本人的数据结构实习作业“基于Hash表的代码相似度度量”，代码简洁明了，可读性强，并附带较多的注释，方便他人查看。一般通过查看注释便能了解程序的结构与功能，方便进行修改。以下是实习作业的具体要求： 对于两个C++程序，设计并实现两种不同的基于Hash表的检测算法（开地址法和链地址法），计算两个程序的相似度，并分析比较两种算法的效率。 分别读取两个C++程序文件（p1.cpp, p2.cpp），自行设计哈希函数，分别利用开放地址法和链地址法的冲突解决方案，构建C++语言关键字的Hash表。在扫描源程序的过程中，每遇到关键字就查找相应Hash表，并累加相应关键字出现的频度。 根据统计的两个程序中关键字不同频度，可以得到两个向量X1，X2。通过计算向量X1和X2的相对距离来判断两个源程序的相似性，相对距离s的计算方法是（ T表示向量的转置） |X1—X2| （（X1—X2）（X1—X2）T）1/2 s= ———————— = ——————————————— |X1|1/2•|X2|1/2 （X1•X1T）1/2（X2•X2T）1/2 利用开放地址法和链地址法两种不同的冲突解决方案构建，分别输出s和两种方法计算s所用的时间。 读取C++程序时，过滤注释，不考虑注释中的内容。（两种注释//和/*…*/） 采用二叉排序树来统计其中的关键字及其频度，按照上述公式计算s，同时给出计算s所用的时间。

几乎重复的视频检索深度度量学习 该存储库包含论文《 的Tensorflow实现。它提供了用于在深度复制视频检索（NDVR）问题上进行深度度量学习（DML）网络的训练和评估的代码。在训练过程中，DML网络将接收由三元组生成器生成的视频三胞胎。该网络是基于三重态损失函数进行训练的。下图显示了网络的体系结构。为了进行评估，计算了平均平均精度（ mAP ）和精密记忆率曲线（ PR曲线）。支持两个公开可用的数据集，即和 。 先决条件 Python Tensorflow 1.xx 入门 安装 克隆此仓库： git clone https://github.com/MKLab-ITI/ndvr-dml cd ndvr-dml 您可以通过以下方式安装所有依赖项： pip install -r requirements.txt 或者 conda install --file requirements.

文章介绍了无线Mesh网络的特点和机会路由的原理，分析了ExOR的优缺点，针对其没有考虑路由路径中转发节点自身的因素，过度使用最优路径而导致网络局部拥塞的问题，提出了路由节点能力评估模型，结合原有路径度量方法，构成新的路由度量。并引入参数限制候选转发节点的个数，避免数据进入质量较差的路径。仿真实验表明，新的机会路由方案，能够较好地实现网络负载均衡，数据吞吐量和网络利用率都有所提升。

Power BI中，利用最小二乘法预测和拟合数据点的pbix文件，下载后可分析其中DAX度量值写法和逻辑，很有帮助和参考价值。

相似性度量外围文档资料，为博客http://blog.csdn.net/wangyaninglm/article/details/43853435的补充

计算调制指数，相位幅度耦合的度量（Tort 等人，J Neurophysiol 2010）。

项目度量 项目度量是针对软件开发项目的特定度量，目的在于度量项目规模、项目成本、项目进度、顾客满意度等，辅助项目管理进行项目控制。 规模度量 软件开发项目规模度量(size measurement)是估算软件项目工作量、编制成本预算、策划合理项目进度的基础。规模度量是软件项目失败的重要原因之一。一个好的规模度量模型可以解决这一问题。有效的软件规模度量是成功项目的核心要素：基于有效的软件规模度量可以策划合理的项目计划，合理的项目计划有助于有效地管理项目。规模度量的要点在于：由开发现场的项目成员进行估算；灵活运用实际开发作业数

聚类马氏距离代码MATLAB 从细胞计数数据学习单细胞距离 该存储库随附有，，，N. Boon，B。De Baets和W. Waegeman撰写的手稿“从细胞计数数据学习单细胞距离”。 它通过针对不同的细胞计数应用（合成微生物生态学和CyTOF）最大化Jeffrey散度（DMLMJ），探索了距离度量学习的功能。 抽象的： 用于自动识别细胞群的数据分析技术在细胞计数领域的兴趣日益浓厚。 这些技术通常依赖于距离度量来测量单个单元之间的相似性。 在这项研究中，我们探索使用距离度量学习来自动确定欧氏距离度量的广义形式，即所谓的马哈拉诺比斯距离度量。 在单细胞标签可用的情况下，可以使用这种方法。 我们以各种方式评估学习距离度量的潜力。 首先，我们表明可以通过实施适当的Mahalanobis距离度量来改进当前基于距离的方法。 然后，为了评估这种距离度量的鲁棒性，我们评估了Mahalanobis距离度量在样本之间的可传递性。 此外，我们表明，可以将学习的距离度量与无监督方法（例如聚类或降维）集成在一起。 特别地，示出了用于来自两个不同来源的细胞计数数据的方法，即应用于微生物细胞的流式细胞计数和用于人

在集成学习中, 基分类器之间的多样性对于解释多分类器系统的工作机理和构造有效的集成系统具有重要的作用, 但至今仍没有统一的度量多样性的方法. 首先总结介绍常用的多样性度量方法, 阐述每种方法评估多样性的角度和方式; 然后从对多样性新的解释和度量、多样性度量在选择性集成中的应用、多样性度量和集成学习精度的关系3 个方面探讨多样性度量的研究进展; 最后给出关于多样性度量进一步的研究方向.

本资源包含两个文档，一般产品的开发过程，华为的IPD流程