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。

Adaptive Filtering Primer with MATLAB

verhulst模型matlab代码快速开始： 为 SGD+ 模型运行python train.py ，为具有神经后处理的模型运行python train.py python train.py --model=SGDnn 。 提交文件将写入提交文件夹。 协同过滤 推荐系统关注呈现用户可能感兴趣的项目（例如亚马逊上的书籍、Movielens 上的电影或 lastFM 上的音乐）。 在协同过滤中，我们的推荐基于用户对其他项目的（已知）偏好，并考虑其他用户的偏好。 资源 所有必要的资源（包括训练数据）均可在 训练数据 对于这个问题，我们已经获得了 10000 个用户对 1000 个不同项目的评分。 所有评级都是 1 到 5 星之间的整数值。 评估指标 您的协同过滤算法将根据以下加权标准进行评估： 预测误差，由均方根误差 (RMSE) 衡量 代码用法： usage: train.py [-h] [--submission SUBMISSION] [--model MODEL] [--cv_splits CV_SPLITS] [--score_averaging SCORE_AVERAGING]

Intuitive Understanding of Kalman Filtering with MATLAB Kalman Filtering 算法原理和应用，包括matlab程序

Brookner E, Tracking and Kalman filtering made easy. John Wiley & Sons, Inc., 1998.

基于用户的协同过滤算法； 计算用户之间的相似度，建立推荐系统；预测该用户对未涉及的item的评估；并使用RMSE方法，为建立的系统进行评估质量。python代码，处理非常迅速，直接可用的代码

MATLAB 文件来实现 Paulo SR Diniz 所著书中的所有自适应滤波算法，自适应滤波算法和实用实现，第五版，Springer，纽约，2020 年。相同的工具箱适用于本书的第四版。 MATLAB 文件由 Guilherme O. Pinto、Markus VS Lima、Wallace A. Martins、Luiz WP Biscainho 和 Paulo SR Diniz 编写。 本书简要概述了自适应滤波，以统一的形式涵盖了尽可能多的内容，避免了重复并简化了符号。 适合作为自适应信号处理和自适应滤波器的高年级本科生或一年级研究生课程的教材。 演讲的理念是让材料具有坚实的理论基础，专注于真正在有限精度实现中工作的算法，并提供对工作算法的轻松访问。 因此，实践工程师和科学家也会发现这本书是极好的参考。 在 Adaptive Filtering: Algorithms and P

一本有关多抽样率信号处理和应用有关的好书。 多速率数字信号处理的经典书籍。