- 博客(45)
- 收藏
- 关注
RSS订阅原创 基于Python Excel的自动化接口测试工具
基于Python Excel的自动化测试工具搞小工具是一件挺有趣味的一件事情，尤其是还能提高工作效率的时候，这里简要介绍下基于python和excel的自动化接口测试小工具。流程：python 解析Excel文件（方便别人使用），读取配置，请求常量 校验规则等。python 进行case读取，依次调用接口测试。输出测试报告文档和统计。一般而言，对接口测试 的配置项如下：4. 状态...
2019-09-30 15:24:53
611
原创 自我反思
新的学期开始，是时候反思总结一下自己这一年多的经历，砥砺前行了。 作为一个想转向互联网行业的非计算机本科和非计算机研究生，找工作转行是我最大的目标。一年来，可以说一路坎坎坷坷，没有得到最想要的，但收获的也还好。还有半年时间，当调整战略，为秋招做准备。 首先，值得欣慰的是，过去的一年时光，得到了一些收获与进步： 1. 实验室的事情处理的还不错，解决了简单的电子、软件项目，对机器视觉、嵌入式有...
2018-02-25 13:39:14
1530
2
原创 Python数据结构之二叉树（涵盖了构建、删除、查找、字典转换、非递归与递归遍历等）
MyTree.py#coding=utf-8import mathclass BinTree: def __init__(self): self.root=None def is_empty(self): return self.root is None def get_root(self): return self.root
2017-11-08 11:59:47
1083
原创 Python数据结构之二叉排序树
SortTree.py#coding=utf-8#二叉排序树class TreeNode: def __init__(self,data,left=None,right=None): self.data=data self.left=left self.right=rightclass SortTree: def __init__(
2017-11-08 11:57:36
932
原创 Python数据结构之哈夫曼树
HaffMan.py#coding=utf-8#考虑权值的haff曼树查找效率并非最高,但可以用于编码等使用场景下class TreeNode: def __init__(self,data): self.data=data self.left=None self.right=None self.parent=Nonecla
2017-11-08 11:55:56
2028
原创 非线性优化之牛顿（梯度）下降法、高斯牛顿法、LM下降法
本质都是基于梯度下降法。 牛顿法： 依赖于Hessen矩阵非奇异，收敛较快 高斯 牛顿法：依赖二阶项的jacobian 解决了Hessen非奇异的问题，收敛相对慢 LM下降法：表现是使用一个因子拟合牛顿和高斯牛顿法#coding=utf-8from numpy import *import sympydef Hessen(f,x,x_value): #行 列表示Hesse矩
2017-10-29 21:41:30
1926
1
原创 Machine Learning 之 SVM实现（个人认为最好的算法）
SVM.py#coding=utf-8""" 主要思想及算法流程来自李航的《统计学习方法》 《理解SVM的三重境界》 yi={1,-1} 难点： KKT条件 SMO算法"""import timeimport randomimport numpy as npimport mathimport copya=np.m
2017-10-29 21:12:19
16102
5
原创 Machine Learning 之 LOF离群点检验
#coding=utf-8#本质是基于密度的检测 缺点：计算量巨大#优化 重复点计算import mathprint sorted([1,3,2])[:1],[1,3,2][1:]class LOF: def __init__(self,data,k,threshold): self.data=data self.k=k self.th
2017-10-29 21:09:46
1119
原创 Machine Learning 之简单绘制决策树
#encoding:utf-8##基本绘图#import numpy as npimport cv2import cv2.cv as cvclass Parent: def __init__(self,k,d): self.k=k self.d=dclass DrawTree: def __init__(self,
2017-10-29 21:08:21
228
原创 Machine Learning 学习 之 C4.5
#coding=utf-8#每个类先事先划分属性 数据结构定义为[[[类1，类2，...],结果],...(样本n)]#ID3算法 比较最大增益 增益越大 说明该分类器商相对越小#,分类越显著（概率比越大，类别对结果的影响越大）"""上面为了简便，将特征属性离散化了，其实日志密度和好友密度都是连续的属性。对于特征属性为连续值，可以如此使用ID3算法：先将D中元素按照特征属性排序，则每两
2017-10-29 21:06:27
296
原创 Machine Learning 学习之决策树 ID3树
#coding=utf-8#每个类先事先划分属性 数据结构定义为[[[类1，类2，...],结果],...(样本n)]#ID3算法 比较最大增益 增益越大 说明该分类器商相对越小#,分类越显著（概率比越大，类别对结果的影响越大）"""上面为了简便，将特征属性离散化了，其实日志密度和好友密度都是连续的属性。对于特征属性为连续值，可以如此使用ID3算法：先将D中元素按照特征属性排序，则每两
2017-10-29 21:05:38
254
原创 数值分析 函数逼近
通过复杂高维函数的近似替代进行计算量简化 general.py#coding=utf-8import sympyfrom sympy import integrateimport numpy as npimport mathfrom matplotlib import pyplot as plt#函数逼近的简单算法#拟合优度的判定方法 对于数据集 dataset：{x：y} 看 R
2017-10-29 20:56:15
2108
原创 数值分析之 拉格朗日插值、牛顿插值、分段线性插值实现
1、拉格朗日插值法考虑全局信息的比较经典的插值方法，编程简单，计算量大。#coding=utf-8from matplotlib import pyplot as pltdef Lg(data,testdata): predict=0 data_x=[data[i][0] for i in range(len(data))] data_y=[data[i][1] for i
2017-10-29 20:52:41
8186
原创 Machine Learning 学习之神经网络（1）
BP神经网络是机器学习的重要研究方向 也是深度学习的基石 先上效果图功能如下：可视化神经网络拓扑关系 可视化权值 偏置值 测试结果曲线测试 预测 归一化数据 等功能可选择的激活函数 动量因子 batch size性能指标和误差指标 训练时可见模型加载保存Net.txtNetrules:rulesRandom ***Layer 0 *****typ:
2017-10-22 10:26:39
211
原创 Arduino 单片机之 ESP8266模块使用
Esp8266 Wifi模块 优点： 1. 价格便宜 2. 体积小 Esp8266 缺点： 1. 冗余单片机应答信号过多 导致在处理能力不够的单片机上运行速度慢 2. 丢包率相对较高 3. Github库不多 实测大多不能用 该模块支持 TCP、UDP和双工模式，但TCP 协议传输速率很低，在多机WIFI实时通信中 采用UDP更加合理下面给出我开发的WIFI封装库程序：
2017-10-22 09:44:09
4889
原创 Arduino 单片机之SD卡函数封装
Arduino 官方的SD卡库 使用起来体验很差主要表现为：每次使用重新进行初始化 不能保留多个文件代码冗余这里对此进行了优化首先是 sdsun.h(内容不多就全写在头文件里了)int sd_t=1;File root;File myFile;String ss;int printDirectory(File dir, int numTabs);void setSD();voi
2017-10-22 09:32:11
1484
原创 Machine Learning学习之岭回归
最小二乘法#coding=utf8from numpy import *class Min2c: def __init__(self,data): self.data=data self.result=self.__min2c() def __min2c(self): self.Y=mat([self
2017-10-21 14:00:14
264
原创 空间亚线性算法
#coding=utf8import randomdef deleteElem(valueList,numList): V=[] L=[] for k in range(len(numList)): numList[k]-=1 if numList[k]!=0: V.append(
2017-10-21 13:57:59
840
3
原创 MachineLearning 学习之fisher判别
import numpy as npfrom scipy.linalg import solveclass Fisher: def __init__(self,data,clas,inpu): self.data=data self.clas=clas self.inpu=inpu self.result=self.__get
2017-10-21 13:56:00
255
原创 Machine Learning 学习之朴素贝叶斯
#coding=utf8class Bayes: def __init__(self,data,inpu): self.data=data self.inpu=inpu self.lable=[self.data[i][1] for i in range(len(self.data))] self.score,self.res
2017-10-21 13:53:21
189
原创 Machine Learning 学习 之 Qleaning 学习
学习改编自 莫烦Python Qlearning学习教程import numpy as npimport timenp.random.seed(2) # reproducibleN_STATES = 6 # the length of the 1 dimensional worldACTIONS = ['left', 'right'] # available actionsE
2017-10-21 13:52:24
331
原创 Machine Learning 学习 之 Kmeans 笔记
#coding=utf8''' 算法流程： 输入：k, data[n];（1） 选择k个初始中心点，例如c[0]=data[0],…c[k-1]=data[k-1];（2） 对于data[0]….data[n], 分别与c[0]…c[k-1]比较，假定与c[i]差值最少，就标记为i;（3） 对于所有标记为i点，重新计算 c[i]={ 所有标记为i的data[j]之和}/标记为i 的个数
2017-10-21 13:43:48
145
原创 Machine Learning学习之 系统（层次）聚类法
#coding=utf8''' 1、定义距离 计算两个样品的距离，最开始每一个自成一类 2、找出非对角线最小元素，合并一类 3、递推，构造新矩阵 重复2的过程 4、重复2、3 直到所有元素都被合并'''import timeimport mathimport typesclass HCM: def __init__(self,data):
2017-10-21 13:42:00
296
原创 Machine Learning 笔记之KNN算法
#coding=utf8#data 为 [[data],class] 形式import mathclass trainSet: def __init__(self,data,clas): self.Data=[] for i in range(len(clas)): self.Data.append([data[i],clas[i]
2017-10-21 13:40:32
225
原创 Machine Learning笔记 之 关联项挖掘
#coding=utf-8#由频繁项集 推出规则 两个条件'''设定阈值：1、频繁阈值2、置信度阈值 剪枝策略： 1、项集频繁 则子项集频繁 2、项集非频繁 项集超集非频繁 以此进行剪纸搜索支持度 个数1->2,3s(1,2,3)/s(1)置信度 支持度/总的支持度置信度大的为规则'''class Apr: def __in
2017-10-21 13:38:54
183
原创 基于python的简单 RSA算法实现
import mathp=3q=17N=p*qr=(p-1)*(q-1)print rdef getED(r): e=0 d=0 flag=0 i=0 while(flag==0): i=i+1 su=i*r+1 for j in range(2,su): if j%2!=0 an
2017-09-04 14:42:05
787
原创 计算主机远程 屏幕监控程序
主要作用 解决远程主机计算平台（深度学习）监视问题解决方案 使用poplib，smtplib进行邮件解析，使用一个临时的pickle持久化文件记录当前保存了什么，如果有更新，则执行命令。（这里只实现了截屏（当然也可以使用opencv录制视频），对于linux 进入到 sudu 控制权限后，可以自主执行更多命令）具体代码及注释# -*- coding: utf-8 -*-import po
2017-09-04 14:38:21
1128
原创 Python 实现 深度学习图片爬虫、以及批量处理工具
主要是作为深度学习Caffe SSD 数据预训练的工具#coding=utf-8import sysfrom PyQt4.QtCore import *from tform import *from PyQt4.QtGui import *import osqtCreatorFile = "zhixi.py" # Enter file here.#Ui_MainWindow, QtBa
2017-09-04 14:13:33
1492
原创 基于openCV和PythonSMTP的天眼系统
这个小系统是把两个简单功能组合到了一起。 先讲一下算法大致的思路： 首先是openCV不断检测，当检测到有像素变化且大于一定阈值时，更新状态队列，如果该队列list的最近5次有3次检测到异常，就捕捉照片，再使用Python SMTP发送邮件到指定邮箱。 几个注意的地方： 1、程序名 不能为 email.py 2、发送文字内容不能为 test、测试等 3、时间触发、照片限制、阈值设置在程序
2017-06-05 00:14:01
823
原创 基于Java Processing的仿真程序界面设计开发
这个主要是自己的一个项目的一部分内容，该项目已申请专利。 前面主要是姿态结算、传感器校准算法等，不是讨论的重点，等专利授权可以展开简单讲一下原理。这里，只讨论其中的一个附件。 下面介绍一下Processing：1、最大的好处是 开源开源开源，相比于破解版Matlab、LabView 2、在可视化解决方案中，Processing做Demo效率最高，我手写QT双缓冲绘图并不如Processing的
2017-06-04 23:21:50
1911
原创 近期计划
next plan1\Java Processing 2\Picture processing PROGRAM 3\SLAM 4\Machine learning
2017-04-27 18:44:22
205
原创 基于SIFT光流法的速度识别与位移检测
基于SIFT+python光流算法的速度识别与位移检测首先 还是先科普一下SIFT吧 很简单的说，因为不喜欢讲太多blabala没用的话首先 数字图像是什么？A good Question。数字图像不过是数字矩阵，常用的有HSV、HSI、UAV、RGB以及灰度等。这些，统统不重要，他们不过是三维/二维矩阵而已。640*480的图像，共有那么多的像素点。每一个点用什么代表？灰度就是0-25
2017-01-22 14:49:31
7208
4
原创 Python豆瓣爬虫
豆瓣爬虫代码这里是爬去豆瓣图书的，修改一下爬什么电影/音乐应该很easy架构：1、urlib request使用，浏览器header伪装（随机从不同header选择），汉字代码解码我认为本人做得比较好的2、ip地址爬取，豆瓣查ip访问统计的，同一ip访问次数多就封掉，因此，我们使用代理。为了不被封，我们使用不同的代理ip，但是如何获得？我们去爬ip，用爬到的ip再去爬ip。如此循环，完美。3、re表
2017-01-15 11:37:40
957
原创 Python 栈和队列
Python 栈和队列1、Python栈的实现#encoding=UTF-8'''Created on 2016年9月25日@author: sx'''class Stack(): def __init__(self,lenth): self.stack=[] self.max=lenth self.top=len(self.stack
2017-01-15 11:11:31
232
原创 Python单链表
Python 单链表#encoding=UTF-8'''Created on 2016年9月25日@author: sx'''class Node(object): def __init__(self,value): self.value=value self.next=None def getvalue(self): retu
2017-01-15 11:00:24
273
原创 Python顺序链表
Python顺序链表顺序链表#encoding=UTF-8class SXlist(): def __init__(self,max): self.maxlenth=max self.data=[] self.lenth=len(self.data) def add(self,key): self.lent=l
2017-01-15 10:59:05
415
原创 图搜索之基于Python的迪杰斯特拉算法和弗洛伊德算法
图搜索之基于Python的迪杰斯特拉算法和弗洛伊德算法Djstela算法#encoding=UTF-8MAX=9'''Created on 2016年9月28日@author: sx'''b=999G=[[0,1,5,b,b,b,b,b,b],\ [1,0,3,7,5,b,b,b,b],\ [5,3,0,b,1,7,b,b,b],\ [b,7,b,0,2,b,3,b,
2017-01-15 10:41:04
986
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人