本文把物理学中的万有引力定律引入推荐系统,提出一种个性化推荐算法,即基于万有引力的个性化推荐算法.算法把用户使用的标签看作用户喜欢物体的组成颗粒,标注项目的标签被看作项目物体的组成颗粒,社会标签的类型就是颗粒的类型,由此构建了用户喜好物体模型和项目物体模型.喜好物体和项目物体间存在着万有引力,并且引力大小遵循万有引力定律.计算喜好物体和项目物体间的万有引力,并把该引力大小作为二者的相似度度量,引力越大,二者的相似度就越高,对应的项目物体就越有可能被用户喜欢.实验结果证明本文提出的算法可以获得好的推荐性能

第一节 有限域计算 •群、环、域、 •模运算、有限域、多项式计算 •欧几里德算法、扩展欧几里德算法 第二节 素数相关问题 •素数、素因子分解 •费马定理、欧拉函数、欧拉定理、求逆元 •素性测试：WITNESS测试算法、Miller Rabin测试算法 第三节 本原元与指数方程 •本原元、快速指数算法 第四节 单向函数和单向陷门函数 • 单向函数、单向陷门函数 • 离散对数 第五节 有限域方程 • 中国剩余问题：ax mod n =b • 二次剩余问题、求解x 2 mod p=a 第六节 秘密分享技术 • 拉格朗日插值法

CABOSFV_C是一种针对分类属性高维数据的高效聚类算法,该算法采用集合稀疏差异度进行距离计算,并采用稀疏特征向量实现数据压缩.该算法的聚类效果受集合稀疏差异度上限参数的影响,而该参数的选取没有明确的指导.针对该问题提出基于集合稀疏差异度的启发式分类属性数据层次聚类算法(heuristic hierarchical clustering algorithm of categorical data based on sparse feature dissimilarity,HABOS),该方法从聚结型层次聚类思想的角度出发,在聚类数上限参数的约束下,应用新的内部聚类有效性评价指标(clustering validation index based on sparse feature dissimilarity,CVISFD)进行启发式度量,从而实现对聚类层次的自动选取.UCI基准数据集的实验结果表明,HABOS有效地提高了聚类准确性和稳定性

克里金法是一种应用广泛的低通滤波性插值方法,但其无法重建原始信息中的高频、低频和局部信息.分形插值算法可利用自相似性,在保留原始信息的基础上,克服克里金插值中低通滤波的局限性,从而提高插值的准确性.本文在传统分形插值算法的基础上,结合地质空间信息,提出了适用于矿床品位估算的四维空间分形插值算法,并将其应用于钼矿的品位估算.结果表明:在该钼矿的品位估算中,四维空间分形插值算法明显优于克里金法

5.1 串行算法的直接并行化 5.2 从问题描述开始设计并行算法 5.3 借用已有算法求解新问题

2.1 算法的概念 2.2 怎样表示一个算法 2.3 算法的特性 2.4 简单算法举例 2.5 结构化程序设计方法

算法及程序设计基础 算法的概念 算法示例 算法的特征 流程图 基本算法结构 赋值语句及InputBox和MsgBox函数 分支结构与分支结构语句 If-Then-Else-End If 结构语句 Select Case-End Select结构语句 循环结构与循环结构语句

针对多无人机在协同搜索过程中存在重复搜索、目标静止、搜索效率低的问题，提出基于改进鸽群优化和马尔可夫链的多无人机协同搜索方法.首先，建立类似传感器探测范围的蜂窝状环境模型，降低对搜索区域的重复搜索；其次，建立满足高斯分布的马尔可夫链动态目标运动模型；然后，将柯西扰动引入基本鸽群优化算法的地图和指南针算子，高斯扰动引入地标算子，同时利用模拟退火机制保留次优个体，进而有效缓减基本鸽群优化算法易陷入局部最优的问题.最后，通过仿真实验将本文算法与其他群体智能算法进行比较，结果表明新型算法的合理性和有效性

 理解动态规划算法的概念  掌握动态规划算法的基本要素 最优子结构性质 重叠子问题性质  掌握动态规划算法的设计方法 找出最优解的性质，并刻划其结构特征 递归地定义最优值 以自底向上的方式计算出最优值 根据计算最优值时得到的信息，构造最优解  通过应用范例学习动态规划算法设计策略  矩阵连乘问题 (Matrix-Chain Multiplication)  最长公共子序列问题  最大子段和问题 Maximum Sub-Sequence Sum  凸多边形最优三角剖分问题 Optimal Triangulation of a Convex Polygon  图像压缩问题  0-1背包问题（0/1 Knapsack Problem） 最优二叉查找树 （Optimal Binary Search Tree）

2.1 算法的概念 2.2 简单算法举例 2.3 算法的特性 2.4 算法的表示 2.5 结构化程序设计方法