-
Newton迭代法解非线性方程组
编写程序用牛顿迭代法求解下面的非线性方程组：例如 x1 = 0.7 sin(x1) + 0.2 cos(x2); x2 = 0.7 cos(x1)- 0.2 sin(x2);
- 2022-05-14 18:43:17下载
- 积分：1
-
这个程序会问你想找到多少个数字，然后是它的平均值…
This program will ask how many numbers you want to find the average of, then it will allow you to enter your numbers(yes they can even be decimals) then it will calculate the mean, median, mode and range of what you enter.
- 2022-04-25 08:24:48下载
- 积分：1
-
人体动作识别
基于opencv的人体动作识别，识别效果很好，精度很高，对人体正常行走动作和跌倒动作的识别是利用存储的视频流的，可用于养老院的监护系统。
- 2022-03-07 12:38:43下载
- 积分：1
-
简单的马尔科夫算法，Markov链数据提供了有当前状态决定，而又独立于当前状态的序列，此处算法是将给定的文本串生成新的随机文本...
简单的马尔科夫算法，Markov链数据提供了有当前状态决定，而又独立于当前状态的序列，此处算法是将给定的文本串生成新的随机文本- Simple Sample of a Markov Chain Algorithm：A markov chain is a sequence of random variables in which the future variable is determined by the present variable but is independent of the way in which the present state arose from its predecessors. The code is a simple example of a markov chain that generates somewhat random text output from a given text input.
- 2022-04-07 11:22:32下载
- 积分：1
-
three methods to find the k
用三种方法实现在数组中选择第k个最小的元素-three methods to find the k-th minium element in an array.
- 2022-07-25 23:48:27下载
- 积分：1
-
拉法尔喷管
拉瓦尔喷管是推力室的重要组成部分。喷管的前半部是由大变小向中间收缩至一个窄喉。窄喉之后又由小变大向外扩张至箭底。箭体中的气体受高压流入喷嘴的前半部，穿过窄喉后由后半部逸出。这一架构可使气流的速度因喷截面积的变化而变化，使气流从亚音速到音速，直至加速至跨音速。所以，人们把这种喇叭形喷管叫跨音速喷管。由于它是瑞典人拉瓦尔发明的，因此也称为"拉瓦尔喷管"。拉法尔的激波捕捉是一个难点。
- 2022-01-28 14:43:34下载
- 积分：1
-
字母数字简写展开（例：a~d => abcd）
资源描述
输入一个字符串，将字母和数字 简写形式展开（例：a~d => abcd）
例如输入：hello a~d world 1~9 ok
输出：hello abcd world 123456789 ok
- 2022-07-14 14:13:45下载
- 积分：1
-
CAMSHIFT 运动物体跟踪源码+详细注释
如果要跟踪的物体颜色和背景色有较大区别，可用基于颜色的跟踪 如CAMSHIFT 鲁棒性都是较好的。 此源码是一个opencv自带的CamShift算法使用工程实例。该实例的作用是跟踪摄像头中目标物体，目标物体初始位置用鼠标指出，其跟踪窗口大小和方向随着目标物体的变化而变化。
在此对camshift源码做了详细的注释，希望对大家有所帮助。
- 2022-05-29 09:38:12下载
- 积分：1
-
的牛顿插值的数值计算，包括matlab代码…
数值计算之牛顿插值，包含matlab代码实现！-Numerical calculation of the Newton interpolation, including the matlab code to achieve!
- 2022-10-26 20:50:03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
