-
牛顿法求解非线性方程组
牛顿法求解非线性方程组-Newton method for solving nonlinear equations
- 2022-02-06 07:59:11下载
- 积分：1
-
系统辨识中，一个很重要的方法是用相关分析法辨识脉冲响应，该程序可以计算出输入和输出序列的互相关函数，以及计算出脉冲响应估计值...
系统辨识中，一个很重要的方法是用相关分析法辨识脉冲响应，该程序可以计算出输入和输出序列的互相关函数，以及计算出脉冲响应估计值-system identification, a very important way is to analyze the identification impulse response, the program can calculate the input and output sequence of cross-correlation function, and calculated the estimated value of the impulse response
- 2022-03-12 14:53:12下载
- 积分：1
-
himself in a fractal procedures and supports dynamic expression compiler
自己写的一个分形程序，支持动态编译表达式-himself in a fractal procedures and supports dynamic expression compiler
- 2022-02-15 13:27:01下载
- 积分：1
-
zigzag code
这是我用matlab编写的zigzag算法的示例源代码，对于使用dct函数后压缩图像文件或从图像中提取信息非常重要
- 2022-07-06 14:25:22下载
- 积分：1
-
蒙特卡罗法 很适合学习 数学建模 和 数学应用的人
蒙特卡罗法 很适合学习 数学建模 和 数学应用的人-Monte Carlo method is very suitable for application of mathematics and mathematical modeling of the person
- 2022-06-14 11:13:24下载
- 积分：1
-
表达式计算器
cos sin + ―*
表达式计算器
cos sin + ―*-Expression calculator cos sin+-*
- 2022-06-29 00:14:29下载
- 积分：1
-
车站车票管理系统
车站车票管理系统
- 2022-01-31 07:40:33下载
- 积分：1
-
本代码是《计算机常用数值计算算法与程序 C++版》一书的配套非线性方程组求解代码，每个源程序文件的文件扩展名都使用.cpp形式。这些C++程序已经在微软公司Wi...
本代码是《计算机常用数值计算算法与程序 C++版》一书的配套非线性方程组求解代码，每个源程序文件的文件扩展名都使用.cpp形式。这些C++程序已经在微软公司Windows 平台下的Virsual C++ 6.0环境下通过 -the code is "commonly used computer numerical algorithms and procedures C version," a book supporting solve nonlinear equations code, each source document file extensions are used. Cpp form. These procedures have been in C Microsoft Windows platform under the Virsual C 6.0 environment through
- 2022-01-24 14:09:54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
-
Solving TSP in Python -Genetic
求解TSP（旅行商问题）的遗传算法
- 2023-05-30 01:00:04下载
- 积分：1
