旅行商问题，TSP问题（Travelling Salesman Problem）规约矩阵法实现，有详细注释，可以使用，结果保存在工程的txt文件中

第一章：数据结构和算法 1.1 解压序列赋值给多个变量 1.2 解压可迭代对象赋值给多个变量 1.3 保留最后N个元素 1.4 查找最大或最小的N个元素 1.5 实现一个优先级队列 1.6 字典中的键映射多个值 1.7 字典排序 1.8 字典的运算 1.9 查找两字典的相同点 1.10 删除序列相同元素并保持顺序 1.11 命名切片 1.12 序列中出现次数最多的元素 1.13 通过某个关键字排序一个字典列表 1.14 排序不支持原生比较的对象 1.15 通过某个字段将记录分组 1.16 过滤

tensorflow机器学习中常用的一些函数汇总，包括张量操作、矩阵运算、复数操作、规约计算等等

目录 基于NBA2018-2019赛季常规赛球员数据进行数据挖掘 1. 挖掘背景与目标 1.1 挖掘背景 1.2 挖掘目标 2. 分析方法与过程 2.1 分析方法（主成分分析） 2.1 分析过程 3. 获取数据 4. 数据探索性分析与预处理 4.1探索性分析 4.1.1 条形图分析 4.1.2 散点图分析 4.2 数据预处理 4.2.1 数据清洗 4.2.2 属性规约 4.2.3 数据变换 5. 构建主成分分析模型与结果分析 5.1 构建建模数据 5.2 构建模型与结果分析 5.2.1 导入数据

移动目标防御（MTD,moving target defense）是一种改变网络攻防对抗格局的技术，路径跳变则是该领域的研究热点之一。针对现有路径跳变技术，由于路径选取存在盲目性，跳变实施缺乏约束性，难以在保证网络性能的同时最大化防御收益等问题，提出基于最优路径跳变的网络移动目标防御技术。通过可满足性模理论形式化规约路径跳变所需满足的约束，以防止路径跳变引起的瞬态问题；通过基于安全容量矩阵的最优路径跳变生成方法选取最优跳变路径和跳变周期组合，以实现防御收益的最大化。理论与实验分析了该技术抵御被动