伪随机发生器

dsp2407,采集卡，FFT的原码，用于波形分析。-dsp2407, capture cards, FFT of the original code used for waveform analysis.

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

三次样条插值计算方程组-cubic spline interpolation equations

提供离散点三角网与等值线的实现给大家共享。有谁把等值线光滑处理了后，请也别忘了给我一份-provides discrete point triangulation with the contours to the realization share. Who put smooth contours handled, please do not forget to also give me a

约瑟夫环.CPP，一个解约瑟夫环的C++实现-Joseph Ring. CPP, a solution of Joseph Central C++ Realize

提供了PID控制的程序框图，可根据实际需要进行修改。-provide PID control of the process diagram, can be based on actual need to be modified.

这个程序可以实现钟表的运行，有基本的功能，可以获取当前时间，可以分秒不差。这是我属于你的钟表。你可以自己设置一个你喜欢的钟面，完全个性化。是java初学者练手的程序之一。

这是对机器人的基本 power point。它给出了初步的了解，关于如何使机器人。如何运作。从哪里开始和需要什么硬件。

这是一种改编的马氏距离 这是一种改编的马氏距离 这是一种改编的马氏距离 这是一种改编的马氏距离 这是一种改编的马氏距离 可以用来分类      

图象处理中用到的奇异值分解及矩阵运算-singularity value decomposition and matrix computation used in image processing