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。[1] 深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。[1] 深度学习是机器

读取印度洋热带气旋的相关信息，包括生成位置，生成数目，生成后轨迹等。-Read Indian Ocean tropical cyclone-related information, including generating position, generation number, after generating trajectory.

聚类算法是应用于数据挖掘和模式识别中很重要的一种分析方法，ap是新提出的一种聚类算法，不需要事先指定聚合点的数目-Affinity Propagation (AP) clustering has been successfully used in a lot of clustering problems. However, most of the applications deal with static data.

ap算法完成ap聚类操作 需要输入参数为数据集 偏向参数 输出结果为聚类数目(The AP algorithm completes the AP clustering operation, the input parameter is the data set bias parameter, and the output result is the number of clusters)