DS18B20在CC2530上的应用程序

Affinity Propagation 自相似传播聚类源码!-Affinity Propagation Clustering dissemination of self-similar source!

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

Numerical algorithm for Complex numbers -Numerical algorithm for Complex numbers

一个有关进制的和程序，它将一定范围内的数编制成组，通过从二进位制到十进位制， 进行编组，输入进制数和组数，即可自动计算出数据，并显示在屏幕上，同时输出到文件中，是很不错的程序，我用了好几天才编好，很精悍！-one of the 229 and procedures, it would certainly within the scope of the report into several groups, By binary system to the decimal system, organization, and the importation of 229 for a group, they will automatically calculate data, displayed on the screen, while the output to a file, is a very good procedure, I spent several days prepared and very lean!

这种算法是 RSA 在 python 中的实现作为课程加密最后加宽，它有完整的易观和它评论太

GM-PHD最基本算法实现4个目标20个虚警没有考虑分裂目标代码将滤波点过滤出来 画图没有加进去 可以自己加 有目标数目的预测值 需要估计目标个数的可以自己把目标个数存起来 画上去

EM算法代码，利用类电磁机制求解优化问题的优化算法可以达到全局最优的算法，并且不要求目标函数或者约束变量可微

#include   #include   #include   #include   #include   char gcText[] = " WWWWWWW";  struct tetris {      int _pool[16][32], (*pool)[32], tmap[8][4][16];      int x, y, s, st, t;  }gt;  void trsInit() {      int sp[8][4]

此项目信纸被为了让你启动并运行快速与 MC9S12DG128B 的 CodeWarrior。它是为所选的 CPU 和目标连接设置但是，可以容易地修改。

磁盘调度设计，磁盘调度算法的实现，包括  先来先服务调度算法  最短寻道优先调度算法  扫描算法  循环扫描算法  N―Step―SCAN算法-Disk Scheduling design, disk scheduling algorithm, including