VIP会员

推荐系统源码

推荐系统源码

电影推荐系统

推荐系统，python的。基于协同过滤算法。我觉得还行。没问题

推荐系统资料

关于推荐系统的资料，有实时推荐系统的介绍，还有一些论文（基于Storm的分布式在线推荐系统.pdf 基于混合算法的推荐系统的研究与实现.pdf 实时推荐系统.pdf）

音乐推荐系统

音乐推荐系统

推荐系统实践.pdf,推荐系统实践pdf,Python

推荐系统实战课程，个性化推荐系统，智能推荐系统，机器学习算法

RecSystemPractice:项亮《推荐系统实践》的部分算法代码实现

RecSystemPractice 项亮《推荐系统实践》的部分算法/代码实现

读书笔记（推荐系统实践）

读书笔记（推荐系统实践）.doc

推荐系统比较

全面总结推荐系统的现状，对主流算法进行了分类和对比，高清

推荐系统经典文章

推荐系统，协同滤波，矩阵分解，经典论文及其对应的PPT

mac 10.8.2 系统

mac系统 10.8.2 这里给出种子，给需要的童鞋

PE系统下载

用于U盘安装系统，修复系统，磁盘分区，小巧简便。

操作系统总结.doc

操作系统概述 1.1 操作系统基本概念 1.1.1 操作系统概念 计算机系统自下而上可分为：硬件、操作系统、应用程序和用户；操作系统控制和协调各用户的应用程序对硬件的分配与使用；它是系统软件 1.1.2 操作系统的特征 1.并发：两个或多个事件在同一时间间隔内发生；因此它具有处理和调度多个程序同时执行的能力；引入进程的目的使程序并发执行；微观上分时交替执行，通过分时实现 2.共享：系统中的资源可供内存中多个并发的进程共同使用。可分为两种： （1）互斥共享：如打印机、磁带机等。此资源被占用，其他进程访问该资源必须等待，这类资源被称为临界资源或独占资源 （2）同时访问：“同时”往往宏观上，而微观上这些进程可能是交替对该资源进行访问，例如磁盘 并发与共享是操作系统两个最基本的特征

recommendation_algorithm:推荐系统算法实践

Recommendation_algorithm 推荐系统算法实践

高校图书馆个性化推荐系统

高校图书馆个性化图书推荐系统，涉及算法，协同过滤推荐，基于用户的隐式推荐和显示推荐，同时该系统包括前台后台。借书，还书，查询书籍等都是可以的。是本科毕业设计

推荐系统123

NULL 博文链接：https://blackproof.iteye.com/blog/2117469

新闻推荐系统

基于用户兴趣标签的新闻推荐系统（毕业设计） 注意事项 界面的修改，均已index.jsp修改为主，在进行子界面的修改，保持统一性！ tomcat的使用　：　部署yuanews-web.war explor　包，运行时，见运行菜单！ ps : image 所有的jsp页面中的链接　添加　request.getContextPath() , 确保路径正确使用！！ 代码中使用到了重定向等页面跳转，添加 request.getContextPath() ,　确保路径正确使用！！ dao 层中的接口不要随意修改，如果需要修改，一定要要修改mapper中的参数！！ dao mapper中的参数不一定正确，注意看出错信息，已确定错误来源！！ controller中在返回值的时候，注意添加注解：@ResponseBody　！！ 注意事项，jsp页面中的img标签添加获取项目名路径　( request.getContextPath() )　

recsys:推荐系统实战

记录系统 1.需求 在这里专家下主要要是采用Tensorflow2.0的api进行建立模型 TensorFlow2.0，Keras，Python3.6，NumPy，sk-learn，Pandas 2.数据集 2.1 Criteo 该数据集包含约4500万条记录。 有13个采用整数值的功能（主要是计数功能）和26个分类功能。 该数据集可从获得。 在这里我截取一部分数据进行模型训练data = .. / data / Criteo / train.txt 2.2 Seguro安全驱动程序 在火车和测试数据中，属于类似分组的特征会在特征名称中进行标记（例如，ind，reg，car，calc）。 另外，功能名称包括后缀bin（表示二进制功能）和cat（类别）。 没有这些名称的特征是连续的或有序的。 值-1表示该特征从观察中丢失。 目标列表示是否已为该保单持有人提出索赔。 该数据集位于 3.推荐

第一讲：python网络爬虫基础知识

本讲主要内容包括Python常见数据类型、循环与控制流以及常见的错误处理方法。这些Python基础知识非常重要，是后面进行爬虫练习必备也是最少基础内容。

Python基于机器学习实现的股票价格预测、股票预测源码+数据集，机器学习大作业

python数据分析,因为股票价格的影响因素太多，通过k线数据预测未来的价格变化基本不可行，只有当天之内的数据还有一定的关联，故feature与target都选择的是当天的数据。 加载数据 为了加快数据的处理速度，提前将mariadb数据库中的数据查询出来，保存成feather格式的数据，以提高加载数据的速度。 经过处理，不同股票的数据保存在了不同的文件中，列名还保持着数据库中的字段名。我选择了股票代码为sh600010的这只股票作为数据分析的数据来源。预测出来的结果与真实值变化趋势相近，说明线性回归模型在一定程度上能够解释收盘价与选取的feature之间的关系

身份证前6位对应的省市区代码（超详细）

身份证前6位对应的省市区代码（超详细）

【Python实战】-Python+Opencv是实现车牌自动识别（源码+数据+字符匹配模板）

在这个实战项目中，我们将利用Python结合OpenCV库来实现车牌识别功能。整个过程涵盖图像预处理、车牌定位、车牌字符分割以及模板匹配识别等关键步骤，对智能交通、车辆管理等实际应用领域具有显著价值。 首先，我们需要对获取的车辆图像进行预处理，这通常包括灰度化、二值化、滤波去噪等操作，以便更好地凸显车牌区域。接着，利用OpenCV的图像处理功能，我们可以实现车牌定位。这通常涉及边缘检测、轮廓查找以及形态学操作，以准确提取出车牌区域。 在车牌定位完成后，我们需要对车牌进行字符分割。这一步的目的是将车牌中的每个字符独立提取出来，以便后续进行识别。常用的字符分割方法包括垂直投影法、滑动窗口法等。通过这些方法，我们可以将车牌图像划分为多个字符区域。 最后，我们利用模板匹配的方法对分割出的字符进行识别。通过预先准备的字符模板库，我们将每个字符区域与模板库中的字符进行匹配，从而确定字符的具体内容。经过这一过程，我们可以得到完整的车牌号码。 该项目不仅可用于车牌识别技术的学习和研究，还具有实际应用价值。通过自动识别车牌号码，我们可以实现车辆追踪、违章查询、停车场管理等功能，从而提高交通管理的

抖音用户浏览行为数据集

抖音用户浏览行为数据集 文章： [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(一）](https://blog.csdn.net/m0_53054984/article/details/136121177) [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(二）](https://blog.csdn.net/m0_53054984/article/details/136123131) [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(总）](https://blog.csdn.net/m0_53054984/article/details/136122988) [ 数据挖掘实战 —— 抖音用户浏览行为数据分析与挖掘(代码部分）](https://blog.csdn.net/m0_53054984/article/details/136455033)

基于在线教学平台的数据挖掘与学习行为分析超星集团数据集

基于在线教学平台的数据挖掘与学习行为分析超星集团数据集

两阶段鲁棒优化/综合能源系统/需求响应/微电网/多目标优化/优化调度matlab-yalmip-cplex/gurobi文章复现

基于多目标灰狼的冷热电联拱型微电网允许优化/ 考虑用户侧柔性负荷的社区综合能源系统日前优化调度（完美复现）matlab-yalmip-cplex/gurobi代码/ 基于场景的多区域综合能源优化调度（随机优化）（完美复现）matlab-yalmip-cplex/gurobi代码/ 考虑阶梯式碳交易机制与电制氢的综合能源系统热电优化（完美复现）matlab-yalmip-cplex/gurobi代码/ 基于概率距离的场景快速削减法的风光场景生成与削减方法/ 微电网两阶段鲁棒优化经济调度方法（完美复现）matlab-yalmip-cplex/gurobi非答疑版本/ 两阶段鲁棒优化入门到编程/ 并网型微电网光储协同优化调度/matlab-yalmip-cplex/ 含集群电动汽车的微电网多种需求侧资源经济协同调度/

regress函数实例代码

 regress函数功能十分强大，它可以用来做多元线性回归分析，它不仅能得出线性回归函数中各个系数，还会返回一系列有意义的统计参数，有助于我们对回归函数的分析。本文件包含regress函数实例代码一份。

SPSS中介效应分析插件（Process和mediate插件）

包含Process和mediate插件

Fragstats V4.2 软件计算景观指数的参数文件示例

Fragstats V4.2 软件计算景观指数的参数文件示例。