freescaleHC12插值代码,8,16位无符号和有符号一维及二维插值

图的建立与遍历算法。-map and the establishment of traversal algorithm.

官网源码 方便大家查找学习 Efficient Online Structured Output Learning for Keypoint-Based Object Tracking 这篇论文的源码 放在这里方便大家节省一些时间

应用背景 这是初次学习verilog的课程设计，设计过程中用三个表示状态的寄存器zz（正转）、fz（反转）、pause（暂停），以及三个寄存器表示LED灯,LED1表示zz；LED2表示fz；LED3表示pause。用data_out1,data_out2显示预置时间。Beep为音响信号。 关键技术设计一个电子定时器，控制洗衣机作如下运转：定时启动--->正转20秒-->暂停10秒-->反转20秒-->暂停10秒-->定时未到，回到“正转20秒-->暂停10秒-->反转20秒-->暂停10秒”；若定时到,则停机发出音响信号。用两个数码管显示洗涤的预置时间（分钟数），按倒计时的方式计时，直到时间到停机；洗涤过程由“开始”信号开始。三只LED灯表示“正转”、“反转”、“暂停”三个状态

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

双曲线回归方程 HyperbolaRegress.cs 注意！该模型要求a与b的值要大于0！使用该模型时应注意验证这个限制条件。我在实现模型时未加入任何出错流程控制。X不能为0。 方程模型为 public override double[] buildFormula() 得到系数数组，存放顺序与模型系数相反，即该数组中系数的值依次是b,a。 public override double forecast(double x) 预测函数，根据模型得到预测结果。 public override double computeR2() -Hyperbola regression equation HyperbolaRegress.cs attention! The model demands a and b value is greater than 0! Caution should be taken when using the model verify the conditions of this restriction. I realize the model error is not to join any flow control. X should not to 0. Equation model for public override double [] buildFormula () get coefficient array, the storage order and model coefficients contrary, that is, the array is followed by the value of coefficient b, a. public override double forecast (double x) prediction function, according to the results of model prediction. public override double computeR2 ()

打井是在 c + + 语言中创建一个游戏。 井字游戏（或零和十字， Xs 和 Os） 是一种纸和铅笔游戏两名选手， X和O，轮流标记在一个 3 × 3 网格的空间。这位成功地将三个各自标志放置在水平、 垂直或对角线的行中的球员赢得比赛。 井字游戏的简单性使得它非常适合作为教育学的教学很好的体育精神和处理的博弈树搜索的人工智能的一个分支的概念工具。它是直接写一个计算机程序来玩井字游戏完美，以枚举 765 本质上不同的位置 （状态空间复杂度），或的 26,830 可能游戏 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

一个排序过程的演示- A arrangement process demonstration

一些poj简单的题目。初学的时候写的，也只是一部分。都是些挺简单的算法，适合初学者去刷一刷。

Kalman滤波器，卡尔曼滤波器算法说明及其实现。C语言编写的函数，可以直接调用。-Kalman filter, the Kalman filter algorithm note and its realization. C language function can be called directly.

信号相位匹配原理的正弦信号参数的最小二乘估计-Parameter estimation of sinusoidal signals by using principle of signal matched-phase