split-merge程序的c++版本。显示了分裂过程和结果。加载和显示图片，显示分裂过程，用到了opencv3.1的库。核心算法全部用c++编写。个人根据书中的思路编写，求轻喷。

电脑分屏工具，可以动态管理你的窗口，适合开发工具者

大数据-算法-随机人口系统解的存在性和Split-stepθ算法.pdf

NULL 博文链接：https://dingchao-lonton.iteye.com/blog/1669547

这项工作涉及通过核范数最小化从其低维投影中恢复低秩矩阵。 % 最小化 ||X||*（Z 的核范数） % 受制于 A(X) = Y 我们同样使用分裂 Bregman 算法。 % 最小化 (lambda1)||W||* + 1/2 || A（X）-y || _2 ^ 2 + eta / 2 || WX-B1 ||_2^2 %W 是代理变量，B1 是 Bregman 变量Bregman技术的使用提高了我们算法的收敛速度，并给出了更高的成功率。 此外，即使对于少量线性测量可用的情况，重建的准确性也要好得多。

修补 patchfy可以按给定的补丁单元大小将图像拆分为可重叠的小补丁，并将补丁合并为原始图像。 该库提供两个功能： patchify和unpatchify 。 安装 pip install patchify 用法 将图像分割为补丁 patchify(image_to_patch, patch_shape, step=1) 2D图像： #This will split the image into small images of shape [3,3] patches = patchify ( image , ( 3 , 3 ), step = 1 ) 3D图片： #This will split the image into small images of shape [3,3,3] patches = patchify ( image , ( 3 , 3 , 3 ), ste

在上一篇博文Python数据分析（8）—-用python实现数据分层抽样中，实现了实验数据的抽取，那么在本文中，将用上述抽取到的数据进行实验，也就是用决策树进行分类。 在讲解实际的决策树分类之前，需要介绍一下决策树分类的sklearn中决策树模型参数释义： ''' scikit-learn中有两类决策树，它们均采用优化的CART决策树算法。 （1）回归决策树：DecisionTreeRegressor() （2）分类决策树：DecisionTreeClassifier() ''' from sklearn.tree import DecisionTreeRegressor ''' 回归决策树

将csv自动切分，按长度定距自动切割，分割成数个csv文件

Android boot.img解包/打包工具集，具体的使用方式可以参考README。

flutter build apk --split-per-abi 可以打包生产可安装在不同CPU设备上的apk