C++编程实例

这种模式更像是 gPROMS 介绍性文件以帮助部分的理解。它包含有几块不供应，因此学生实际上可以从中学到的变量的一些短做法示例。

不同的算法使用的排序算法。我们已经介绍了更有趣的算法是： 插入排序、 归并排序、 快速排序、 堆排序

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

用C++实现的遗传算法程序，简单易懂，拥有遗传算法的一些经典方法-Implemented using C++ genetic algorithm program, easy to understand, with some of the classical method of genetic algorithms

本源码包括矩阵运算的基本功能，包括矩阵加减、乘除、转置、求逆-the source of matrix of the basic functions, including matrix addition and subtraction, multiplication and division, to home, the inverse

有遗传算法的选择、交叉、变异函数，一些简单的MABTLAB遗传算法例子

利用横向递归算法解决数据组合的问题， 比如数组为a, 长度为len， 横向递归 B display(a,len) b是二维数组，a是一维数组-the use of horizontal recursive algorithm to solve the problem of data sets, such as the array is a length of len, horizontal display recursive B (a, len) b is the two-dimensional array, is a one-dimensional arrays

有也大量作品隐藏加密域中的数据。研究了 Thereversible 中的数据隐藏加密图像。大部分的学习可逆数据隐藏侧重于嵌入中提取的 plainspatial 域上的数据。内容所有者进行加密使用的加密密钥，将原始图像和数据隐藏虽然他并不知道原始的内容，是可以嵌入加密的图像围棋数据隐藏键的附加数据。报头图像包含额外数据，接收器可能首先对近来对加密密钥进行解密，然后提取嵌入的数据和 recoverthe 原始图像的数据隐藏关键。在分离的无损数据隐藏加密图像中一种新型方案。在拟议的方案中，使用额外的数据嵌入到加密的图像使用一个数据隐藏密钥加密 keyand 原始图像进行加密。如果一个接收器有数据隐藏键，他可以提取去掉了其它数据，虽然他并不知道图像内容。如果接收器具有加密密钥，他可以解密接收到的数据来获得图像像最原始的一个，但不能提取更多的数据。如果 receiverhas 数据隐藏密钥和加密密钥，他可以去掉了其它数据提取并恢复原始的内容没有任何错误利用自然图像的空间相关性，当额外数据量不是太大。

研究生期间上《数值计算方法》课的作业，所有代码都是C语言实现并调试通过，现在上传为大家服务。这是QR算法-QR algorithm with C language

三次样条传统上遭受过冲（特别是在约束），这导致小于理想的精确度。通过牺牲在花键平滑一些，我们可以防止超调。这可以通过消除为等于第二阶导数的要求在每一个点，并与特定第一阶导取代它来实现。套餐包括由作者以及包含一个例子和代码Excel文件进行了研究。