Apriori 数据挖掘算法 源码

采用opencv进行图片读取和处理，c++实现SSIM算法，评估图片质量，工程在VC6.0开发平台实现，工程中包含opencv所需的头文件和库文件。SSIM算法是最经典的图像质量评价算法，c++源代码可以帮助学习，以供参考。

无线传感器网络综合了传感器技术、嵌入式计算技术、分布式信息处理技术和无线通信技术，能够协作地实时监测、感知和采集各种环境或监测对象的信息，并对其进行处理，传送到所需用户。节点定位问题属于传感器网络支撑技术，是传感器网络进行目标识别、监控、跟踪等众多应用的前提，也是传感器网络研究中的热点问题之一。 本文在查阅大量相关文献的基础上，介绍了基于无线传感器网络定位技术的国内外研究现状，对无线传感器网络相关技术做了整体概述，并综述了无线传感器网络定位算法的性能评价标准和分类方法。基于应用的简单高效考虑，本文着重研究了几种典型的适用于大规模无线传感器网络的定位算法，包括Sum-dist，DV-Hop，Euclidean。这三种算法的共同特点是：自组织，鲁棒性强，能量高效性，分布式计算。仿真实验结果显示了各种算法在不同场景下的定位误差情况，同时也对不同的网络环境参数对网络定位性能的影响做出了分析。指出了三种算法各自的优势与不足，给出了它们分别适用场合的建议。 然后，本文重点对DV-Hop算法进行了研究与改进，针对DV-Hop算法在具体应用中存在的平均每跳距离误差大，定位精度不够等问题，提出了一种基于DV-Hop的改进算法RW-DV-Hop，给出了算法的基本原理和在OMNeT++仿真环境下的实现方法，并进行了仿真实验和性能评价，结果验证了算法的有效性。

www.keenage.com,知网情感词汇集合，用于实现基于词典的情感识别算法。很全面的一个词语知识系统，推荐使用。

砼非线性有限元源程序，用FORTRAN写的比较有参考价值-Concrete non-linear finite element source code, using FORTRAN to write a comparison reference value

UserCF和ItemCF是协同过滤中最为古老的两种算法，在top-N的推荐上被广泛应用。这两个算法之所以重要，是因为他们使用了两个不同的推荐系统基本假设。UserCF认为一个人会喜欢和他有相同爱好的人喜欢的东西，而ItemCF认为一个人会喜欢和他以前喜欢的东西相似的东西。这两个假设都有其合理性。根据我的测试，用UserCF和ItemCF做出的推荐列表中，只有50%是一样的，还有50%完全不同。但是这两个算法确有相似的精度。所以说，这两个算法是很互补的。我一直认为这两个算法是推荐系统的根本，因为无论我们是用矩阵，还是用概率模型，我们都非常的依赖于前面说的两种假设。如果用户的行为不符合那两种假设，推荐系统就没必要存在了。因此我一直希望能够找出这两种算法的本质区别。他们有相似的精度，但是coverage相差很大，ItemCF coverage很大而UserCF很小。我还测试了很多其他指标，不过要从这些表象的指标差异找出这两个算法的本质区别还是非常困难。不过上周我基本发现了这两个算法推荐机理的本质区别。我们做如下假设。每个用户兴趣爱好都是广泛的，他们可能喜欢好几个领域的东西。不过每个用户肯定也有一个主要的领域，对这个领域会比其他领域更加关心。给定一个用户，假设他喜欢3个领域A,B,C，同时A是他喜欢的主要领域。这个时候我们来看UserCF和ItemCF倾向于做出什么推荐。结果如下，如果用UserCF, 它会将A,B,C三个领域中比较热门的东西推荐给用户。而如果用ItemCF，它会基本上只推荐A领域的东西给用户。因为UserCF只推荐热门的，所以UserCF在推荐长尾上能力不足。而ItemCF只推荐A领域给用户，这样他有限的推荐列表中就可能包含了一定数量的不热门item，所以ItemCF推荐长尾的能力比较强。不过ItemCF的推荐对某一个用户而言，显然多样性不足。但是对整个系统而言，因为不同的用户的主要兴趣点不同，所以系统的coverage会很大。显然上面的两种推荐都有其合理性，但都不是最好的选择，因此他们的精度也会有损失。最好的选择是，如果我们给这个用户推荐30个item，我们既不是每个领域挑选10个最热门的给他，也不是推荐30个A领域的给他，而是比如推荐15个A领域的给他，剩下的15个从B,C中选择。认识到这一

北大ACM试题poj 第3058题源码，很好的代码，希望对搞ACM的同学有帮助 -Peking University ACM Chapter 3058 question Question poj source code, good code, and want to help students engage in ACM

你好， 它的代码源计算与 FPU 在 ASM (MASM32)

平面有限元计算程序，对于初学者非常有用的-Plane finite element program, very useful for beginners

JDBC ™ API 被设计为使简单的事情保持简单。这意味着 JDBC 是日常数据库任务轻松。这条小道走你通过使用 JDBC 执行常见的 SQL 语句，并执行其他目标，共同为数据库应用程序的例子。JDBC API 是一个 Java API，可以访问任何类型的表格数据，特别是数据存储在关系 databaseDBC 帮助您编写 Java 应用程序管理这些编程的三个活动： 连接到数据源如 databaseSend 查询和更新到 databaseRetrieve 的语句并处理结果收到答复你董事长 JDBC ™ API 提供编程访问到关系型数据从 Java ™ 编程语言中的数据库。使用 JDBC API，应用程序可以执行 SQL 语句，检索结果并将更改传播回基础数据源。JDBC API 也可以与在分布式异构环境中的多个数据源进行交互。JDBC API 是 Java 平台，其中包括 Java ™ 标准版 （Java ™ SE） 和 Java ™ 企业版 （Java ™ EE） 的一部分。JDBC 4.0 API 被分成两个包： java.sql 和 javax.sql。这两个包都包括在 Java SE 和 Java EE 平台。在这 TP，您将学习 JDBC API 的基础知识。