工资管理系统

用c++编写的龙贝格积分的程序 附有实例和计算结果-With c++ Prepared Romberg integration process with examples and calculation results

快速人眼检测，c++源码，研究行人检测算法的，应该有帮助。好像国外的人做的。也可以再网上找到他们的地址。看看是否有用。一起学习交流。

分析了遗传算法的初始化，交叉变异等过程；通过实际例子，对遗传算法在计算目标函数值，将二进制编码转化为十进制数，计算个体的适应值几个方面的应用进行了详细分析。对初学者了解遗传算法具有很好的帮助。

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

砼非线性有限元源程序，用FORTRAN写的比较有参考价值-Concrete non-linear finite element source code, using FORTRAN to write a comparison reference value

仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox仿VB的InputBox

神经网络BP改进算法：对开发神经网络BP算法的人员大有帮助-neural network algorithm improvements : the development of neural network algorithm greatly assist the staff

流水线分五个步骤，每个步骤的执行时间均为一个单位时间；其中1-2-3-5组成加法流水线，1-4-5组成乘法流水线。加法和乘法不能同时执行。

追赶法解求解方程组-chased method for solving equations

Simpleson算法函数，利用子函数设计实现，子函数非常简单，可供参考使用-Simpleson algorithm functions, the use of subroutine design implementation, subroutine is very simple, available for reference use