群组推荐系统 [WIP] 该存储库包含 Group Recommendation 的最新研究论文、数据集和源代码（如果有）。 免费免费创建 PR 进行合并。 基于记忆的方法 偏好聚合 CoFeel：在群组推荐系统中使用情绪进行社交互动。 RecSys 2012 。 [ ] 具有部分信息的产品评级的数学建模和分析。 TKDD 2010 。 [ ] 通过纳入社会关系互动来增强群体推荐。 集团 2010 年。 [ ] 用于委员会决策的组推荐系统中的偏好聚合。 RecSys 2009 。 [ ] 一种考虑群组成员交互的群组推荐系统。 专家系统应用程序2008 年。 [ ] 基于用户档案合并的多观众电视节目推荐。 乌梅 2006 年。 [ ] 自适应无线电：使用否定首选项实现共识。 集团 2005 年。 [ ] 超过其成员的总和：群组推荐系统的挑战。 AVI 2004 。

本书从数学的角度对随机信号进行了详尽描述；对卡拉曼滤波及其在INS、GPS中的应用进行了阐述

Tracking an unknown number of targets given noisy measurements from multiple sensors is critical to autonomous driving. Rao- Blackwellized particle ltering is well suited to this problem. Monte Carlo sampling is used to determine whether measurements are valid, and if so, which targets they originate from. This breaks the problem into single target tracking sub-problems that are solved in closed form (e.g. with Kalman ltering). We compare the performance of a traditional Kalman lter with that of a recurrent neural network for single target tracking. We show that LSTMs outperform Kalman ltering for single target prediction by 2x. We also present a unique model for training two dependent LSTMs to output a Gaussian distribution for a single target prediction to be used as input to multi-target tracking. We evaluate the end to end performance of an LSTM and a Kalman lter for simultaneous multiple target tracking. In the end to end pipeline, LSTMs do not provide a signicant improvement.

Paulo S.R. Diniz 著的第三版 自适应滤波算法与实现 英文版

Filtering Distributions of Normals for Shading Antialiasing

可以直接运行的梯度域引导图滤波Gradient Domain Guided Image Filtering MATLAB源码

项目名：Image Filtering and Hybrid Images 简介：We will write an image convolution function (image filtering) and use it to create hybrid images! The technique was invented by Oliva, Torralba, and Schyns in 2006, and published in a paper at SIGGRAPH. High frequency image content tends to dominate perception but, at a distance, only low frequency (smooth) content is perceived. By blending high and low frequency content, we can create a hybrid image that is perceived differently at different distances.

Vold-Kalman 滤波器由 Håvard Vold 和 Jan Leuridan 在 1993 年推出，能够使用已知频率向量从信号中提取非平稳周期分量 [1]。 在最小二乘法的意义上，它可以作为一个稀疏线性系统来解决。 与卡尔曼滤波器类似，VKF 基于结构方程和数据方程最小化成本函数。 本次提交实现了第二代 VKF，能够同时提取多个订单，在交叉订单的情况下进行能量传播 [2]。 句法： x = vkf(y,fs,f) 使用采样率为 1% 的 -3dB 带宽的 2 极滤波器从采样率为 fs 的信号 y 中提取频率向量为 f 的阶数。 输出是单个波形 x。 [...] = vkf(y,fs,f,p) 使用 p 阶滤波器（通常在 1 或 4 之间）。 每个阶都会使滚降每十年增加 -40dB。 通过指定额外的低阶系数，添加了零边界条件。 例如：p = [2 0 1] 应用二阶滤波并在

蒸汽推荐系统 基于Steam用户库数据集中的协同过滤（皮尔逊相似系数）的推荐系统。 Pandas用于大多数数据操作，其中一些字符串函数用于非Unicode，非字母数字文本清除。 此外，Flask和JS用于前端。 数据整理 在建立此推荐系统时使用了两个数据集。 首先是来自Kaggle的。 这是为了将游戏名称标识为其应用程序ID，这是必需的，因为其他数据集（不包含应用程序ID）以用户每个游戏小时的小时数的形式包含隐式评级。 用户数据集也来自Kaggle。 隐式评级 用户数据集包含每个用户的数据 玩游戏 为了 小时。 我所做的是将隐式的评分时间转换为从1到5的显式评分。 只需将额定值线性映射到范围即可实现 在哪里 是平均游戏小时数 在整个数据集中播放。 端点数据集 此数据集是使用我们数据集中的游戏者的appid与包含游戏标头图像的媒体数据集的内部连接生成的。 该数据集用于检索浏览器中前端的媒

kaiming He 的guided image filtering 对应的opencv代码。在jj574435561的基本做了重整理，简化了用法。