php-beast是一个源码加密模块，使用这个模块可以把PHP源码加密并在此模块下运行。 PHP源码加密工具(php-beast)php7版主要支持PHP7，选择php7分支然后编译安装即可。 使用方法： 1）安装 $ wget https://codeload.github.com/liexusong/php-beast/zip/php7 $ unzip php-beast-php7.zip $ cd php-beast-php7 $ phpize $ ./configure $ sudo make && make install 2）修改php.ini 添加配置：extension=beast.so 3）重启服务器php-fpm 4）加密PHP文件 使用模块提供的beast_encode_file($input_file, $output_file);来加密文件，$input_file为要加密的文件，$output_file为要输出的加密文件。 5）把加密好的文件放到服务器上运行。

乳腺癌检测应用 使用机器学习XGBoost分类器的乳腺癌检测应用程序

乳腺癌预测

Matlab进行最小二乘算法，简单的小程序，用于测绘平差

Bubble Shooter Easter Bunny 2.0.unitypackage 泡泡龙源码;

前言今天要介绍的内容是利用EAST算法检测自然场景下的文本。paper，很早就开源了，如今移植到OpenCV中，实在太cool了。OpenCV3.4.2包含了很

UCI Breast Cancer 原始数据集，包含了三组乳腺癌细胞病理图像数据数据。

(完整word版)beast系列软件使用.doc

我们开发了一种混合最小二乘蒙特卡罗偏微分方程 (LSMC-PDE) 方法，用于在随机波动下对资产的百慕大风格期权进行定价。 该算法是为任意数量的资产和波动率过程制定的，我们证明该算法几乎可以肯定地收敛于一类模型。 我们还引入了多级蒙特卡罗/多网格方法来提高算法的计算复杂度。 我们的数值示例侧重于单维 (2d) 和多维 (4d) Heston 模型，并将我们的混合算法与经典 LSMC 方法进行比较。 在每种情况下，我们发现混合算法在估计价格和最佳行使边界方面优于标准 LSMC。

乳腺癌预测应用程序使用 Flask-Python 在乳腺癌威斯康星州数据集上建立机器学习模型来预测癌症是良性还是恶性。 定义问题陈述 我们的主要目标是使用 Flask API 构建一个应用程序并部署在 Heroku 上以对乳腺癌是良性还是恶性进行分类。 使用此链接访问完整项目的文件夹 此文件夹包含连接到这 5 部分文章的 Python 代码： | | | | 通过这段代码，我们将学习： 如何在 Heroku 上使用 Flask API 部署模型？ 数据来自威斯康星癌症数据集。 该数据由威斯康星大学麦迪逊分校的医院和William H. Wolberg博士收集。 阅读更多 与我联系