-
清华大学室内定位突破+差增强全息图
资源描述基于对系统的试运行过程中 53 个目的地机场、 93 条航线、 1094 次航班的约 11 万枚射频标签的实测数 据的 分析，刘云浩教授和杨磊博士提出了“差增强全息图”（ Differential Augmented Differential Augmented Hologram,）定位方法，用以克服标签多样性对精度的影响首次将室 ）定位方法，用以克服标签多样性对精度的影响首次将室 内定位精度提高到毫米级。这一不仅满足了航空行李分拣系统的需求，同时 内定位精度提高到毫米级。这一不仅满足了航空行李分拣系统的需求，同时 内定位精度提高到毫米级。这一不仅满足了航空行李分拣系统的需求，同时 也满足了当前绝大多数室内定位的精度要求。这是迄今为止利用市场上商业化设 也满足了当前绝大多数室内定位的精度要求。这是迄今为止利用市场上商业化设
备所取得的最好室内定位追踪结果，其精度比它同类工作提高了近 40 倍。
- 2022-10-01 13:10:05下载
- 积分：1
-
数字三角
资源描述问题描述：给定一个由n行数字组成的数字三角形，如下图所示。试用动态规划算法，计算出从三角
顶部至底部的一条路径，使得该路径经过的数字总和最大。
注意每个数字只能走向下一行左边或右边的数字，而不能跳跃的走。
7
3 8
8 1 0
2 7 4 4
4 5 2 6 5
- 2023-01-28 04:05:04下载
- 积分：1
-
二次指数平滑预测法和三次指数平滑预测法是普遍的预测方法,应用很广,本代码还包含其平滑系数的确定...
二次指数平滑预测法和三次指数平滑预测法是普遍的预测方法,应用很广,本代码还包含其平滑系数的确定-quadratic exponential smoothing prediction and three exponential smoothing prediction is a common forecasting methods, a wide application, the code also includes its smooth determine the coefficient
- 2022-03-23 11:49:19下载
- 积分：1
-
Monte Carlo simulation
Monte Carlo simulation
- 2022-04-09 05:11:01下载
- 积分：1
-
IIR带通滤波器设计,提供交互界面,JAVA编写,VJ编译
IIR带通滤波器设计,提供交互界面,JAVA编写,VJ编译-IIR band-pass filter design, interface, JAVA prepared, VJ compiler
- 2022-02-27 04:30:25下载
- 积分：1
-
一多项式求值,求导,减法,乘法,加法. 输出形式为类数学表达式, 指数升序排列....
一多项式求值,求导,减法,乘法,加法. 输出形式为类数学表达式, 指数升序排列.-a polynomial function, derivation, subtraction, multiplication and addition. Output form of mathematical expression category, the index in ascending order.
- 2022-04-18 23:42:48下载
- 积分：1
-
粒子群算法
粒子群算法，gbest，和pbest，轻松实现，十分实用
- 2022-05-16 16:19:06下载
- 积分：1
-
查找字符串
字典树，前几个月做过个关键字过滤的东东，用的AC自动机的算法（Bell实验室70年代研究出的东东，详情请找度娘），10w数据量也就是0.x秒的事
而且这个算法，执行时间只与树的高度有关，与数据量无关，也就是说，哪怕你数据量再扩大一百倍，只要每个数据都是32位，那么时间就是固定的
- 2023-01-26 13:55:03下载
- 积分：1
-
Yang Hui triangle VB calculation program can be used to achieve 50 Levels
杨辉三角形的VB计算程序，可用实现50及以内的杨辉三角形计算，也可用给不太了解计算机的朋友展示一下计算机的计算速度-Yang Hui triangle VB calculation program can be used to achieve 50 Levels
- 2022-08-24 03:29:19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
