知识图谱（Knowledge Graph），在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它能为学科研究提供切实的、有价值的参考。

Neo4j数据导入与可视化

知识图谱嵌入的应用场景

融合事实信息的知识图谱嵌入——语义匹配模型

融合事实信息的知识图谱嵌入——平移距离模型

Python社交网络——NetworkX入门

可视化图布局算法简介

用户身份链接方法——DeepLink

图注意力网络(GAT) TensorFlow实现

BERT-BiLSTM-CRF命名实体识别应用

黑暗森林：知识图谱的前世今生

基于知识图谱的问答系统Demo

Aminer学术社交网络数据知识图谱构建（三元组与嵌入）

学科领域本体关系数据与可视化

Dedupe去重与实体对齐

Linux知识图谱

Python机器学习

python机器学习只适合做小规模的算法和简单神经网络，适合入门新手学习，由于Python的效率极低，一般前沿研究中不使用Python进行大数据学习。因此下面很多算法是基于Python模块编写的机器学习代码。

Python支持向量机（SVM）实例

Python机器学习房价预测 (斯坦福大学机器学习课程)

Python粒子群优化算法实现（PSO）

NLTK在python中对文字所表达的情感预测

Python机器学习与拼写检查器

Python英文搜索引擎（模糊搜索）

基于词典的社交媒体内容的情感分析（Python实现）

One-Hot编码详解与Python实现

英文字母信息熵与冗余度计算Python实现

混淆矩阵简介与Python实现

Python利用sklearn进行kmeans聚类

kmeans聚类选择最优K值python实现

Astar算法解决八数码问题Python实现（GUI）

DBSCAN聚类算法Python实现

AdaBoost简介及Python应用

LLE（Locally Linear Embedding）算法

基于LDA的文本主题聚类Python实现

深度学习与神经网络

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

卷积神经网络CNN概述上（黑白图像卷积）

卷积神经网络GoogLeNet概述

Tensor（张量）的简介与运用

TensorFlow简单卷积神经（CNN）网络实现

TensorFlow实现简单神经网络分类问题

TensorFlow双层神经网络函数拟合实例（基于Python）

TensorFlow基本语句与概念

TensorFlow手写识别入门

TensorBoard显示TensorFlow流程图

神经网络（TensorFlow）游乐场

卷积神经网络CNN概述下（RGB图像卷积与单层神经网络）

OpenCV人脸识别-静态图片与动态摄像头

NLP之word2vec简介

基于移动设备与CNN的眼动追踪技术简介

基于眼动跟踪技术的人机交互方法研究

王者荣耀AI论文：层次宏观策略模型

PyTorch入门

图注意力网络(GAT) TensorFlow实现

个人主页信息提取器

特征选择算法

特征选择( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS )，或属性选择( Attribute Selection )。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化，是从原始特征中选择出一些最有效特征以降低数据集维度的过程,是提高学习算法性能的一个重要手段,也是模式识别中关键的数据预处理步骤。对于一个学习算法来说,好的学习样本是训练模型的关键。

基于MIC（最大互信息系数）的特征选择

NSGA2算法特征选择MATLAB实现（多目标）

PSO算法特征选择MATLAB实现（单目标）

基于训练集动态代理模型的PSO特征选择算法

基于VNS及马尔科夫毯分组的高维特征选择算法

基于互信息的特征选择算法MATLAB实现

基于变长PSO的高维特征选择算法（VLPSO）概述

基于非支配排序的多目标PSO算法MATLAB实现

基于拥挤距离与变异支配的多目标PSO算法

最大相关最小冗余（mRMR）算法

Kaggle入门泰坦尼克号乘客生还预测

基于稀疏大规模矩阵的多目标进化算法简介

自然语言处理（NLP）

NLP之word2vec简介

基于WMD（词移距离）的句子相似度分析简介

基于有监督的词移距离（SWMD）简介

基于WMD（词移距离）的句子相似度分析MATLAB代码

基于LDA的文本主题聚类Python实现

BERT-BiLSTM-CRF命名实体识别应用

个人主页信息提取器

演化计算算法

演化计算是模拟自然界中的生物的演化过程产生的一种群体导向的随机搜索技术和方法。

基本算法

进化（演化）计算概述

基于粒子交互学习策略的PSO算法（IIL-PSO）

粒子群优化（PSO）算法概述

Python粒子群优化算法实现（PSO）

基于柯西和高斯分布的单目标PSO

基于三重竞争机制的PSO算法（CSO）

多目标CSO算法（MOCSO）理解

基于训练集动态代理模型的PSO特征选择算法

基于非支配排序的多目标PSO算法

演化计算基本方法与**

基于量子遗传的函数寻优算法MATLAB实现

人工鱼群算法MATLAB实现

蚁群算法（ACO）最短路径规划（MATLAB）

蚁群算法（ACO）MATLAB实现

蚁群算法（ACO）旅行商问题（TSP）路径规划MATLAB实现

蚁群算法最短路径规划多出口情况及问题答疑

基于非支配排序的多目标PSO算法MATLAB实现

基于拥挤距离与变异支配的多目标PSO算法

进化计算中基于分类的预处理代理模型

遗传算法解决TSP问题MATLAB实现（详细）

基于进化计算的NP难题求解的研究综述

基于迭代局部搜索和随机惯性权重的BA算法MATLAB实现（ILSSIWBA）

NSGA2算法

NSGA-II多目标遗传算法概述

NSGA2算法MATLAB实现（能够自定义优化函数）

NSGA2算法特征选择MATLAB实现（多目标）

NSGA-Ⅱ算法Matlab实现（测试函数为ZDT1）

NSGA-Ⅱ算法C++实现（测试函数为ZDT1）

NSGA-II快速非支配排序算法理解

随机固定分组合作协同进化NSGA2算法（CCNSGA2）

遗传算法的交叉变异详解

遗传算法解决TSP问题MATLAB实现（详细）

MATLAB遗传算法工具箱简介

粒子群优化算法（PSO）

MATLAB粒子群优化算法实现（PSO）

粒子群优化（PSO）算法概述

Python粒子群优化算法实现（PSO）

随机固定分组合作协同进化PSO算法（CCPSO）

PSO算法特征选择MATLAB实现（单目标）

基于柯西和高斯分布的单目标PSO

PSO算法的改进策略

蚁群算法（ACO）

蚁群算法（ACO）最短路径规划（MATLAB）

蚁群算法（ACO）MATLAB实现

蚁群算法（ACO）旅行商问题（TSP）路径规划MATLAB实现

蚁群算法最短路径规划多出口情况及问题答疑

蝙蝠算法

经典蝙蝠算法MATLAB实现

基于迭代局部搜索和随机惯性权重的BA算法MATLAB实现（ILSSIWBA）

其它算法

模拟退火算法（SAA）C语言与MATLAB实现

变邻域搜索算法（Variable Neighborhood Search,VNS）

基于稀疏大规模矩阵的多目标进化算法简介

协同进化/演化算法

协同演化算法(coevolutionary algorithms,CEA)是当前国际上计算智能研究的一个热点,它运用生物协同演化的**,是针对演化算法的不足而兴起的,通过构造两个或多个种群,建立它们之间的竞争或合作关系,多个种群通过相互作用来提高各自性能,适应复杂系统的动态演化环境,以达到种群优化的目的。

合作协同进化算法概述（Cooperative Coevolution）

广义协同进化算法概述

合作协同进化详解及伪代码

随机固定分组合作协同进化NSGA2算法（CCNSGA2）

随机固定分组合作协同进化PSO算法（CCPSO）

差分分组合作协同进化MATLAB代码

差分分组的合作协同进化的大规模优化算法概述

差分分组的合作协同进化的大规模优化算法详解

多目标协同进化算法概要