几个小排序

独立分量分析，利用此程序可以提取独立分量-independent component analysis, the use of this procedure can be extracted ICA

在modbus通信时，我们经常需要计算crc校验码，本软件是我自己根据crc16算法自己编写的，按照modbus命令格式写出一串命令字符，填入第一个编辑框中，点击计算按钮就会得到crc16四位的校验码，同时还会在另一个编辑框中得到LRC的校验码，程序中crc16函数我已经封装好，方便后来者使用！

该程序解决使用遗传算法技术的调度问题

最小二乘拟和算法-least squares fitting algorithm

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

Multivac 的Level set包，包括 narrow band level set方法和fast marching方法的全部源代码。 -Multivac

用单纯性法求解线性规划问题，并通过控制台输入系数矩阵。-Using simple method for solving linear programming problems, and through the console input coefficient matrix.

本程序由kyungsang基姆制作。如果你有问题或问题，发送电子邮件到me.kssigari@gmail.complease试试这些测试步骤1。模拟器是用于测量投影。2。demo2是解析重建众所周知过滤backprojection3。Demo3 is the iterative reconstruction using the maximum likelihood expectation maximization (MLEM) method.nx: number of image pixels of x-directionny: number of image pixels of y-directionnz: number of image pixels of z-directionsx: real size (length) of x-axis of the image -> resolution of a pixel = sx/nxsx: real size (length) of y-axis of the image -> resolution of a pixel = sy/nysx: real size (length) of z-axis of the image -> resolution of a pixel = sz/nznu: number of detector pixels of x-direction (u)nv: number of detector pixels of z-direction (axial) (v)su: size of real (length) of detector u-direction -> resolution of a pixel = su/nusv: size of real (length) of detector v-direction -> resolution of a pixel = sv/nvDSD: distance between source to detectorDSO: distance between source to iso-center (image center).dir: rota

matlab编写的流体计算和传热程序-Matlab calculations prepared by the fluid and heat transfer procedures

他们是源代码中的数字信号处理和数字通讯 （如 psk 和 bpsk 和 qam 和......