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

6.1正弦波振荡电路的基本概念 6.2正弦波振荡电路 6.3波形整形电路 6.4正弦波振荡电路

4.1一般组合放大电路 4.2差动放大电路 4.3集成运放的典型电路 4.4集成运放的参数及实际电路模型

在图示的平面系统中，匀质 球A 重P1，借本身重量和摩擦 不计的理想滑轮C 和柔绳维持 在仰角是的光滑斜面上，绳 的一端挂着重P2的物块B。试分 析物块B ,球A和滑轮C的受力 情况，并分别画出平衡时各物 体的受力图

动力学基本定理包括：动能定理，动量定理（质心 运动定理）及动量矩定理。 重点：综合应用基本定理求解平面运动的刚体系统 的动力学问题。 难点：针对具体问题，选择适当的求解思路，应 用适当的定理，使求解过程尽量简洁

利用K均值聚类和增量学习算法扩大训练样本规模,提出一种改进的mRMR SBC.一方面,利用K均值聚类预测测试样本的类标签,将已标记的测试样本添加到训练集中,并在属性选择过程中引入一个调节因子以降低K均值聚类误标记带来的风险.另一方面,从测试样本集中选择有助于提高当前分类器精度的实例,把它加入到训练集中,来增量地修正贝叶斯分类器的参数.实验结果表明,与mRMR SBC相比,所提方法具有较好的分类效果,适于解决高维且含有较少类标签的数据集分类问题

1.第一类惯性力 在非惯性系中引入，使牛顿第二定律形式上仍成立: 2.第二类惯性力 在惯性系中引入，使动力学形式上转化为静力学问题:

通过光学显微镜、扫描电镜、透射电镜、力学性能测试等手段分析了微量合金元素铌对低合金耐磨钢组织和性能的影响.加入质量分数为0.034%的Nb后,耐磨钢的硬度提高HB 9,-20℃夏比冲击功从29.4 J提高到37.6 J,耐磨性能提高3.5%.硬度和韧性提高的主要原因是组织的细化和析出强化,含Nb钢在奥氏体化过程中析出纳米级的细小NbC第二相,并且钉扎奥氏体晶界,抑制晶粒的长大,钉扎类型符合Zener模型,但不同于之前研究者所得的比例系数

提出了基于模糊神经网络的新的地图匹配算法.该算法综合了数字道路信息和GPS/DR定位信息,提取两个重要参数作为输入变量,即定位点到候选路段的投影距离及定位航向与候选路段方位角差.设计出了四层模糊神经网络及改进的收敛学习规则.实验结果表明所提出的算法能很好地匹配车辆行驶路段位置

对氩气雾化法生产的FGH95和Rene'95粉末颗粒用光学及电子显微镜、X射线能谱和俄歇谱仪等,观察和分析了合金粉末的形貌、显微组织和表面化学成分