协同过滤算法对目标用户产生推荐： 收集可以代表用户兴趣的信息；根据收集到的信息计算出用户之间的相似性，并以此为根据为目标用户或项目寻得最近邻居；根据得到的最近邻居对目标用户产生推荐。

资源含有《数字信号处理._理论、算法与实现._第二版(胡广书)》课本及其配套的课后习题答案，希望对大家有用，欢迎下载，留言评价^_^

这些程序均为书上的例子，结合胡广书老师的教程来学习，很受用，很不错的！！

以一个能识别数字0～9的语音识别系统的实现过程为例，阐述了基于DTW算法的特定人孤立词语音识别的基本原理和关键技术。其中包括对语音端点检测方法、特征参数计算方法和DTW算法实现的详细讨论，最后给出了在Matlab下的编程方法和实验结果。

【老生谈算法】matlab实现数据降维PCA算法源码.docx

【老生谈算法】Matlab实现模糊数学模型.docx

基于FPGA的指纹识别算法硬件

DSP卷积算法的实现实验报告.zip

该代码实现了 Chen 等人中给出的算法。 al 1991。它需要用户的最大容忍度。它从总 M 个回归量中选择 Ms 显着回归量。 不幸的是，训练 RBF 网络后获得的错误并不如预期。 我的代码有错误吗？？？ 请随时修改此代码并将您的建议邮寄给 anshuman0387[at]yahoo[dot]com。 在这方面的任何帮助将不胜感激

matlab信息熵代码 机器学习算法Python实现 目录 一、 1、代价函数 其中： 下面就是要求出theta，使代价最小，即代表我们拟合出来的方程距离真实值最近 共有m条数据，其中代表我们要拟合出来的方程到真实值距离的平方，平方的原因是因为可能有负值，正负可能会抵消 前面有系数2的原因是下面求梯度是对每个变量求偏导，2可以消去 实现代码： # 计算代价函数 def computerCost(X,y,theta): m = len(y) J = 0 J = (np.transpose(X*theta-y))*(X*theta-y)/(2*m) #计算代价J return J 注意这里的X是真实数据前加了一列1，因为有theta(0) 2、梯度下降算法 代价函数对求偏导得到： 所以对theta的更新可以写为： 其中为学习速率，控制梯度下降的速度，一般取0.01,0.03,0.1,0.3..... 为什么梯度下降可以逐步减小代价函数 假设函数f(x) 泰勒展开：f(x+△x)=f(x)+f'(x)*△x+o(△x) 令：△x=-α*f'(x) ,即负梯度方向乘以一个很小的步长α 将△x代