精通MATLAB.7_0 内容简介 　　 本书基于最新的matlab7.x版本，深入浅出，紧密结合实例，对matlab的使用进行了全面且详尽的阐述，并通过大量的实例讲述了如何实现 matlab7.x的基本操作和实际使用。全书图文并茂，突出应用，并配有大量的程序实例。全书共分37章进行展开，分为基础篇和实战篇。基础篇为前面的 34章，主要讲述matlab的基本使用，分别为：基础入门、matlab桌面、数组及其操作、多维数组及其操作、数据类型概述和数值类型、结构体和元胞数组、字符串、关系运算和逻辑

二维数组 转 稀疏数组的思路 1)遍历 原始的二维数组，得到有效的数据的个数sum 2)根据sum就可以创建稀疏数组是sparseArr int[sum+1][3] 3)将二维数组的有效的数据存入到稀疏数组 稀疏数组 转 二维数组的思路 1)先读取稀疏数组的第一行，根据第一行的数据，创建原始的二维数组，比如上面的chessArr2 = int[11][11] 2)在读取稀疏数组后几行的数据，并赋给原始的二维数组即可

基于KMeans聚类的协同过滤推荐算法可运用于基于用户和基于项目的协同过滤推荐算法中，作为降低数据稀疏度和提高推荐准确率的方法之一，一个协同过滤推荐过程可实现多次KMeans聚类。 一、基于KMeans聚类的协同过滤推荐算法推荐原理 KMeans聚类算法是聚类算法中最基础最常用、最重要的聚类算法。KMeans聚类算法首先需要确定N个初始中心点，初始中心点的选择对聚类结果影响很大，常用的初始中心点的选择有随机选择、自定义、采用Canopy聚类算法结果作为初始中心点，然后是重复遍历点与簇中心的距离，