本项目旨在为流数据学习(stream learning)算法的开发提供一个统一的平台，集成了多种流数据机器学习算法，并配备了相应的测试数据生成方法。平台包含流数据的生成、调度、学习和测试等功能模块，能够满足不同算法在动态流数据环境下的开发和验证需求。通过提供一个高度集成的工具链，用户可以便捷地进行流数据算法的设计、实验与调优，推动流数据学习领域的研究与应用发展。
基于Django+Celery+Acunetix的漏洞扫描器，实现了漏洞扫描、端口扫描和后台扫描等功能
Ip2region 是一个离线 IP 数据管理框架和定位库，支持 IPv4 和 IPv6，支持亿级别的数据段，10微秒级别的查询性能，提供了许多主流编程语言的 xdb 数据管理引擎的实现。
Node调用WinApi,涵盖窗口,进程，GDI等方法的原生调用或封装。
本框架主要是基于 Python + pytest + allure + log + yaml + mysql + 钉钉通知 + Jenkins 实现的接口自动化框架，本框架优势在于易维护，功能丰富，测试人员只需要维护测试用例，零基础小白也可以快速上手，框架支持多环境、多角色任意切换，支持接口响应断言以及数据库断言。
any4any: 语音识别、文本转语音、文档重排、数据库连接、知识库文本处理和MCP服务的一键式API服务
基于Python的Flask WEB框架实现后台权限管理系统，内容包含：用户管理、角色管理、资源管理和机构管理。
本文是研究生课程图像处理期末作业，内容是了解并入门超像素算法原理，主要介绍了超像素的评测标准，经典算法 SLIC，讨论了 SLIC 算法中的不足之处，以及 SLIC 的两个有效的改进算法 SEEDS 和 ETPS。
README ON
https://cm_westwood.gitee.io/image_processing_homework/
