堆 Min_Max

审核ISBN的另一算法，或许不是最好的，但至少是鄙人刚学编程时的想法。在此各大家共勉。 -audit ISBN another algorithm, perhaps not the best, but at least I am just learning programming ideas. Here we all share.

这个我写的一个计算LC滤波器的程序，可以显示出最后的频率截止情况，有最平法，椭圆法等计算方法-this, I wrote a calculation of the LC filter procedures can demonstrate that the frequency of the final deadline, the most-France, oval law calculation method

基于CNN的手写数字训练源代码可用于训练各种手写字体提供源代码，主要内容在CNN那个cpp当中，其余大部分为界面设计。有问题可以联系我，一起讨论学习。

这是真正好的代码的 MMSE 信道估计你可以享受的 ofdm 信道容量分析，这是比别人更好的信道估计技术

北大ACM题目例程 详细的解答过程 程序实现 算法分析-ACM North Title routine procedures detailed answers to the process of realization of Algorithm Analysis

实现md5算法。用c/c++实现的md5算法。想研究md5算法的可以下载。-Realize md5 algorithm. With c/c++ Realize the md5 algorithm. Md5 algorithm would like to study can be downloaded.

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

遗传算法的 matlab 程序代码，程序完整，可以正确运行

WHAT IS PARAMESH ? PARAMESH is a package of Fortran 90 subroutines designed to provide an application developer with an easy route to extend an existing serial code which uses a logically cartesian structured mesh into a parallel code with adaptive mesh refinement(AMR).