单片机温控风扇设计

数字下变频DDC的设计verilog 源代码，经过实际验证。通过查表法获得cos,sin的值，ROM cos.v, Sin.v dds数字频率直接产生，进行数字下变频。并且有vhdl的源代码；值得做射频基带的 人员参考，需要一定的软件无线电方面的知识。

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

单纯型法程序算法-simple algorithm Act procedures

这是两个3 * 3 矩阵相乘的 C源代码。欢迎下载、试用。谢谢大家的支持。

双音多频：dual-tone multifrequency双音多频 DTMF（Dual Tone Multi Frequency），双音多频，由高频群和低频群组成，高低频群各包含4个频率。一个高频信号和一个低频信号叠加组成一个组合信号.

距离最近的点对计算方法-a program for get the shortest path of two points.

科学与工程数值算法（Visual C++版）是一本很好的矩阵类图书。里面有好多源代码可以参考。-science and engineering numerical algorithm (Visual C version) is a matrix of good books. There are a lot of source code for reference.

国外经典的多目标粒子群算法，这个2012年的MOPSO的改进版，非常适合初学者。是多目标粒子群里面的经典算法。学习粒子群的同学必须看的一篇代码。国外经典的多目标粒子群算法，这个2012年的MOPSO的改进版，非常适合初学者。是多目标粒子群里面的经典算法。学习粒子群的同学必须看的一篇代码。

为了改进基本人工鱼群算法的寻优效果，提出加入生命周期和生命指数的方法，在此用matlab语言实现，实验结果较优

资源描述 APM3.3.1源码包括库，用ATMEGA2560开发的多旋翼飞行器，现在是V3.3.1版本，多飞行模式等做了优化处理，利用的开发环境是ARDUINO开发环境 详细信息参考如下网址 https://github.com/diydrones/ardupilot/tree/master/ArduCopter http://copter.ardupilot.com