Martin-Lof类型理论中的编程：简介Programming in Martin-Lof's Type Theory: An Introduction下载

类型理论与函数式编程（Simon Thompson）Type Theory and Functional Programming (Simon Thompson)

马丁-洛夫的构造类型理论（Martin-Löf’s Constructive Type Theory）是计算机科学中函数式编程语言的一个理论基础。

LOF局部离群因子：面向工业场景的无监督异常检测核心原理与实战

局部离群因子（LOF）是一种基于密度对比的无监督异常检测方法，其核心在于通过k近邻构建局部邻域，利用可达距离校准密度感知，再以局部可达密度比值量化异常程度。相比Z-score、孤立森林等全局或随机方法，LOF天然适配高维、非球形、多簇及偏态数据，能有效规避‘局部性陷阱’——即在不同数据子群体中独立判断异常，而非依赖整体分布假设。技术价值体现在鲁棒性强、无需标签、可解释性好；典型应用场景包括工业传感器异常识别、金融交易欺诈初筛、电商用户行为风控等。本文聚焦LOF的数学本质、sklearn实现关键细节与生产级调

从电商风控到运维监控：手把手教你用孤立森林和LOF算法搞定业务中的异常值

本文详细介绍了孤立森林（Isolation Forest）和局部异常因子（LOF）算法在电商风控和运维监控中的异常检测应用。通过实战案例和代码示例，帮助读者掌握如何利用这两种机器学习算法快速识别业务中的异常值，提升运营效率和安全性。

别再只用IForest了！用Python的sklearn实战LOF异常检测，搞定密度不均的数据集

本文详细介绍了LOF算法在非均匀数据集中的异常检测优势，通过Python的sklearn库实战演示了LOF的完整流程。与IForest相比，LOF在密度不均的数据中表现更优，特别适合电商用户行为等多密度集群场景。文章还提供了参数调优、结果可视化和混合方法等高级技巧，帮助数据科学家提升异常检测准确率。

【调频连续波雷达目标参数估计】基于多传感器检测聚类与卡尔曼滤波的车辆目标跟踪方法（Matlab代码实现）

内容概要：本文系统解读了一套完整的多机器人路径规划（MAPF）MATLAB代码库，重点围绕优先级规划算法展开，涵盖从地图解析、拓扑构建、路径规划、冲突消解到可视化呈现的全流程。框架采用四层架构设计，分离空间规划与时间同步，引入动态边权膨胀、节点预留历史和几何惩罚等机制提升规划效率与成功率，并提供多种同步策略以适应不同场景需求。文章还详细阐述了基于Petri网的整数规划求解路径及双坐标系统下的完整可视化链路，深入剖析了各模块之间的接口设计、数据流转逻辑与关键工程取舍，强调算法实现中的完备性、复杂度与可扩展性问题。; 适合人群：具备一定MATLAB编程基础和路径规划背景的科研人员或研究生，尤其适用于从事多智能体系统、机器人导航、自动化调度等相关领域的学习与研究人员。; 使用场景及目标：① 学习并复现多机器人路径规划中的优先级规划方法及其工程实现；② 掌握动态边权、冲突消解、时间同步等关键技术的设计思路与实现策略；③ 利用该框架进行算法对比、性能测试或进一步扩展研究。; 阅读建议：建议读者结合代码逐模块阅读，重点关注各层之间的接口设计与数据流转逻辑，动手调试不同地图与智能体规模下的运行情况，深入理解动态惩罚、预留历史与局部同步等核心机制的作用，并尝试替换或改进其中模块以拓展应用。