-
悲伤基本立体匹配OpenCV的C++
应用背景一个基本的立体匹配方法”悲伤的块匹配算法（绝对差异的总和）”为OpenCV的C++写的。关键技术立体视觉，视差，基本块与OpenCV的C + +悲伤的匹配算法
- 2022-02-26 03:46:20下载
- 积分：1
-
reverberant_signal_array
simarraysigim.m
roomimpres.m
imagesim.m
delayt.m
- 2022-03-02 20:00:47下载
- 积分：1
-
大数运算库
大数运算库-Treasury operations of large numbers
- 2022-06-13 11:16:36下载
- 积分：1
-
C++ ItemCF
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
- 2022-03-26 08:57:57下载
- 积分：1
-
朴素贝叶斯分类器
这是一个关于朴素贝叶斯分类器的算法实现，用java实现的，同时含有详尽的使用说明，在代码中也有详尽的注释，帮助使用者能够看懂代码，并自己尝试实现自己的朴素贝叶斯分配器。 &nbs
- 2022-09-05 23:20:03下载
- 积分：1
-
基本能跑的k60双线摄像头程序
应用背景本程序是飞思卡尔竞赛的摄像头组程序，本人经过自己摸索，一步一步写出来的代码，可能不是很好，但是绝对可以用，里面包含直道，弯道，十字路径状况等，能很稳定的跑完基本赛道，比赛过去大半年了，现在拿出来供有需要的人分享，学习，希望能够帮到一些人。
关键技术本程序是飞思卡尔竞赛的摄像头组程序，包含直道，弯道，十字路径状况等，能很稳定的跑完基本赛道，比赛过去大半年了，现在拿出来供有需要的人分享，学习，摄像头在奇场里采集，偶场里进行数据的处理，对于舵机采取5MS的控制周期，电机采取100MS的控制周期。整个程序有详细的注释，对于新手特别有帮助。不明白的地方可以对照注释反复思考。
- 2022-02-15 13:34:57下载
- 积分：1
-
8皇后问题代码
使用Las Vegas方法与回溯方法结合，改进8后问题算法
- 2022-07-17 13:25:19下载
- 积分：1
-
MOGWO（灰狼算法）
MOGWO是外国教授写的，不是国内的狼群算法，本文的灰狼算法采用矩阵形式来更新灰狼算法，结果非常不错，建议大家下载看看，非常好，可以用于各种网络的优化及预测。MOGWO是外国教授写的，不是国内的狼群算法，本文的灰狼算法采用矩阵形式来更新灰狼算法，结果非常不错，建议大家下载看看，非常好，可以用于各种网络的优化及预测。MOGWO是外国教授写的，不是国内的狼群算法，本文的灰狼算法采用矩阵形式来更新灰狼算法，结果非常不错，建议大家下载看看，非常好，可以用于各种网络的优化及预测。
- 2022-08-16 05:21:57下载
- 积分：1
-
ints: You would earn poin
XPObject对象
- 2022-07-14 12:16:46下载
- 积分：1
-
koch 雪花的非递规 实现
koch 雪花的非递规 实现-non-delivery rules to achieve
- 2022-02-24 16:40:11下载
- 积分：1
