Wallace

基于用户（项目）协同过滤 输入：训练集用户列表U，训练集电影列表I，评分矩阵R，邻居数目K，测试集用户列表UT输出：给每位用户（共计N位用户）产生一个推荐列表，其中包含M部电影 UCF：Start://构建用户相似度矩阵For user   For query Calculate sim(ux,uy)  End forEnd for

TF-IDF主要涉及一下两方面问题：（1）如何构建一个向量来表示文档中 的词项，构建另一个向量来表示查询中的词项.（2）如何来度量任意文档向量和查询向量的相似度倒排索引：文档相似度计算：1、内积（Inner Product）通过内积方法，一个比较长的文档可能会得到一个比较高的分数，仅仅因为文档比较长，因此有更多

1.     算法流程1)      通过Matlab产生高斯分布产生两类数据，并标明类别2)      数据初始化：设置K=某个常数（一般为奇数）3)      对于每个测试数据，计算其到两类数据的所有点的距离对于上述求得的距离，选出K个最小的，检测这选出的K个值中属于类别1和类别2的个数If Cnt1>Cnt2          属于类别1；Else

朴素贝叶斯分类的原理与流程      朴素贝叶斯分类是一种十分简单的分类算法，叫它朴素贝叶斯分类是因为这种方法的思想真的很朴素，朴素贝叶斯的思想基础是这样的：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。通俗来说，就好比这么个道理，你在街上看到一个黑人，我问你你猜这哥们哪里来的，你十有八九猜非洲。为什么呢？因为黑人中非洲人的比率最高，

ANN 人工神经前馈网络实现步骤学习过程：1)      设定网络参数2)      以均匀随机初始化加权值矩阵W，每个神经结点的偏权值向量 。3)      输入一个训练样本的输入向量X与目标输出向量T4)      计算每层网络的输出值向量Y5)      从输出层开始计算误差并反传6)      计算加权值矩阵修正量  W7)      更新加权值矩阵W，

隐马尔可夫性：如果一个过程的“将来”仅仅依赖于“现在”，而不依赖于“过去”，则此过程具有马尔科夫性，或称此过程为马尔科夫过程。  X(t+1)=f(X(t))马尔可夫模型：一个系统有N个状态S1,  S2, …, SN，随着时间推移，系统从某一状态转移到另一状态。在随机过程中，设qt为时刻t时的状态，系统在时刻t处于状态 S(j )时的概率取决于其在时刻1,

从K近邻算法、距离度量谈到KD树、SIFT+BBF算法前言    前两日，在微博上说：“到今天为止，我至少亏欠了3篇文章待写：1、KD树；2、神经网络；3、编程艺术第28章。你看到，blog内的文章与你于别处所见的任何都不同。于是，等啊等，等一台电脑，只好等待..”。得益于田，借了我一台电脑（借他电脑的时候，我连表示感谢，他说“能找到工作全靠你的博客，这点儿小忙

matlab中SVM工具箱的使用方法1 、下载SVM工具箱:http://see.xidian.edu.cn/faculty/chzheng/bishe/indexfiles/indexl.htm2、安装到matlab文件夹中1) 将下载的SVM工具箱的文件夹放在\matlab71\toolbox\下2) 打开matlab->File->Set Path中添

KNN之KD树 KNN是K-Nearest-Neighbors 的简称，由Cover和Hart于1968年提出，是一种基本分类与回归方法。这里主要讨论分类问题中的k近邻法。一般分类方法：•积极学习法 (决策树归纳)：先根据训练集构造出分类模型，根据分类模型对测试集分类。•消极学习法 (基于实例的学习法):推迟建模，当给定训练元组时，简单地存储训练数据(或稍加