which is made up of expression to expression Suffix

背景 你玩儿过扫雷游戏吧？有个操作系统中带了这个小游戏，那个系统叫什么来着？;-)在游戏中要想过关，就必须要在一个 NxM 的区域上找出所有的地雷。游戏过程中，计算机会在地图上显示一些数字从而帮助你确定哪里有地雷。例如，在下面这个有两颗地雷的 4x4 的地图（*表示地雷）： *... .... .*.. .... 根据上面的地图，可以计算出应该提供给游戏者的数字如下所示： *100 2210 1*10 1110 每个数字表示了该方格周围到底有几个地雷，当然，一个方格周围最多的时候只会有八个。 输入 输入中将包括一系列的地图，每个地图的第一行有两个整数 n 和 m（0

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

本文是关于语音编码算法综合性能比较 的一篇文章，对各种编码算法的性能进行综合 比较和评价的方法 。本文试图利用层次分析法来对编码算法进行性能评估。-This article is a speech coding algorithm on a comprehensive performance comparison of an article on the performance of various coding algorithm comparison and evaluation of a comprehensive approach. This paper attempts to make use of analytic hierarchy process to assess the performance of coding algorithm.

该程序混合高斯模型使用K（基本为3到5个） 个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型，他主要是有方差和均值两个参数决定，,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。由于我们是对运动目标的背景提取建模，因此需要对高斯模型中方差和均值两个参数实时更新。

针对TinyOS数据所写的代码，数据格式详情请参考http://tinyos.stanford.edu/tinyos-wiki/index.php/Main_Page

等离子体PIC模拟-PIC simulation of plasma

这个Matlab的m代码解决了薛定谔方程，沿着带宽频率和相位偏移，显示三维图像。-The Matlab m-code to solve the Schrodinger equation along the bandwidth of the frequency and phase offset, showing three-dimensional image.

路径查找代码[dephi版本代码]-path search code [code dephi version]

这是一个猫吃老鼠问题的改进算法。-This is a problem of cats eat rats improved algorithm.

层次聚类 层次聚类算法与之前所讲的顺序聚类有很大不同，它不再产生单一聚类，而是产生一个聚类层次。说白了就是一棵层次树。介绍层次聚类之前，要先介绍一个概念——嵌套聚类。