普通的离散图像信号的傅里叶变换和逆变换。

用c++实现的马踏棋源码-achieve with a horse riding game FOSS

中值滤波算法，利用intel的mmx技术，速度比普通快上几十倍-median filter, using the MMX technique from Intel, the speed is quite promising when compared to normal one

VC 调DVR摄像头，读取HKVISION的摄像头 通过调用摄像头的接口，可以实现实时预览，精彩回放以及视频录制。

计算机组成原理，关于汉明码的练习，输入二进制代码位数和二进制的汉明码，能够实现两位检错好和一位纠错，使用c语言，较为简单的cpp文件

SP++ (Signal Processing in C++) 是一个关于信号处理与数值计算的开源C++程序库，该库提供了信号处理与数值计算中常用算法的C++实现。SP++中所有算法都以C++类模板方法实现， 以头文件形式组织而成，所以不需要用户进行本地编译，只要将相关的头文件包含在项目中即可使用。”XXX.h”表示声明文件，”XXX-impl.h”表 示对应的实现文件。所有的函数和类均位于名字空间”splab”中，因此使用SP++时要进行命名空间声明：”using namespace splab”。 SP++中实现的相关算法目录如下： 1 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

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

两个序列的循环卷积，大家可以对比参考一哈-two sequences circular convolution, we can contrast a reference to Kazakhstan

K条最短路算法,Mapinfo Mif格式文件,约束条件值可以设定-K of the shortest path algorithm, Mapinfo Mif format, restrictions value can be set

一种排序算法-A kind of sorting algorithm

资源描述本文在比较研究已有室内定位方法的基础上，采用基于接收到信号强度 值(Received Signal Strength Indicator，RSSI)和贝叶斯算法对室内的人员或物 体进行位置估计及跟踪。并对贝叶斯算法进行了有效改进，改进算法具有较 高的定位精度，基本达到了成本与精度的平衡。并通过大量的实验对影响定 位效果的各种因素进行了全面测试分析。