GitPlanet

Cheap and reliable Node.js hosting starts at $3/month, and $1/month static HTML hosting

Created with love in Canada, visit hostnodejs.com today

Feel like to post an Ad? Learn Details
All Projects → PassByYou888 → zAnalysis

PassByYou888 / zAnalysis

Licence: GPL-3.0 license
zAnalysis是基于Pascal语言编写的大型统计学开源库

Programming Languages

pascal
1382 projects
HTML
75241 projects
SourcePawn
201 projects
C++
36643 projects - #6 most used programming language
assembly
5116 projects
PHP
23972 projects - #3 most used programming language

Labels

windowslinuxarmh264analysismachinempegpcalearnsiftldafeaturerasterizationhogyuvbfgslearn-pascaly4m

Projects that are alternatives of or similar to zAnalysis

Isl Python
Solutions to labs and excercises from An Introduction to Statistical Learning, as Jupyter Notebooks.
Stars: ✭ 108 (+107.69%)
Mutual labels:  pca, lda
Msmbuilder
🏗 Statistical models for biomolecular dynamics 🏗
Stars: ✭ 118 (+126.92%)
Mutual labels:  analysis, pca
Parameters
📊 Computation and processing of models' parameters
Stars: ✭ 181 (+248.08%)
Mutual labels:  pca, feature
NMFADMM
A sparsity aware implementation of "Alternating Direction Method of Multipliers for Non-Negative Matrix Factorization with the Beta-Divergence" (ICASSP 2014).
Stars: ✭ 39 (-25%)
Mutual labels:  pca, lda
deepvis
machine learning algorithms in Swift
Stars: ✭ 54 (+3.85%)
Mutual labels:  pca, lda
Machine Learning With Python
Python code for common Machine Learning Algorithms
Stars: ✭ 3,334 (+6311.54%)
Mutual labels:  pca, lda
fit
Fusion ICA Toolbox (MATLAB)
Stars: ✭ 13 (-75%)
Mutual labels:  analysis, pca
Facerecognition
Implement face recognition using PCA, LDA and LPP
Stars: ✭ 206 (+296.15%)
Mutual labels:  pca, lda
Reverse Engineering Tutorials
Some Reverse Engineering Tutorials for Beginners
Stars: ✭ 217 (+317.31%)
Mutual labels:  arm, analysis
Raspberry Pi Os
Learning operating system development using Linux kernel and Raspberry Pi
Stars: ✭ 11,000 (+21053.85%)
Mutual labels:  arm, learn
ml
经典机器学习算法的极简实现
Stars: ✭ 130 (+150%)
Mutual labels:  pca, lda
Quick-Data-Science-Experiments-2017
Quick-Data-Science-Experiments
Stars: ✭ 19 (-63.46%)
Mutual labels:  pca, lda
Udacity-CarND-Vehicle-Detection-and-Tracking
Term 1, Project 5 - Udacity Self Driving Car Nanodegree
Stars: ✭ 20 (-61.54%)
Mutual labels:  hog, yuv
Patternrecognition matlab
Feature reduction projections and classifier models are learned by training dataset and applied to classify testing dataset. A few approaches of feature reduction have been compared in this paper: principle component analysis (PCA), linear discriminant analysis (LDA) and their kernel methods (KPCA,KLDA). Correspondingly, a few approaches of classification algorithm are implemented: Support Vector Machine (SVM), Gaussian Quadratic Maximum Likelihood and K-nearest neighbors (KNN) and Gaussian Mixture Model(GMM).
Stars: ✭ 33 (-36.54%)
Mutual labels:  pca, lda
Memflow
physical memory introspection framework
Stars: ✭ 149 (+186.54%)
Mutual labels:  analysis, machine
Machine-Learning-Models
In This repository I made some simple to complex methods in machine learning. Here I try to build template style code.
Stars: ✭ 30 (-42.31%)
Mutual labels:  pca, lda
knime-r
KNIME Interactive R Statistics Integration
Stars: ✭ 18 (-65.38%)
Mutual labels:  analysis, machine
zeptoforth
A not-so-small Forth for Cortex-M
Stars: ✭ 70 (+34.62%)
Mutual labels:  arm
Feature-Detection-and-Matching
Feature Detection and Matching with SIFT, SURF, KAZE, BRIEF, ORB, BRISK, AKAZE and FREAK through the Brute Force and FLANN algorithms using Python and OpenCV
Stars: ✭ 95 (+82.69%)
Mutual labels:  sift
vamp-aubio-plugins
aubio plugins for Vamp
Stars: ✭ 38 (-26.92%)
Mutual labels:  analysis
View All Similar Projects ➔

zAnalysis是什么？

zAnalysis是基于Pascal语言编写的大型统计学开源库，它不依赖于任何三方库，并且可以跨平台和并行化计算

zAnalysis不限制你的任何商业用途和拷贝，包括二次开发

注意区分

zAI是机器视觉的人工智能方向项目 https://github.com/PassByYou888/zAI

zVision偏向纯粹的机器视觉 https://github.com/PassByYou888/zVision

zAnalysis偏向数据统计 https://github.com/PassByYou888/zAnalysis

zChinese是正在完善中的NLP项目 https://github.com/PassByYou888/zChinese

开发平台支持

  • Delphi及IDE要求：Delphi Rad studio XE10.2.1 or Last
  • FPC编译器支持:FPC3.0.4 or last,可参看本项目随附的IOT入手指南将FPC升级至github最新的版本
  • CodeTyphon 6.0 or last（尽量使用Online更新到最新的Cross工具链+相关库）

平台支持，test with Delphi 10.3 update 2 and FPC 3.0.4

  • Windows: delphi-CrossSocket(C/S OK), delphi-DIOCP(C/S OK), delphi-ICS(C/S OK), delphi-Indy(C/S OK),delphi+fpc Synapse(C/S OK)
  • Android:Indy(C/S OK), CrossSocket(Only Client)
  • IOS Device: Indy(C/S OK), CrossSocket(Only Client)
  • IOS Simulaor: n/a
  • OSX: Indy(C/S OK)，ICS(未测试), CrossSocket(C/S OK)
  • Ubuntu16.04 x64 server: Indy(C/S OK), CrossSocket(C/S OK)
  • Ubuntu18.04 x86+x64 Desktop:only fpc3.0.4 Synapse(C/S OK)
  • Ubuntu18.04 x86+x64 Server:only fpc3.0.4 Synapse(C/S OK)
  • Ubuntu18.04 arm32+arm neon Server:only fpc3.0.4 Synapse(C/S OK)
  • Ubuntu18.04 arm32+arm neon desktop:only fpc3.0.4 compile ok,no test on run.
  • Ubuntu16.04 Mate arm32 desktop:only fpc3.0.4 compile ok, test passed
  • Raspberry Pi 3 Debian linux armv7 desktop,only fpc 3.0.4,test passed.
  • wince(arm eabi hard flaot),windows 10 IOT,only fpc 3.3.1,test passed.

CPU架构支持，test with Delphi 10.3 update 2 and FPC 3.0.4

  • MIPS(fpc-little endian), soft float, test pass on QEMU
  • intel X86(fpc-x86), soft float
  • intel X86(delphi+fpc), hard float,80386,PENTIUM,PENTIUM2,PENTIUM3,PENTIUM4,PENTIUMM,COREI,COREAVX,COREAVX2
  • intel X64(fpc-x86_64), soft float
  • intel X64(delphi+fpc), hard float,ATHLON64,COREI,COREAVX,COREAVX2
  • ARM(fpc-arm32-eabi,soft float):ARMV3,ARMV4,ARMV4T,ARMV5,ARMV5T,ARMV5TE,ARMV5TEJ
  • ARM(fpc-arm32-eabi,hard float):ARMV6,ARMV6K,ARMV6T2,ARMV6Z,ARMV6M,ARMV7,ARMV7A,ARMV7R,ARMV7M,ARMV7EM
  • ARM(fpc-arm64-eabi,hard float):ARMV8，aarch64

关于IoT平台的开发测试机：本文提及到的IOT开发板都可以通过网购获取，自己动手diy Linux需要一定的耐心，懒人建议使用CodeTyphon，或则直接apt安装内置的fpc+Lazarus

指标

暂无指标统计程序

zAnalysis支持哪些功能

神经网络支持 Test Pass

  • 动态KD空间树支持(纯数组的非链表计算内核，支持并行化查找，内置临近K聚类，只支持双浮点)
  • 高速静态KD空间树支持(纯数组的非链表计算内核，支持并行化查找，内置临近K聚类，支持8种整型和浮点变量类型)
  • 临近k聚类支持
  • LBFGS-大规模拟牛顿法(支持并行化，支持神经网络集成)
  • 非线性最小二乘法(牛顿法进阶版本，支持并行化，支持神经网络集成)
  • 随机森林决策树学习
  • 评定模型的逻辑回归
  • 蒙特卡罗抽样学习
  • 图片采样：主成分采样，线性判定采样，灰度反走样，矩阵采样
  • 神经网络多层感知器
  • 卷积计算二次开发支持
  • 分类器支持
  • 因变量支持

正太分布检测 Test Pass

  • F检测
  • 二项式化分布检测
  • 方差分布检测
  • t分布检测
  • 皮尔逊分布检测
  • 斯皮尔曼分布检测

正太分布计算 Test Pass

  • 正太分布函数
  • 泊松分布
  • F分布
  • 二项式化分布支持计算
  • 方差分布计算
  • t分布计算
  • 皮尔逊分布
  • 斯皮尔曼分布
  • Jarque-Bera检验计算
  • 曼-惠特尼U检验计算
  • 威尔科克森符号秩检验计算

基础视觉库 Test Pass

  • sift高斯金字塔及sift特征匹配支持
  • HOG梯度方向直方图及特征匹配
  • 图片相似性相关：基于方差图采样(分别支持PCA主成分分析与LDA线性判别分析，这里的方差图采样不是梯度方差图)
  • 图片相似性相关：基于皮尔逊,斯皮尔曼,k空间的相似性查找
  • 最小走样化缩放技术（高斯平滑缩放，灰度缩放，快速平滑缩放）
  • 光栅库不需要任何外部底层api支持，天然工作于系统内存中，并且平台无关性
  • 光栅库内核支持并行化框架
  • 光栅库支持JpegLS无损压缩(灰度，RGB，RGBA)
  • 光栅库支持BRRC梯度压缩，支持哈夫曼压缩
  • 光栅库支持顶点渲染
  • 光栅库支持平台无关性的字体系统
  • 光栅库支持面向H264及YUV2MPEG的视频打包
  • 光栅库支持AGG高保真像素系统

数据库集成 Test Pass

  • 内置ZDB本地数据库，ZDB可以作为大型数据库的伴侣数据库，为项目提供统计学支持
  • 内置ZDB内存数据库支持
  • ZDB可以轻松改造成网络数据库后台，并且能基于zServer项目轻松搭建机器学习的后台框架

其它支持

  • 100%兼容linux桌面开发(fpc方向)
  • ffmpeg待支持（平台无关性）
  • 小型渲染引擎支持（平台无关性，支持并行化渲染，支持多线程渲染，支持所有运行平台）
  • zSound音频库支持（平台无关性，支持播放音乐，音效，混音等等功能）
  • 提供快速存储与恢复，可以动态读取，计算结果，无需训练
  • 部分数据格式可以兼容MATLAB
  • 机器学习状态可以导出成Json格式
  • 以匿名函数方式训练(匿名函数只能工作于Delphi开发平台，不支持fpc)
  • 安全浮点运算
  • 安全动态数组处理
  • 后台HPC服务器运算支持
  • 工具集

面向未来支持的补完计划

  • 完善使用文档和Demo
  • 金融领域数据统计和分析的傻瓜支持
  • 中小型企业级数据统计和分析的傻瓜支持
  • 在游戏领域使用机器学习
  • 自然语言处理的傻瓜支持(完善中，请参见我的开源项目 https://github.com/PassByYou888/zChinese)
  • 加强视觉库的傻瓜支持(物体识别支持，人脸识别支持，请参考我的AI项目 https://zpascal.net)
  • 对第三方大数据源支持(例如google提供的大数据源，请参考我的AI项目 https://zpascal.net)
  • 可二次开发的模型化机器学习平台(请参考我的AI项目 https://zpascal.net)
  • 分布式云服务器计算后台(https://github.com/PassByYou888/ZServer4D)
  • 提供plot二维可视化图形api(光栅库已经加强，下一版本将提供模型呈现系统)

编译注意事项

首次编译前，先运行Source\MemoryRaster_DefaultFont_build.bat，生成一次字体库

默认环境下，光栅引擎不支持中文，假如要使用中文，请用字体工具重新生成一次中文字体库（让它包含GBK字符集）

在Source中的子目录，均对开发或则运行平台有所要求

  • source\DrawInterfaceInFMX，必须使用delphi+fmx才能进行编译，运行平台支持ios,android,osx,windows，不支持linux
  • source\SoundInterfaceInFMX，，必须使用delphi+fmx才能进行编译，运行平台支持ios,android,osx,windows，不支持linux
  • source\SoundInterfaceInBass，bass是平台无关性(fpc+delphi+所有操作系统)，详见zSound开源工程的部署方法 https://github.com/PassByYou888/zSound

在Source中的所有库均为平台无关性支持

  • source中的所有*.pas均为平台关性，包括编译器fpc+laz与delphi的支持，包括各个系统环境的支持，均能无关性

编译和开发基于Linux桌面的机器学习应用是fpc方向，需要搭建环境，请参看文档

  • Linux桌面开发指南.pdf

在linux或则fpc编译器出来的应用启动缓慢的解决办法

  1. 解决办法1：自行外挂一个内存管理单元，比如TCMAlloc
  2. 解决办法2：使用字体工具，将字体库改小（不创建BGK字符集），重新生成字体库
  3. 解决办法3：将 https://github.com/PassByYou888/zRasterization/Source 中的所有文件copy到zAnalysis/Source中覆盖

在Windows中使用高速d2d绘图请参看文档

  • 在苹果和安卓手机平台中让DrawEngine在FMX中加速工作.docx

使用问题请加在互助qq群490269542

请不要直接加作者，谢谢大家

by 2018-4

Note that the project description data, including the texts, logos, images, and/or trademarks, for each open source project belongs to its rightful owner. If you wish to add or remove any projects, please contact us at [email protected].