normalizacion de documentos EN C

#include   #include   #include   #include   #include   #include   using namespace std;   int deep,n;   int v[1005]={1};   int h(int top)   {       int k=deep-top;       int x=v[top];   请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

该工具箱是研究非线性时间序列混沌与分形的有力工具，能够计算非线性时间序列的动力学不变量，如关联维数，李亚普洛夫指数等指标。此外还包含相空间重构的过程中参数的估计方法。

基于遗传算法以TSP中的中国旅行商问题为例进行求解，采用轮盘赌、顺序交叉、反转变异方式实现算法涉及的选择、交叉、变异策略，利用C++语言编码进行仿真实验，验证本文所设计算法的正确性和可行性.

In the pFDTD, pre-defined, a number of functions helps you to input complex dielectric/metallic structures by the repeated use of rather simple geometric structures. For example, the later use of input object functions will take over the overlapped region with the previously defined structures. In the present pFDTD version, only metals that can be described by simple Drude model can be handled.

MOEA/ D（多目标进化基于分解算法）是一个通用的算法框架。它分解一个多目标优化问题转化为多个不同的单目标优化的子（或简单的多目标优化子问题），然后使用人群为基础的方法，同时优化这些子问题。

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

FSA人工鱼群算法用MATLAB编程实现。有很高的价值。体现了人工鱼群算法的特点。保证能运行。-FSA artificial fish-swarm algorithm with MATLAB Programming. Has a high value. Embodies the characteristics of artificial fish-swarm algorithm. Guarantee that it will run.

采用基于RSSI的ZigBee定位技术。 采用基于RSSI的ZigBee定位技术，实现两个基站对目标的定位及校准功能

它是用于连接键盘与单片机C代码。它满足一定的规则，并连同控制器。代码给出适合MIKROC

通过输入矩阵的行数,列数,元素来建立稀疏矩阵的源程序-input matrix by the number of rows, columns, element to establish the source of sparse matrix