这是一篇来自土耳其中东技术大学的2010年的硕士论文，主要讲述了在推荐系统中应用SVD方法。
该论文提出两个创新点：第一个是先将User与Item分类，然后根据分类将矩阵分成相应的“子矩阵”，对这些矩阵进行相应的SVD，实验表明这样做不仅会提高准确率还会降低计算复杂度；
另一个是向二维矩阵中引入Tags，使其成为三维矩阵，再通过矩阵分解成、、子矩阵，最后再进行SVD，实验表明引入Tags会提高推荐性能。
该论文提出两个创新点：第一个是先将User与Item分类，然后根据分类将矩阵分成相应的“子矩阵”，对这些矩阵进行相应的SVD，实验表明这样做不仅会提高准确率还会降低计算复杂度；
另一个是向二维矩阵中引入Tags，使其成为三维矩阵，再通过矩阵分解成、、子矩阵，最后再进行SVD，实验表明引入Tags会提高推荐性能。
2024/11/30 8:49:06
906KB
1
《矩阵分析（第3版）》是作者史荣昌、魏丰根据20多年教学实践经历3个版本使用编写而成，主要介绍线性空间和线性变换，λ-矩阵与矩阵的Jordan标准形，矩阵的有理标准形，内积空间、正规矩阵、Hermite矩阵，矩阵分解，范数、序列、级数，矩阵函数，函数矩阵与矩阵微分方程，矩阵广义逆，Kronecker积。
本书适合高等院校学生、工学硕士、工程硕士研究生应用。
本书适合高等院校学生、工学硕士、工程硕士研究生应用。
2024/9/29 5:29:07
9.09MB
1
准确了解用户对视频热度的选择（PP）的差异性对丰富的用户画像，提高个性化服务精确度和优化产品提供方收益等方面大有替代益。
目前只有少量的统计学方面的研究，在数据稀疏或者大规模启动的情况下不确定性的正确性。
基于大规模商业在线视频流媒体系统的用户观影数据，此处对用户的视频热度替换进行了多角度刻画分析，着重提出了两个基于协同过滤（CF）的算法来预测用户对视频热度的替代。
具体贡献如下：1）通过空模型假设对比实验，发现并非所有用户都偏好热度高的视频；
大多数用户有较广泛的优选范围，但用户之间2）设计了基于最近邻居的（NNI）和基于矩阵分解的（MFI）用户热度首选预测模型。
实验证明，当数据稀疏度低于48％的时候，用NNI或MFI算法初始化所得的用户热度替代比传统方法统计所得的结果更准确。
越稀疏的情况下，这种优势越明显。
此工作对视频系统中推荐服务设计和用户体验优化具有参考意义。
目前只有少量的统计学方面的研究，在数据稀疏或者大规模启动的情况下不确定性的正确性。
基于大规模商业在线视频流媒体系统的用户观影数据，此处对用户的视频热度替换进行了多角度刻画分析，着重提出了两个基于协同过滤（CF）的算法来预测用户对视频热度的替代。
具体贡献如下：1）通过空模型假设对比实验，发现并非所有用户都偏好热度高的视频；
大多数用户有较广泛的优选范围，但用户之间2）设计了基于最近邻居的（NNI）和基于矩阵分解的（MFI）用户热度首选预测模型。
实验证明，当数据稀疏度低于48％的时候，用NNI或MFI算法初始化所得的用户热度替代比传统方法统计所得的结果更准确。
越稀疏的情况下，这种优势越明显。
此工作对视频系统中推荐服务设计和用户体验优化具有参考意义。
2024/8/10 16:42:34
224KB
1
电子版，有目录。
本教材适用于工学硕士和工程硕士研究生数学基础课——矩阵论．全书共分７章，主要内容为线性空间与线性变换、Ｊｏｒｄａｎ标准形、矩阵分解、矩阵的广义逆、矩阵分析、矩阵的Ｋｒｏｎｅｃｋｅｒ积与Ｈａｄａｍａｒｄ积和非负矩阵介绍．为工学硕士研究生的应用研究提供所需的数学工具．为他们的继续学习提供必需的数学基础．
本教材适用于工学硕士和工程硕士研究生数学基础课——矩阵论．全书共分７章，主要内容为线性空间与线性变换、Ｊｏｒｄａｎ标准形、矩阵分解、矩阵的广义逆、矩阵分析、矩阵的Ｋｒｏｎｅｃｋｅｒ积与Ｈａｄａｍａｒｄ积和非负矩阵介绍．为工学硕士研究生的应用研究提供所需的数学工具．为他们的继续学习提供必需的数学基础．
2024/7/31 0:27:20
1.79MB
1
推荐系统中矩阵分解被最广泛的应用，本项目采用python并在数据集Movielens100K上进行实现。
2024/4/1 1:08:44
746KB
1
利用信道传输矩阵的对角占优性和矩阵分解理论，本文提出一种基于三对角分解的抑制下行传输方向上串音的预编码算法。
由于不需要直接求矩阵的逆，新算法的运算量小于置零预编码算法，并和对角线分解预编码算法的运算量类似，但性能优于后一种预编码算法。
基于实测数据的计算机仿真验证了结果的正确性。
由于不需要直接求矩阵的逆，新算法的运算量小于置零预编码算法，并和对角线分解预编码算法的运算量类似，但性能优于后一种预编码算法。
基于实测数据的计算机仿真验证了结果的正确性。
2024/3/29 4:51:54
986KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB