-
线程池实现
类池管理来自客户端的请求。
管理是存储在一个优先队列中的请求，在并行执行它们。
在并行执行的请求的最大数目是最大值-变量的构造函数。
Run 的函数打开一个新的线程调用的主线程，做管理工作的。
池中添加一个新的请求进行排队功能，此函数是线程安全的。
等待函数被阻塞直到所有 （或特定请求） 的要求也都结束了。
- 2022-03-17 09:45:45下载
- 积分：1
-
small voice processing software can be used to synthesis, the use of the Curricu...
语音处理的小小软件，可以用来合成的，使用于课程设计
-small voice processing software can be used to synthesis, the use of the Curriculum Design
- 2022-07-13 07:50:33下载
- 积分：1
-
计算超短脉冲非线性传输的一个比较成熟的M文件
计算超短脉冲非线性传输的一个比较成熟的M文件-Calculation of nonlinear transmission of ultrashort pulse of a more mature M documents
- 2022-03-12 11:16:19下载
- 积分：1
-
菜单 com teclado matricial 3 x 4 e pic
埃斯特角 projeto mostra 科摩 usar um teclado matricial 3 x 4 com pic 没有 ccs，criação de ilustra um 菜单 de opções usando (开关箱) 段控制 de motores de 帕苏、 com 帕苏 completo、 微帕苏等
- 2022-02-25 00:24:41下载
- 积分：1
-
C++实现基于用户的协同过滤
算法过程：1).读入数据，将数据用user_brands存起来，同时建立userid_id，再建立id_brands 2).遍历id_brands得到物品-用户倒排表brand_ids，根据倒排表得到用户的相似矩阵sim_mat 3).为每个用户推荐产品： 3.1).求用户u买过的brand和所有brand的差集得到用户u没有买过的物品集合brand_unused； 3.2).用户u对每一个没用过的物品i的兴趣p(u,i)： 3.2.1).找到与用户u最近的k个用户 对于每一个没用过的物品i： 3.2.2).找出这k个用户中对物品i有过行为的用户v[]√ 3.2.3).将用户u和v[j]的兴趣相似度累加 3.3).取前m个最感兴趣的brand推荐给用户； 代码：UCF.cc（用户协同过滤核心代码）：#include #include #include #include #include #include #include #include #include #include
- 2023-03-01 07:45:04下载
- 积分：1
-
Zju2112 Dynamic Rankings
- 2023-03-30 15:35:03下载
- 积分：1
-
蚁群聚类算法
蚁群聚类算法是人们对蚂蚁堆形成原理进行研究而产生的一种群体智能算法。LF蚁群聚类算法的主要思想是：将待聚类的数据对象随机放置在一个二维区域中，人工蚂蚁在二维区域内随机移动，每只蚂蚁根据数据对象与局部环境的相似程度，决定捡起或放下该数据对象的概率，相似程度越高捡起的概率越小，放下的概率越小，蚂蚁的移动使得它与其邻域内的邻居相互影响、相互作用，经过一定代数的迭代后，蚁群联合行动导致属于同一类别的对象在同一个空间区域聚集在一起，实现自组织的聚类过程。
- 2022-01-26 07:50:30下载
- 积分：1
-
最小二乘拟和算法
最小二乘拟和算法-least squares fitting algorithm
- 2022-01-24 09:11:29下载
- 积分：1
-
模式识别、距离计算、聚类分析、判别函数…
模式识别，距离计算，聚类分析，判别函数，判断准则等的算法实现-Pattern recognition, distance calculation, cluster analysis, discriminant function, the algorithm to determine criteria
- 2023-05-15 14:35:02下载
- 积分：1
-
Matlab的地理数据分析
%Markov链%第一种方法A=[0 1243.37 171.92 29.79 0 0 00 0 6983.97 957.97 0 0 00 0 203845.5 9812.96 0 0 034 0 77259.28 11323.64 3851.17 0 4.89128.47 11580.83 917.15 0 5761.7 2397.61 02293.52 79225.61 9979.07 3647.11 0 91339.8 24.360 141.18 964.94 2.2 0 0 28.67]; %原始数据矩阵[m,n]=size(A); %计算矩阵的行数和列数Rsum=sum(A"); %计算矩阵各行数值之和S=Rsum(ones(n,1),:); %将各行数值之和平移为矩阵M=(A"./S)"; %计算转移概率矩阵%第二种方法A=[0
- 2022-01-22 01:04:19下载
- 积分：1
