模拟退火算法代码

人工神经网络的c++实现源码,含实现神经网络层的类,神经网络的类,中文详细注释, 并含有使用示例,学习神经网络的好源码-Artificial neural network c++ implementation source code, including achieve the type of neural network layer, the type of neural network, a detailed English notes, and contain the use of examples of good learning neural network source code 

小波分解图像使图像分为低频和高频信息，通过这种方法可以增强图像的清晰度

计税程序。可以计算每周收入、最近收入、从年初到目前的所得税、扣除的联邦收入税以及帐目检查等。 This program computes weekly payroll, current earnings, year to date earnings FICA tax, federal Income Tax Withheld, and check Amount.-taxable procedures. Income can be calculated weekly, recently income from the beginning of the current income tax, the deduction of federal income taxes as well as accounts of inspection. This program computes weekly payroll, current earnings, year to date earnings FICA tax, federal Income Tax Withheld, and check Amount.

应用背景在当今社会信息安全问题备受人们关注。自身安全和个人隐私保护成为这个时代的热门话题。基于密码、个人识别码和钥匙等传统的安全措施已不能完全满足社会要求。在这样一个背景下，人们把目光投向了生物特征识别技术 —— 利用人体固有的生理特征或行为特征来进行身份的鉴别或确认。关键技术 面部识别又称人脸识别、面像识别、面容识别等等，面部识别使用通用的摄像机作为识别信息获取装置。以非接触的方式获取识别对象的面部图像，计算机系统在获取图像后与数据库图像进行比对后完成识别过程。面部识别是基于生物特征的识别方式 ，与 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

腐蚀– 腐蚀是一种消除边界点，使边界向内部收缩的过程。– 可以用来消除小且无意义的物体 膨胀–膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。–可以用来填补物体中的空洞

插值、拟合与规划问题 插值、拟合与规划问题-Interpolation, fitting with the planning of interpolation, fitting and planning issues

Vondrak算法:主要用于未知函数测量数据滤波-Vondrak algorithm: being used in the filtering of measuring data whose function is unknown.

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

一个简单的字符冒泡排序例子-A simple example for bubble chars sorting.

谭浩强版本的C语言教材或C++教材，书本上主要的程序讲解，实例，在包中都基本已经包含了的 另外包含了一个用C语言实现的基本的公交车系统