mfc随机数生成排序以及列表

Householder法求解最小二乘问题。可以避免常规方法遇到奇异矩阵(即行列式|A|接近零)时误差太大的问题。本方法的精度非常高。-Householder method least squares problems. Avoid conventional methods encountered singular matrix (that is determinant | A | close to zero) error much of a problem. The accuracy of this method is very high.

caD中相同图形去除，去除重复数据获取不重复数据

提供ofdm场景下QAM的基本算法代码，有很好参考价值，希望大家喜欢。 代码目录：OFDM_16QAM.m    QAM16_demod.m    QAM16_mod.n http://download.csdn.net/download/maikurakiyh/4001873

纯软件的光线追踪算法 可以满足你的要求-pure software ray tracing algorithm can satisfy your request

用VB实现函数逼近的数值方法算法集。包括级数求和，切比雪夫逼近，积分和导数的切比雪夫逼近等五种函数逼近数值方法。-VB function approximation algorithm for the numerical method sets. Including the series, Chebyshev approximation, integral and derivative of Chebyshev approaching the five function approximation numerical methods.

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

我们有两个相同发电机的声音的振动，可以生成 4 类型的信号 (正弦波，方形，三角形，锯齿) 和改变我们的振动频率。类型的信号，他们的频率可以调整到每个生成器离开对方。例如，第一信号发生器可以生成、 频率为 1000 赫兹和第二个 — — 正弦波、 34 Hz 的频率。如果一个发电机频率 0 Hz 供应，我们只能得到其他发电机的输出信号。然后我们两个的信号到达处理单元和不断变化的信号。这个单元有四种模式-添加信号、 减法、 乘法和除法的信号。因而我们可以我们两个的输入的信号，若要打开另一个，但我们需要的配置。由于模式发电机独立变化和模式信号处理单元也独立地变化，然后我们心中都充满的 68 种不同的模式。给定的设备的 upolyahaye，在非常大的数字 riznomanatnyh 模式下，这种不同于常规发电机产生了 17 倍多模式的值，因此应用领域。到目前为止我们发电机 perevenshuye 其他发电机功能和 lysche 他们比较复杂一点。

多元函数的共轭梯度法求多元函数在无约束情况下的最小值-Multi-function conjugate gradient method for unconstrained multi-function in the case of the minimum

详细对一般字符串表达式解析，可进行常规的表达式操作-Detailed analysis of the general string expression, it can conduct regular expression operator

里面有循环法和嵌套法。试着算到了二十几皇后。上学时候写的东西~拿出来分享下