一、科学计算或矩阵运算库
科学计算包：
- JMathLib是一个用于计算复杂数学表达式并能够图形化显示计算结果的Java开源类库。它是Matlab、Octave、FreeMat、Scilab的一个克隆，但完全采用纯Java实现。
- JSci：Java 科学对象（JSci）开放源代码项目是 Durham（英国 Durham）大学粒子理论中心的三年级研究生 Mark Hale 创立的。JSci 是一个包集合，包含数学和科学类。 使用 JSci，您既可以在 AWT 中也可以在 Swing 中创建简单的条形图、折线图和饼形图。 JSci.swing.JBarGraph 、 JSci.swing.JPieChart 和 JSci.swing.JLineGraph API 组件设计得也很好，这些组件和 AWT 绘图类都遵守 MVC 体系结构。
- JScience：http://jscience.org/ JScience 是一个Java的科学计算包
- jLab：jLab是数值计算的Java执行环境。该jLab环境的目的是提供一个基于Matlab / Scilab喜欢的科学计算平台所支持的脚本引擎执行的Java语言。 The current jLab
- ND4J：在JVM上实现快速的科学计算；ND4J是一个开源的数值计算扩展 ，它将 Python中著名的 numpy 库的很多特性带到了Java中。ND4J可以用来存储和处理大型多维矩阵。它的计算和处理速度很快，但占用的内存却很少，程序员们可以很容易地使用它来与其他JAVA或Scala库作接口。https://github.com/deeplearning4j/dl4j-examples
dl4j（DeepLearning4j）： java下的一个机器学习开源项目
nd4j： dl4j使用的底层的算法库，实现的几乎所有的矩阵相关的操作 - Shared Scientific Toolbox：共享科学工具箱是一个用于科学和分布式计算的Java类库。它具有广泛的多方面的阵列线性代数和FFT支持;异步，高性能的网络层和诠释抽象类载入中，记录和消息传递。
- Colt Matrix Libary：Colt Project 提供了一组开源的高性能的科学和数学计算的 Java 库
Colt是一个高性能的数学库，由以下几个子库构成：
Colt库:基本的动态数组、稀疏矩阵、线性代数。
Jet库：数理统计、直方图。
CoreJava库：类printf的打印函数，并行计算。 - PETSC：PETSc(Portable, Extensible Toolkit for Scientific Computation) ，读作Pet-see，是美国能源部ODE2000支持开发的20多个ACTS工具箱之一，由Argonne国家实验室开发的可移植可扩展科学计算工具箱，主要用于在分布式存储环境高效求解偏微分方程组及相关问题。PETSc所有消息传递通信均采用MPI标准实现。线性方程组求解器是PETSc的核心组件之一，PETSc几乎提供了所有求解线性方程组的高效求解器，既有串行求解也有并行求解，既有直接法求解也有迭代法求解。
- Catalano：Catalano Framework 是一个 Java 和 Android 的科学计算框架。 主要计算功能： 图像处理 模糊逻辑 数学计算 统计 机器学习 神经网络
矩阵运算包：
- EJML：Java矩阵操作库 Efficient Java Matrix Library (EJML)这是一个比较高效率的Java矩阵运算库，提供比较全面地计算。 但是和C++的矩阵运算还是不能比。http://blog.163.com/jekyll_zhou%40126/blog/static/18204738201210642927390/ 下载网址
- Jama：Jama是一个基本的线性代数java包。包括一个基本的Matrix类和5个矩阵分解类。Matrix类提供了基本的线性代数数值运算的功能，
- UJMP (Universal Java Matrix Package) 统一Java矩阵工具包是一个提供各种矩阵运算的Java类库。这个工具包提供了诸如稀疏矩阵和稠密矩阵的实现，以及矩阵的分解、求逆、加法、乘法，均值，方差和相关系数等运算功能. 此外还提供一些常用的线性代数运算功能，矩阵可视化功能和矩阵数据导入与导出的功能。
- jlbas： 矩阵向量运算库jblas，
jblas is a fast linear algebra library for Java. jblas is based on BLAS and LAPACK, the de-facto industry standard for matrix computations, and uses state-of-the-art implementations like ATLAS for all its computational routines, making jBLAS very fast.
主页地址：http://jblas.org/
该库的API文档地址：http://jblas.org/javadoc/index.html
相关例子和库文件jar包下载
在Java工程中我们只要 引入jar包文件就可以了。 - ND4J：
二、图形绘制+图像处理包：
- java的Graphics类：Java中绘制基本图形，可以使用Java类库中的Graphics类，此类位于java.awt包中。在我们自己的java程序文件中，要使用Graphics类就需要使用import java.awt.Graphics语句将Graphics类导入进来。
Graphics类提供基本的几何图形绘制方法，主要有：画线段、画矩形、画圆、画带颜色的图形、画椭圆、画圆弧、画多边形等。本项目仅用到画直线的功能，其它图形绘制请自行点击查阅Java API。
Graphics类的drawLine()方法：drawLine(int x1,int y1,int x2,int y2) - Oracle提供的 Java Advanced Imaging (JAI) 库处理2D图像还可以的。
- Java Image Filters【Java Image Filters 是由 Jhlabs 开发的一组用来处理 Java 图像的类库，提供各种常用的图像处理效果，例如反转色、扭曲、水波纹、凹凸、黑白效果等等数十种效果，如下图所示，更多的效果请看其网站首页： ChannelMixFilter - Mixes the RGB channels Cont… 更多Java Image Filters信息】
- ImageJ：一个Java的图像处理和分析库,ImageJ是一个基于java的公共的图像处理软件，它是由National Institutes of Health开发的。可运行于Microsoft Windows，Mac OS，Mac OS X，Linux，和Sharp Zaurus PDA等多种平台。其基于java的特点， 使得它编写的程序能以applet等方式分发。
ImageJ能够显示，编辑，分析，处理，保存，打印8位，16位，32位的图片， 支持TIFF, PNG, GIF, JPEG, BMP, DICOM, FITS等多种格式。ImageJ支持图像栈功能，即在一个窗口里以多线程的形式层叠多个图像， 并行处理。只要内存允许，ImageJ能打开任意多的图像进行处理。除了基本的图像操作， 比如缩放，旋转， 扭曲， 平滑处理外，ImageJ还能进行图片的区域和像素统计， 间距，角度计算， 能创建柱状图和剖面图，进行傅里叶变换。
ImageJ是一个开放结构的软件， 支持用户自定义插件和宏。
ImageJ自带编辑器， 并且导入了java的编译器，实现了简单的IDE功能， 用户可直接基于ImageJ进行图像处理 - Sanselan：Sanselan 是一个纯 Java 的图形库，可以读写各种格式的图像文件，包括快速解析图片信息例如大小/颜色/icc以及元数据等。尽管因为是Java开发的，在处理速度上会稍微慢一 些，但具备良好的可移植性。
- JJIL 是一个Java 的图像处理类库，有超过60个的图像处理任务，例如可以用来识别条形码之类。JJIL 主要面向J2ME 手机应用开发
- Imagero 是 Java 的图像处理库，支持的图像类型包括：BMP, GIF, TIFF, PNG, JNG, MNG, JPEG (including CMYK and 12-bit grey), PSD, PBM, PGM, PPM, TGA, EPS, EPSI, EPSF, AI, PDF, MRW, CRW, NEF, DCR, and DNG。Imagero 可读取缩略图以及编辑图像元数据… 更多Imagero信息
- 【商业】绘图库 DISLIN：DISLIN是一个高级别，易于使用的绘图库，支持曲线，条形图，饼图，三维彩色图，曲面，轮廓，和地图显示。支持多种输出格式，如X11的，VGA，PostScript ， PDF格式，CGM， HPGL ， TIFF和PNG等。绘图采用Perl解释语言 ， 支持Python和Java，同时还支持大多数
- Thumbnailator 是一个用来生成图像缩略图的 Java 类库，通过很简单的代码即可生成图片缩略图，也可直接对一整个目录的图片生成缩略图。
- JAI-ImageIO：Java Advanced Imaging Image I/O Tools projects
- Marvin： Java图像处理框架 Marvin 是一个Java开发的可扩展的图像处理框架，该框架主要提供以下几方面的功能： 基本图像操作； 从视频中捕获帧； 多线程的图像处理； 通过GUI界面集成插件； 插件性能分析； 通过插件进行功能扩展。
- Java 图像处理框架 Processing: Processing 是一个为想要图像处理程序所提供的开源编程语言和环境，动画和互动。这是使用的学生，艺术家，设计师，研究人员和爱好者学习，原型及生产。这是建立基础教育计算机编程在视觉方面，并作为软件写生簿和专业的生产工具。
- 图像处理标签库 JImageTaglib
JImageTaglib是个用来处理图片的的标签，在服务器中生成响应的处理图片，可以对图片进行过滤（如转灰度图，边缘查找等）另外还可以用来生成条形码。 - Java图像处理库 jrawio:jrawio 是一个 Java Image I/O API 的服务提供者，用来处理数码相机拍摄的RAW格式的图片，包括NEF, CRW, CR2, PEF, SRF, MRW，这是一个纯 Java 的类库。
- OpenCL的Java库 JavaCL: JavaCL 是一个封装了 OpenCL 图形API的 Java 类库，提供很多高级的图像处理功能。
- OpenCL库 JOCL:JOCL (Java OpenCL)提供一种简单的方式为OpenCL API添加Java binding。JOCL会提供两个级别：自动生成一个低级别的binding；还有一个需要人工编写的高级别的binding，提供一个方便的界面并将冗长降到最低。 特点： 高性能，跨平台高，
- 三维场景图开发类库 jReality: jReality是一个Java开源的三维场景图开发类库，设计用于数学领域的3D可视化。jReality是线程安全的，拥有一个灵活的着色模型基于场景图中的一种属性继承机制，独立于设备的用户交互并且支持真正的3D Audio（JACK）。
- ogre4j是一个可以在Java应用程序中能过JNI使用OGRE的开源项目。OGRE（Object-Oriented Graphics Rendering Engine）：是一个被广泛使用的开源三维图形渲染库，成功地被应用于诸多三维仿真领域，其中包括网络游戏和一些商业的三维仿真项目)。
- opencv: 计算机视觉和图像处理
- GIF动画制作工具 GiftedMotion:
- 二维的GUI框架 JHotDraw
JHotDraw是一个开源项目,它是一个二维的GUI框架,主要用于支持用Java开发的图形编辑器。它的设计中采用了许多著名的设计模式,因而具有良 好的框架、很好的复用性和扩展性。针对矢量图形软件开发过程中面临的各种难题,本文提出了基于JHotDraw的解决方案,实现… - 指纹识别开发包 SourceAFIS
三、 机器学习和深度学习库
机器学习库
- opencv：
- TensorFlow： 一个是我们最喜欢的机器学习框架，被称作无与伦比的TensorFlow框架。 TensorFlow是一个使用数据流图进行数值计算的开源软件库，是GitHub上最受欢迎的机器学习项目，也是参与者和贡献者最多的机器学习项目。TensorFlow主要是用Python编写的，但它也支持Java和Go的一些用法。
- Weka： 地址： http://www.cs.waikato.ac.nz/ml/weka/index.html 毫无疑问，Weka 是目前首选的 Java 机器学习库。完全基于 Java 环境，开源，免费，具有易于使用的图形界面，适合于数据挖掘，数据分析和预测建模等多种应用场景。Weka包括一系列的工具，如数据预处理、分类、回归、聚类、关联规则以及可视化。
- ML：Java机器学习库ML官网：http://java-ml.sourceforge.net/
Java-ML是一个使用Java编写的一系列机器学习算法的Java API。它只提供了一个标准的算法接口。对于一个机器学习库来说，最基础就是数据处理能力，ml库给了dataset和instance两个类，dataset是矩阵，instance是行（可以理解是一个list，或一个double数组）。import net.sf.javaml.core.Dataset;
import net.sf.javaml.core.DefaultDataset;
import net.sf.javaml.core.DenseInstance;
import net.sf.javaml.core.Instance;
import net.sf.javaml.core.SparseInstance;
import net.sf.javaml.tools.InstanceTools;
import net.sf.javaml.tools.data.FileHandler; - Massive Online Analysis（MOA）是一个面向数据流挖掘的流行开源框架，有着非常活跃的成长社区。它包括一系列的机器学习算法（分类、回归、聚类、异常检测、概念漂移检测和推荐系统）和评估工具。关联了WEKA项目，MOA也是用Java编写的，其扩展性更强。MOA 也是基于 Java 环境，开源，免费，在面对复杂问题时，MOA 还能和 Weka 协同工作。MOA 在运算效率和内存占用方面都做了特殊优化，通过提供易于扩展的底层结构、可复用的数据流分析设置以及一系列内部实现好机器学习算法，MOA 为实时数据流分析提供了一个非常优秀的基准框架，因此 在实时数据流挖掘领域的应用非常广泛 。其内部实现的机器学习算法包括：分类、回归、聚类、孤立点检测、概念漂移检测和推荐系统等。地址： http://moa.cms.waikato.ac.nz/
- MALLET ：地址： http://mallet.cs.umass.edu/ 主要由来自麻省大学（University of Massachusetts）的Andrew McCallum教授和其学生开发，是一个基于 Java 环境的开源机器学习工具包。主要应用于统计自然语言处理，文档分类，聚类，主题建模，信息提取等 文本类分析场景 。许多功能强大的工具，包括用于文档分类的高级工具，用于序列标记的工具，和用于主题建模的工具等。MALLET 还支持各种类型的算法，包括朴素贝叶斯，决策树和最大熵等。此外，MALLET 还提供了许多例程，包括分词，删除停用词，将文本转换为向量表示等。
- MEKA项目提供了一个面向多标签学习和评价方法的开源实现。在多标签分类中，我们要预测每个输入实例的多个输出变量。这与“普通”情况下只涉及一个单一目标变量的情形不同。此外，MEKA基于WEKA的机器学习工具包。
- **Advanced Data mining And Machine learning System（ADAMS）**是一种新型的柔性工作流引擎，旨在迅速建立并保持真实世界的复杂知识流，它是基于GPLv3发行的。
- **Environment for Developing KDD-Applications Supported by Index-Structure（ELKI）**是一款基于Java的开源（AGPLv3）数据挖掘软件。ELKI主要集中于算法研究，重点研究聚类分析中的无监督方法和异常检测。
- Mallet是一个基于Java的面向文本文件的机器学习工具包。Mallet支持分类算法，如最大熵、朴素贝叶斯和决策树分类。
- Encog是一个先进的机器学习框架，集成了支持向量机（SVM）、人工神经网络、遗传算法、贝叶斯网络、隐马尔可夫模型（HMM）、遗传编程和遗传算法。
- Mahout是一个内置算法的机器学习框架。Mahout-Samsara帮助人们创建他们自己的数学，并提供了一些现成的算法实现。
- Rapid Miner是德国多特蒙特技术大学开发的。它为开发者开发应用程序提供了一个GUI（图形用户界面）和Java API。它还提供了一些机器学习算法，用来做数据处理、可视化以及建模。
- Apache SAMOA是 一个机器学习（ML）框架，内嵌面向分布式流ML算法的编程抽象，并且允许在没有直接处理底层分布式流处理引擎（DSPEe，如 Apache Storm、Apache S4和Apache samza）复杂性的情况下，开发新的ML算法。用户可以开发分布式流ML算法，而且可以 在多个DSPEs上执行。
- Neuroph通过提供支持创建、训练和保存神经网络的Java网络库和GUI工具，简化了神经网络开发。
- Oryx 2是一个建立在Apache Spark和Apache Kafka的Lambda架构实现，但随着实时大规模机器学习而逐渐开始专业化。这是一个用于构建应用程序的框架，但也包括打包，以及面向协同过滤、分类、回归和聚类的端到端的应用程序。
- Stanford Classifier是一个机器学习工具，它可以将数据项归置到一个类别。一个概率分类器，比如这个，它可以对一个数据项给出类分配的概率分布。该软件是最大熵分类器的一个Java实现。
- JSAT是一个快速入门的机器学习库。该库是我在业余时间开发的，基于GPL3发行的。库中的一部分内容可自主学习，例如所有的代码都是独立的。JSAT没有外部依赖，而且是纯Java编写的。
- Java Machine Learning Library（Java机器学习库）是一系列机器学习算法的相关实现。这些算法，无论是源代码还是文档，都编写的很出色。其主要语言是Java。
- **MLlib (Spark)**是Apache Spark的可扩展机器学习库。虽然是Java，但该库与平台还支持Java，Scala和Python绑定。此库是最新的，并且算法很多。
- H2O是用于智能应用的机器学习API。它在大数据上对统计学、机器学习和数学进行了规模化。H2O可扩展，开发者可以在核心部分使用简单的数学知识。
- ELKI： https://elki-project.github.io/ Environment for Developing KDD-Applications Supported by Index-Structures，即 由索引结构支持的 KDD 应用开发环境 ，Environment for Developing KDD-Applications Supported by Index-Structures，即 由索引结构支持的 KDD 应用开发环境
- Neo4j ：Neo4j是一个世界领先的开源图形数据库。 它是由Neo技术使用Java语言完全开发的。图形数据库是以图形结构的形式存储数据的数据库。 它以节点，关系和属性的形式存储应用程序的数据。 正如RDBMS以表的“行，列”的形式存储数据，GDBMS以“图形”的形式存储数据。https://neo4j.com/ 教程：https://www.w3cschool.cn/neo4j/
深度学习库： Deeplearning4j
- 地址： https://deeplearning4j.org/
Deeplearning4j（Deep Learning For Java）是 Java 和 Scala 环境下的一个开源分布式的深度学习项目，由总部位于美国旧金山的商业智能和企业软件公司 Skymind 牵头开发，并得到了腾讯的投资。正如它的命名，Deeplearning4j 的运行需要 Java 虚拟机 JVM 的支持。
去年，JAXenter 社区曾提名 Deeplearning4j 作为 Java 生态系统最具创新的贡献者之一。
Deeplearning4j 旨在为工作在 Hadoop 框架下的 Java、Scala 和 Clojure 程序员提供一个可以灵活 DIY 的机器学习工具。团队在官网表示，他们希望通过一些机器学习算法的开发，将商业带入智能化数据的时代。也正是为了实现这一理想，惠及更多的用户，因此选择了移植性更好的 Java 环境来实现这些算法。目前，Deeplearning4j 在模式识别、时间序列检测和基于语音、文本的情感识别方面应用广泛，包括谷歌、Facebook和微软等巨头公司都是它的用户。
大数据处理
- BID Data Project –能够运行快速、大规模的机器学习和数据挖掘的模式集合
- Apache Singa Apache Singa由新加坡国立大学的团队开发，是一个灵活可扩展的利用大数据分析的深度学习平台。这个深度学习框架为大量数据的可扩展分布式培训提供了灵活架构。Singa可扩展以运行各种硬件，主要应用在图像识别和自然语言处理（NLP）方面。
Singa目前是一个Apache孵化器项目，提供了简单的编程模型，可以在一个节点集群上工作。分布式深度学习在训练过程中使用模型划分和并行化，一般而言，Singa支持传统的机器学习模型，如逻辑回归。
Singa是用Java，C ++和Python编写的，可以在AWS上或通过Docker尝试使用。
Neuroph –面向对象的神经网络
- neuroph是用来开发常用的神经网络构架的轻量级java框架。该框架提供了一个java库以及一个GUI工具（称为easyNeurons），你可以用它来在java项目中创建和训练自己的神经网络。
Neuroph包含一个开源的java类库和少量对应基本神经网络概念的基类。对于刚开始使用神经网络，或者想知道它们如何工作的人来说，Neuroph是个非常好的垫脚石。你可以尝试Neuroph的在线演示，看看它是怎么运行的。
数据挖掘和统计分析工具库
- WEKA：WEKA是一个可用于数据挖掘任务的机器学习算法集合。该算法可以直接应用到数据集或从自己的Java代码调用。 WEKA包含数据预处理，分类，回归，聚类，关联规则，和可视化工具。它也非常适用于开发新的机器学习方案。
- jmotif：时间序列、分类、数据挖掘开发库
- java-ml：Java机器学习库，聚类、分类、特征选择、
- flanagan： 数学和统计java开发库，包含回归算法，一次二次线性非线性回归算法，数据平滑算法，傅里叶变换，数值积分，插值法。http://www.ee.ucl.ac.uk/~mflanaga/java/
- Mahout：Apache Mahout 是 Apache Software Foundation（ASF） 旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序。经典算法包括聚类、分类、协同过滤、进化编程等等，并且，在 Mahout 的最近版本中还加入了对 Apache Hadoop 的支持，使这些算法可以更高效的运行在云计算环境中。
- JMulTi：时间序列分析开发库
- jfreechart：【可实现数据统计图】下载地址：
- jcommon：【可实现数据统计图】
- gnujaxp：【可实现数据统计图】
媒体框架
待填写……
以上第三方工具库汇总不完整，数据来自网上，原本格式比较杂乱，本人重新整理完善了一份，仅供参考。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
