- 博客(602)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 Smith预估补偿控制——理论、应用与实践
本文详细阐述了 Smith预估补偿控制的基本原理、数学推导和实际应用。我们首先介绍了具有时延特性的系统模型，并说明了 Smith 补偿器如何将时延部分与无时延部分分离，从而在内部模型中实现预估补偿。通过对一阶系统的公式推导和补偿控制律的说明，我们展示了如何利用内部模型G0sG_0(s)G0s实现对控制器的设计简化，并改善系统响应。接下来，本文通过 Mermaid 图形展示了 Smith预估补偿控制系统的整体架构，帮助读者直观了解信号流与控制逻辑。
2025-04-04 07:30:00
498
原创 前馈控制与反馈控制融合算法详解及python案例分析
本文详细介绍了前馈控制与反馈控制融合的基本理论、公式推导以及工程实现中的优势与挑战。通过三个典型案例——一维动态系统、温度控制和机器人轨迹跟踪，展示了如何将预先补偿与实时反馈有机结合，从而实现系统响应速度与鲁棒性的双重提升。在理论部分，我们利用公式utufftufbtfrtKrt−ytutufftufbtfrt))Krt−yt))对融合控制策略进行了严谨的数学描述；
2025-04-04 07:00:00
635
原创 Pandas使用教程 - 金融风控模型构建
1. 读取数据# 2. 数据预处理# 3. 特征工程# 4. 数据划分# 5. 训练模型# 6. 评估模型。
2025-04-03 07:30:00
1518
原创 AWS数据分析全栈实战（Redshift+SageMaker）
order_id：订单IDdate：订单日期（YYYY-MM-DD）：客户IDsales：销售额discount：折扣率category：产品类别region：销售区域此外，还可以生成产品和客户的辅助信息。本文重点针对销售额数据构建预测模型，数据集记录数不少于50万条，以模拟真实工业级数据量。本文详细介绍了如何利用Python构建一个端到端的时间序列预测流水线，通过Prophet和ARIMA模型对电商销售数据进行预测，并利用MLflow跟踪实验，实现模型持续监控与版本管理。
2025-04-03 07:00:00
873
原创 推荐系统实战（MovieLens数据集深度实践）
user_id：用户唯一标识movie_id：电影唯一标识rating：用户对电影的评分（1-5分）timestamp：评分时间为了满足系统测试与实验需求，我们将通过程序生成模拟数据，生成记录数不少于50万条，确保数据规模足够大，以便验证模型效果和系统响应速度。本文详细介绍了如何利用Python构建一个端到端的推荐系统，通过MovieLens数据集进行深度实践。项目中我们首先模拟或加载MovieLens数据，构建用户-电影评分矩阵，并利用FeatureTools自动生成衍生特征；
2025-04-02 07:30:00
1170
原创 时间序列预测工程化（Prophet+ARIMA电商预测）
order_id：订单IDdate：订单日期（YYYY-MM-DD）：客户IDsales：销售额discount：折扣率category：产品类别region：销售区域数据集将通过模拟生成不少于50万条记录，覆盖多个产品类别和区域，确保数据量足够大，以便训练和评估模型。本文详细介绍了如何利用Python构建一个端到端的时间序列预测流水线，通过Prophet与ARIMA模型对电商销售数据进行预测。项目中首先模拟生成大规模电商销售数据，并对数据进行严格预处理和归一化；
2025-04-02 07:00:00
1351
原创 图神经网络实战（PyTorch Geometric处理学术网络）
节点数据：代表学者，每个节点包含学者ID、姓名、机构、研究领域等属性。边数据：代表合作关系或引用关系，每条边包含起始学者ID、目标学者ID、合作次数或引用次数等。通过模拟生成数据，我们可以构造一个包含至少10万节点和数百万条边的学术网络，以满足工业级大规模数据处理需求。本文详细介绍了如何利用Python构建一个端到端的图神经网络流水线，通过PyTorch Geometric处理学术网络数据，实现节点分类或链接预测任务。项目中我们首先模拟生成大规模学术网络数据，构建包含学者节点与合作边的数据集；
2025-04-01 07:30:00
799
原创 端到端机器学习流水线（MLflow跟踪实验）
客户唯一标识age：年龄gender：性别income：收入：信用评分：贷款金额default：违约标记（0表示正常，1表示违约）timestamp：记录时间通过这些数据，我们可以构建一个信用评分预测模型，并通过MLflow监控模型性能。为了模拟工业级应用，本项目生成的数据记录数不少于50万条。本文详细介绍了如何利用Python构建一个端到端的机器学习流水线，通过MLflow实现实验跟踪，自动化完成信贷数据的生成、预处理、特征工程、模型训练和评估。
2025-04-01 07:00:00
1274
原创 模型监控与漂移检测（Evidently分析模型衰退）
为了模拟在线数据流，我们构造了一个实时用户行为数据流。user_id：用户唯一标识timestamp：数据记录时间：若干数值型特征（例如用户行为、消费金额等）label：目标变量（例如点击、购买、违约等二分类结果）本项目通过模拟生成数据，使总记录数达到 50 万条，确保数据量足够大，能够充分展示在线机器学习系统在大数据环境下的表现。本文详细介绍了如何利用Python构建一个在线机器学习系统，通过River库处理实时数据流，实现在线模型训练和预测。
2025-03-31 07:30:00
564
原创 模型解释与可解释AI（SHAP分析信贷模型）
客户唯一标识age：年龄gender：性别income：收入水平：信用评分：贷款金额loan_term：贷款期限default：违约标记（0表示正常，1表示违约）：交易记录摘要（可选）timestamp：记录时间通过这些数据，我们可以构建一个丰富的信贷模型数据集，进行特征工程和模型训练。为了满足工业级数据要求，本项目生成的数据记录数不少于50万条。
2025-03-31 07:00:00
837
原创 Pandas实战篇 - 电商用户行为分析
数据预处理读取 CSV 数据、处理缺失值、数据类型转换与去重。探索性数据分析统计用户订单数、总消费金额，以及计算用户最近购买时间。RFM 分析生成 RFM 指标并对其进行标准化处理。用户分群利用 KMeans 聚类算法对用户进行分群，并通过可视化展示聚类结果。业务应用根据 RFM 分析和聚类结果，制定个性化的营销策略，提升用户留存和转化率。通过本案例，你不仅能掌握 Pandas 在电商用户行为分析中的应用，还可以利用机器学习技术对用户进行有效分群，为精准营销和用户增长提供数据支持。
2025-03-30 07:30:00
1080
原创 Pandas使用教程 - Pandas 与 TextBlob 集成
基本集成利用 Pandas DataFrame 存储文本数据，使用apply()将 TextBlob 函数应用于整个文本列，实现批量处理。常见应用情感分析：计算文本的情感极性。名词短语抽取：提取文本中的关键词和短语。词性标注：为文本中的单词添加词性标签。翻译与纠错：实现文本翻译和拼写校正（需网络支持）。最佳实践加入异常处理确保稳定运行；先在小数据集上验证逻辑，再扩展到大数据集；利用 Pandas 的向量化方法提高处理效率。
2025-03-30 07:00:00
743
原创 Pandas使用教程 - Pandas 与 Transformers 集成
数据预处理：利用 Pandas 读取和管理文本数据，为模型推理做好准备。加载模型：使用 Hugging Face Transformers 加载预训练模型和 tokenizer，实现快速文本编码与预测。批量处理：利用 tokenizer 的批量编码和模型的批量推理，实现高效数据处理，并将结果存回 Pandas DataFrame。高级应用：讨论了并行化处理、错误处理和模型微调等高级应用场景和最佳实践。
2025-03-29 07:30:00
1490
原创 Pandas使用教程 - Pandas 与 VaderSentiment 集成
情感分析基础VaderSentiment 提供了易用的情感分析接口，返回正面、负面、中性和综合得分。与 Pandas 集成利用 Pandas DataFrame 存储文本数据，并使用 apply 方法批量计算情感得分。利用自定义函数获取综合情感得分和完整情感分数，并将结果存入 DataFrame。可视化与扩展利用 Matplotlib 对情感得分进行直方图展示，分析整体情感分布。针对大规模数据，考虑并行处理和多维情感分析。
2025-03-29 07:00:00
604
原创 金融级密码管理器——密码泄露监控与自动熔断
在实际应用中，密码泄露可能由多种原因引起，如数据库泄露、弱口令攻击、内部操作失误等。一旦密码信息外泄，攻击者便可能利用这些信息发起钓鱼、远程入侵等攻击，给系统带来极大风险。实时监控密码泄露风险：通过集成外部泄露监控接口与内部日志分析，实时监控用户密码状态，发现泄露风险时及时预警。自动熔断机制：当监控系统检测到泄露风险或异常访问次数超过预设阈值时，自动触发熔断措施，暂停相关操作，保护系统安全。熔断条件:N事件≥T\text{熔断条件: } N_{\text{事件}} \geq T熔断条件N。
2025-03-28 07:30:00
864
原创 金融级密码管理器——跨设备同步的端到端加密方案
随着移动互联网和物联网设备的广泛应用，用户在手机、平板、电脑等终端间共享敏感数据已成为常态。然而，多设备同步过程中，数据的传输通道往往成为攻击者的突破口。为此，必须实现从发送端到接收端全程加密保护，即端到端加密（End-to-End Encryption, E2EE）。在E2EE方案中，即使传输链路中存在不受信任的节点，也无法获取数据明文，从而确保用户数据的安全性。设备注册与身份认证：各终端设备需要安全地进行注册和绑定，防止恶意设备加入同步网络。密钥协商与管理。
2025-03-28 07:00:00
998
原创 金融级密码管理器——抗内存扫描的密钥保险箱
在金融及高安全性场景中，密钥安全始终是系统防护的重中之重。传统内存管理模式中，密钥在内存中常以明文或低级加密形式存在，这为内存扫描、调试工具等攻击手段提供了可乘之机。密钥分割存储将完整密钥按照一定规则分割成多个片段，并分别存储在不同的内存区域，从而降低单次扫描获得完整密钥的可能性。动态内存随机化利用动态内存重定位技术，周期性地将密钥片段在内存中重新排列，打乱攻击者的预期，提升内存扫描难度。内存加密监控对存储密钥的内存区域进行加密保护，并监控是否有未经授权的访问或异常操作。
2025-03-27 07:30:00
772
原创 金融级密码管理器——生物特征密钥绑定方案
在金融级安全系统中，密钥的生成、管理和验证一直是核心问题。传统的基于密码或硬件令牌的方式往往存在密钥泄露、重放攻击等风险。而利用用户独有的生物特征作为密钥生成和绑定的输入，不仅能够降低密钥被窃取的风险，还能实现个性化、动态化的密钥管理。高度安全性：利用不可复制的生物数据生成密钥，使得攻击者难以伪造或窃取。自动化绑定：在用户认证过程中自动完成密钥的生成与绑定，提升用户体验。实时监控：通过仪表盘实时展示系统状态、认证进程和安全事件，便于安全人员及时响应。多功能集成。
2025-03-27 07:00:00
1550
原创 Pandas使用教程 - Pandas 与 NLTK 集成
本文详细介绍了如何将 Pandas 与 NLTK 集成，实现文本数据的预处理和分析。数据加载与预处理：利用 Pandas 存储文本数据，通过 NLTK 进行分词、去除停用词和词干化处理。数据转换与统计：利用 Pandas 的apply()方法结合 NLTK 进行批量文本处理，并统计词频等信息。高级应用：如情感分析、命名实体识别，为文本数据构造更多结构化特征。可视化：利用 Matplotlib 展示词频分布、情感得分等，为数据分析提供直观展示。
2025-03-26 07:30:00
915
原创 Pandas使用教程 - Pandas 与 NetworkX 集成
本文介绍了如何将 Pandas DataFrame 数据与 NetworkX 集成，实现网络图的构建、属性赋值以及网络分析。数据转换：利用将 Pandas DataFrame 转换为 NetworkX 图，并通过添加节点属性。网络分析：计算最短路径、中心性指标等，为数据探索和决策提供依据。图形可视化：结合 Matplotlib 对网络图进行绘制和定制，使结果直观易懂。最佳实践：在构建和分析过程中注意数据清洗、内存管理和图类型选择。
2025-03-26 07:00:00
1608
原创 Pandas使用教程 - Pandas 与 GeoPandas 集成
数据转换如何将包含经纬度信息的 Pandas DataFrame 转换为 GeoDataFrame。利用构造几何列，并设置合适的 CRS。文件读写使用读取地理数据文件（如 Shapefile、GeoJSON）。使用to_file()将 GeoDataFrame 写入指定格式的地理数据文件。空间数据操作投影转换：利用to_crs()将数据转换为目标坐标系。空间连接：利用sjoin()实现点与多边形的空间匹配。
2025-03-25 07:30:00
662
原创 Pandas使用教程 - Pandas 与 Folium 集成
Folium 支持自定义标记样式，如改变图标颜色、大小和形状。# 使用 CircleMarker 替换默认 Markerradius=8,fill=True,数据转换：如何利用 Pandas DataFrame 作为数据源，将数据转换为 Folium 可用的 ColumnDataSource。基础绘图：利用 Folium 创建地图、添加 Marker 和 CircleMarker，直观展示地理数据。高级定制：通过自定义图标、图层控制和交互工具，实现复杂的交互式地图展示。应用场景。
2025-03-25 07:00:00
640
原创 军事级加密通信系统——基于QML的战术地图加密传输
在现代军事和应急指挥中，战术地图作为决策的重要依据，其内容常涉及敏感地理信息、敌情分布及部署策略。为了确保数据在传输过程中的机密性与完整性，必须构建一套安全、实时且高效的加密传输系统。基于QML的战术地图加密传输模块正是在这种需求下提出的。该模块充分利用QML的高效渲染和交互能力，以及PyQt5的强大后端支持，实现战术地图的实时加载、加密、传输及展示，并结合多种安全加密算法确保数据在传输过程中不被窃取或篡改。本博客将详细解析该模块的理论基础、系统架构、加密算法及传输机制，并通过完整的Python代码展示如何
2025-03-24 07:45:00
750
原创 军事级加密通信系统——自毁消息的TEE可信执行环境
自毁消息技术指的是在消息传输和存储过程中，通过预设定时机制或条件触发，实现消息在使用后自动销毁，防止敏感信息在设备或网络中长期残留。信息保密：防止消息在传输或存储过程中被截获、复制或长期留存，降低数据泄露风险。动态安全管理：通过时间戳、访问次数等触发条件，实现动态销毁，提高系统整体安全性。用户隐私保护：保障用户的通信隐私，防止第三方窥探和信息滥用。本文详细介绍了自毁消息的TEE可信执行环境模块的设计原理和实现方法。
2025-03-24 07:30:00
1062
原创 军事级加密通信系统——语音信号混沌加密处理模块
在信息传输与通信安全领域，语音信号作为一种重要的数据形式，其传输过程中的安全性备受关注。尤其在军事、政府以及企业保密通信系统中，如何在保证语音信号实时传输的前提下，实现高强度加密，成为设计安全系统的关键难题。近年来，混沌加密技术因其天然的随机性和敏感性，成为一种颇具潜力的加密手段。语音信号混沌加密处理模块正是在此背景下应运而生，它利用混沌系统的非线性和分形结构，实现对语音信号的高效加密和解密，从而大幅提高通信系统的安全性。本文将详细介绍语音信号混沌加密处理模块的设计思路与实现方法，重点解析混沌系统在语音加密
2025-03-23 07:30:00
1227
原创 军事级加密通信系统——前向保密与后向删除协议设计
本文详细介绍了前向保密和后向删除协议的理论背景、设计原理以及系统架构，通过数学公式如Kgabmodp和KnewHashKoldVerttimestampK = g^{ab} \mod p \quad\text{和}\quad K_{new} = Hash(K_{old} \\Vert timestamp)Kgabmodp和KnewHashKoldVerttimestamp。
2025-03-23 07:00:00
992
原创 自动化机器学习（TPOT优化临床试验数据）
patient_id：患者唯一标识group：分组标签（Treatment：治疗组；Control：对照组）age：患者年龄gender：性别（Male/Female）baseline：试验前的基线指标（如血压、胆固醇等）response：治疗后的响应指标（例如血压降低幅度）outcome：试验结果（0表示无显著改善，1表示有显著改善）timestamp：数据记录时间数据生成时，我们将利用正态分布生成基线和响应数据，同时引入随机噪声模拟真实情况。
2025-03-22 07:30:00
1156
原创 特征工程自动化（FeatureTools实战）
本项目模拟生成的医疗、金融和电商等领域的原始数据，适用于自动化特征工程的场景。主数据表（Entity Table）：例如用户数据、交易数据、患者数据等。字段可能包括用户ID、年龄、性别、注册日期、消费金额、行为记录等。关联数据表（Related Tables）：例如订单数据、点击记录、诊疗记录等。多个表之间通过外键建立关联。patient_id：患者IDage：年龄gender：性别：入院日期：出院日期diagnosis：诊断结果。
2025-03-22 07:00:00
780
原创 基于WebAssembly的浏览器密码套件
在当前互联网时代，密码技术在数据加密、身份认证和信息安全等方面扮演着至关重要的角色。随着WebAssembly技术的发展，浏览器已经不仅仅是展示页面的工具，它还能运行接近原生性能的二进制代码，从而为高性能密码学算法的实现提供了新的解决方案。基于WebAssembly的浏览器密码套件可以将复杂的密码运算任务卸载到浏览器中执行，既保证了跨平台性能，又能充分利用现代浏览器的硬件加速能力。
2025-03-21 07:30:00
766
原创 密码策略合规性检查仪表盘
在企业与组织的信息安全管理中，密码策略的合规性一直是关注的焦点。合理的密码策略不仅可以防止弱密码的使用，降低密码被暴力破解的风险，还能提高整个信息系统的安全性。然而，实际运维中，密码策略往往分散在多个系统中，缺乏集中化的管理和检查工具。如何实时监控、检测并展示密码策略执行情况，成为提升整体安全性的重要环节。本博客将介绍如何利用Python和PyQt5开发一款“密码策略合规性检查仪表盘”。
2025-03-21 07:00:00
810
原创 Pandas使用教程 - Pandas 与 Altair 集成
Altair 采用声明式语法，让你可以专注于图表的设计和数据的映射，而无需关心底层绘图细节。FigurefDataFrameEncodingFigurefDataFrameEncodingwidth=500,height=400chart通过alt.X()和alt.Y()你可以设置轴的详细属性，而允许设置整体图表的尺寸和标题。本文详细介绍了如何将 Pandas DataFrame 与 Altair 集成，实现交互式、定制化的数据可视化。数据传递：通过。
2025-03-20 07:30:00
856
原创 Pandas使用教程 - Pandas 与 Bokeh 集成
数据转换：如何将 Pandas DataFrame 转换为 Bokeh 的 ColumnDataSource，从而实现数据的无缝传递。基本图表绘制：利用 Plotly Express 类似的简洁接口创建交互式图表，并添加悬停工具显示详细信息。高级定制：通过多图布局、分面图以及交互工具实现图表定制，提高数据展示的效果。动态交互：结合 Bokeh Server 构建实时更新的仪表板，支持动态数据交互。
2025-03-20 07:00:00
1353
原创 Pandas使用教程 - Pandas 与 Plotly 集成
使用 Plotly Express简洁易用，快速生成交互式图表。通过参数直接映射 DataFrame 数据，如颜色、符号和分面图等。使用 Plotly Graph Objects提供更底层的定制接口，允许精细控制图表的各个细节。支持添加注释、调整布局和修改轴刻度等高级功能。数据传递与转换Pandas DataFrame 数据可以无缝传递给 Plotly，利用 DataFrame 内的字段直接进行映射与定制。应用场景适用于数据探索、报告生成和实时数据展示等多种场景。
2025-03-19 07:30:00
664
原创 因果推断实践（DoWhy库进行政策效果评估）
DoWhy是一个用于因果推断的Python库，它整合了因果图建模、假设检验、因果效应估计和结果验证等步骤。DoWhy基于潜在结果框架，要求用户明确提出因果假设，构造因果图，再通过识别策略（如控制混杂变量）估计平均因果效应（ACE）。DoWhy支持多种估计方法，如回归调整、倾向评分匹配、工具变量等，是一种灵活且功能强大的因果推断工具。id：记录IDregion：区域或国家名称policy：政策干预变量（0表示未实施，1表示实施）confounder：混杂变量（例如经济指标、人口密度等）outcome。
2025-03-19 07:00:00
728
原创 生存分析应用（医疗开放数据预测模型）
patient_id：患者唯一标识符group：分组标签（Treatment：治疗组；Control：对照组）age：患者年龄gender：性别（Male/Female）baseline：试验前的基线指标（如血压、胆固醇等）response：治疗后的响应指标（如血压改善值）：生存时间（单位：天）：是否发生事件（1表示事件发生，如死亡；0表示删失，即未发生事件）timestamp：记录时间通过模拟生成至少50万条记录，数据将涵盖多个医疗中心和多种患者特征，从而为生存分析模型提供丰富数据支持。
2025-03-18 07:30:00
860
原创 贝叶斯分析实战（PyMC3处理临床试验数据）
在医疗和生物统计领域，临床试验数据的分析一直是一个极具挑战性的问题。与传统的频率统计方法相比，贝叶斯统计方法具有灵活性高、可以融入先验信息以及结果解释直观等优势。贝叶斯方法在处理临床试验数据时，可以通过建立概率模型来估计治疗效果，并利用后验分布进行决策支持。本项目旨在利用Python中的PyMC3库构建一个贝叶斯分析模型，对临床试验数据进行建模、参数推断及不确定性评估。我们将模拟生成大规模临床试验数据集，数据集包含患者信息、治疗组与对照组的响应数据等。通过贝叶斯建模，我们可以计算出治疗效果的后验分布、置信区
2025-03-18 07:00:00
402
原创 实时频谱分析的旁路攻击演示系统
在信息安全领域，旁路攻击作为一种侧信道攻击手段，通过捕捉设备在执行敏感操作时产生的电磁波、功耗、时序等物理信号，能够推测出设备内部的秘密数据。实时频谱分析技术可以捕捉和分析设备发射的电磁信号，并对其频谱特性进行实时展示。借助这种技术，我们可以在实验室环境下演示旁路攻击的原理，为安全研究和防御提供直观依据。传统的旁路攻击往往依赖昂贵的测量设备和复杂的数据处理，而随着数字信号处理技术和计算能力的提升，利用通用硬件和开源软件实现实时频谱分析已成为可能。
2025-03-17 07:30:00
1023
原创 硬件密钥管理可视化界面
随着数字化时代的到来，密钥管理已成为信息安全领域中至关重要的一环。硬件密钥管理（Hardware Key Management）指的是利用硬件设备（如HSM、TPM、智能卡等）对密钥进行安全生成、存储、使用和销毁，确保密钥在整个生命周期内不被窃取或篡改。硬件密钥具有物理隔离、抗侧信道攻击和抗量子攻击等优势，是金融、政府和企业级安全系统的核心技术之一。然而，传统的硬件密钥管理系统多以命令行或黑盒接口呈现，操作复杂且不直观。
2025-03-17 07:00:00
349
原创 异步密码运算线程池设计
随着互联网应用和分布式系统的迅速发展，各种复杂的密码运算任务层出不穷。例如，在数据加解密、数字签名验证、密钥交换以及多方安全计算（MPC）等场景下，密码运算任务往往需要消耗大量的计算资源。当系统面对海量数据或高并发请求时，传统的同步调用方式容易造成阻塞，降低系统响应速度。为此，异步密码运算线程池应运而生，它通过将密码运算任务放入线程池中异步执行，有效提升了系统整体的并发处理能力和运行效率。本篇博客将详细介绍异步密码运算线程池的设计思路与实现方法。
2025-03-16 07:30:00
500
原创 多维度数据透视（COVID-19全球数据分层分析）
country：国家或地区名称date：日期，格式为YYYY-MM-DDnew_cases：新增确诊病例new_deaths：新增死亡病例：新增治愈病例：累计确诊病例：累计死亡病例：累计治愈病例为了满足大规模数据分析需求，我们将通过Python模拟生成至少50万条记录的疫情数据。数据生成时会考虑不同国家疫情发展的差异，通过随机函数和正态分布生成每日新增病例数据，并累积生成总数据。此外，我们还将为不同国家随机生成区域信息，从而实现多维度数据透视。
2025-03-16 07:00:00
997
深入解析分布式遗传算法及其Python实现
2024-11-28
MySQL 数据库项目设计与实现：Python 操作与设计模式应用
2024-11-28
OpenCV 使用教程：Python 实现与设计模式应用
2024-11-28
Python 爬虫程序，并且让它能够自我纠错
2024-11-28
RSA 算法的理论基础，并以 Python 为实现语言，基于面向对象设计思想编写 RSA 加解密模块
2024-11-28
MD5 算法的理论基础、实现细节，并通过 Python 的面向对象编程风格实现其功能
2024-11-28
深入分析计算机网络的基本概念、协议、架构以及实现
2024-11-28
数据分析图绘制程序-Python GUI-数据清洗+绘图
2024-10-08
Air Robots-高级Python开发工程师面试题及答案.md
2024-10-08
高级Python开发工程师面试题及答案
2024-10-08
python实现图像处理算法GUI界面.rar
2024-08-10
python实现图像分割算法.rar
2024-08-03
python实现接缝雕刻算法-盲反卷积算法.zip
2024-07-25
python实现误差扩散、Floyd-Steinberg 抖动、有序抖动、Riemersma 抖动算法.zip
2024-07-25
python实现图像缩放算法(最近邻插值、双线性插值、双三次插值)
2024-07-20
bootstrap+flask简单实例搭建
2020-11-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人