. 该项目源码的最大特点是：架构合理，可维护性好，可读性强。你不断能学到这两个强化学习算法的精髓，也能够学到什么是好的python程序架构。 6.注意先阅读里面的readme.txt文件。