【国外电子与通信教材系列】宽带无线数字通信【ISBN】7-5053-7667-5【出版发行项】北京-电子工业出版社【出版日期】2002.9【格式】超星转成的pdf【页数】411页【作者简介】AndreasF.Molisch，奥地利的维也纳理工大学通信与射频工程学院移动通信系的副教授，合编著有《宽带无线数字通信》等。
【本书简介】本书将宽带无线数字通信系统分成最具有代表性的非均衡系统、单载波非扩频均衡系统、正交频分复用系统和码分多址系统四大类，全面涵盖了当前及未来宽带无线数字通信的最新内容。
深入的引见。
本书的主要特点是：将宽带无线数字通信系统分成最具有代表性的非均衡系统、单载波非扩频均衡系统、正交频分复用系统和码分多址系统四大类，全面涵盖了当前及未来宽带无线数字通信的最新内容。
本书除了引见基础知识和基本原理以外，还引见了最新的学术前沿及技术进展。
这是一本很好的教科书和技术参考书，适用于电子与通信类专业的高年级本科生、研究生及研究所和企业的工程技术人员。
【目录】第一部分宽带系统引论第1章基础知识1.1什么是宽带系统1.2发展历史参考文献第2章当前及未来的宽带系统2.1DECT和PHS2.2GSM／DCS-19002.3IS-1362.4IS-952.5W-CDMA2.6HIPERLAN-II参考文献第3章无线移动信道3.1平衰落信道3.2时间色散信道：直观描述3.3时间色散信道：系统理论描述3.3.1确定性解释3.3.2随机性解释3.4广义平稳非相关散射WSSUS假设3.4.1广义平稳WSS3.4.2非相关散射3.4.3广义平稳非相关散射WSSUS3.4.4WSSUS系统函数的一些特例3.5表达时间色散信道的参数3.5.1延迟扩展和相关带宽3.5.2延迟窗口和干扰比3.5.3总结3.6时间色散信道模型3.6.1抽头延时线模型3.6.2COST207模型3.6.3Hashemi-Suzuki-Turin模型3.7含有角度色散的模型参考文献第4章概述第5章展望5.1各种方法的比较5.2未来的发展5.2.1自适应天线5.2.2多输入-多输出系统5.2.3多用户检测参考文献第二部分非均衡系统第6章为什么要研究非均衡系统参考文献第7章系统模型7.1发射机7.1.1相移键控7.1.2频移键控7.2信道7.3接收机7.3.1相干和非相干解调7.3.2PSK和CPFSK的差分检测7.3.3GPFSK的鉴频器检测7.4同信道干扰的处理参考文献第8章固定抽样的计算方法8.1一般考虑8.1.1符号序列的平均8.1.2经典接收机的分析8.1.3接收信号的相关特性8.2蒙特卡洛MC模拟方法8.2.1计算概述8.2.2文献评论8.3高斯变量二次型QFGV方法8.3.1有关公式8.3.2文献评论8.4高斯矢量问角度ABGV方法8.5相关矩阵特征值方法8.6群延迟方法8.6.1文献评论8.7差错域方法8.8等效信道模型方法8.9其他方法：文献评论参考文献第9章固定抽样的结果9.1调制.信道和接收机的影响9.2CPFSK9.2.1文献评论9.3FSK9.4相干检测PSK9.5差分检测PSK9.5.1文献评论参考文献第10章降低差错平台的调制方式和接收机结构10.1部分比特检测10.2非线性鉴频器10.3降低差错平台的调制方式参考文献第11章自适应抽样11.1盲自适应抽样11.2具有训练序列的自适应抽样11.3具有训练序列的同步参考文献第12章天线分集12.1天线分集的分类12.2高斯变量二次型QFGV方法12.2.1文献评论12.3差错域方法12.4阴影信道中的分集12.5采用固定抽样的分集结果12.6采用自适应抽样的分集结果参考文献第13章综述与结论参考文献附录A采用固定抽样的比特差错宰计算公式A.1高斯变量二次型QFGV方法的解A.2高斯矢量间角度ABGV方法的解A.3差错域方法的解参考文献附录B第二部分的字母表第三

支持向量机是数据挖掘中的一个新方法。
支持向量机能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科。
目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段。
希望《数据挖掘中的新方法——支持向量机》能促进它在我国的普及与提高。
《数据挖掘中的新方法——支持向量机》对象既包括关心理论的研究工作者，也包括关心应用的实际工作者。
对于有关领域的具有高等数学知识的实际工作者，略去书中的某些理论部分，仍能对支持向量机的本质有一个概括的理解，从而用它解决自己的问题。
《数据挖掘中的新方法——支持向量机》适合高等院校高年级学生、研究生、教师和相关科研人员及相关领域的实际工作者使用。
序言符号表第1章最优化问题及其基本理论1·1最优化问题1·2最优性条件1·3对偶理论1·4注记参考文献第2章求解分类问题和回归问题的直观途径2·1分类问题的提出2·2线性分类学习机2·3支持向量分类机2·4线性回归学习机2·5支持向量回归机2·6注记参考文献第3章核3·1描述相似性的工具——内积3·2多项式空间和多项式核3·3Mercer核3·4正定核3·5核的构造3·6注记参考文献第4章推广能力的理论估计4·1损失函数和期望风险4·2求解分类问题的一种途径和一个算法模型4·3VC维4·4学习算法在概率意义下的近似正确性4·5一致性概念和关键定理4·6结构风险最小化4·7基于间隔的推广估计4·8注记参考文献第5章分类问题5·1最大间隔原则5·2线性可分支持向量分类机5·3线性支持向量分类机5·4支持向量分类机5·5ν-支持向量分类机(ν-SVC)5·6ν-支持向量分类机(ν-SVC)和C-支持向量分类机(C-SVC)的关系5·7多类分类问题5·8一个例子5·9注记参考文献第6章回归估计6·1回归问题6·2ε-支持向量回归机6·3ν-支持向量回归机6·4ε-支持向量回归机(ε-SVR)与ν-支持向量回归机(ν-SVR)的关系6·5其他方式的支持向量回归机6·6其他方式的损失函数6·7一些例子6·8注记参考文献第7章算法7·1无约束问题解法7·2内点算法7·3求解大型问题的算法7·4注记参考文献第8章应用8·1模型选择问题8·2分类问题的线性分划中的特征选择8·3模型选择8·4静态图像中球的识别8·5自由曲面的重建问题8·6应用简介8·7核技巧的应用8·8注记参考文献附录A基础知识A·1基本定义A·2梯度和Hesse矩阵A·3方向导数A·4Taylor展开式A·5分离定理附录BHilbert空间B·1向量空间B·2内积空间B·3Hilbert空间B·4算子、特征值和特征向量附录C概率C·1概率空间C·2随机变量及其分布C·3随机变量的数字特征C·4大数定律附录D鸢尾属植物数据集英汉术语对照表

《矩阵论(修订版)》共分7章，主要引见线性空间与线性变换，矩阵范数，矩阵分析，矩阵分解，特征值估计，广义逆矩阵以及特殊矩阵。
部分章节包括了近年来编者的一些研究成果及有关文献上的资料。
《矩阵论(修订版)》内容丰富，论述翔实严谨，可作为工科、理科研究生和计算数字及其应用软件专业高年级本科生的教材，也可供有关从事计算工作和工程技术的人员参考。

数值分析朱晓临主编2014年版内容简介本书是为理工科大学各专业普遍开设的“数值分析”或“计算方法”课程编写的教材本书列选安徽省高等学校”十二五”省级规划教材本书主要内容有：线性方程组的数值解法、非线性方程（组）的数值解法、数值逼近（包括插值、三次样条和B样条、最小二乘法、最佳平方逼近与最佳一致逼近）、数值微积分、常微分方程初值问题和边值问题的数值解法以及矩阵特征值、特征向量的数值解法．每章都有大量例题和习题、相关算法的MATLAB程序，并附例题演示；
书末附有习题答案，配有上机实习题，供学生上机实习选用此外，书中给出了所有概念的英文表达以及书中出现的科学家的简介，书末还有相关概念的中英文索引，方便读者查阅．全书阐述严谨脉络分明、深入浅出，注重理论学习和上机实践相结合，介绍方法与阐明原理并重，教授知识与培养能力兼顾，便于教学和自学．本书可以作为理工科大学各专业研究生学位课程的教材，并可供从事科学计算的科技工作者参考

特征脸方法是从主成分分析(PCA)导出的一种人脸识别和描述技术。
它将包含人脸的图像区域看作一随机向量，采用K-L变换得到正交K-L基，对应其中较大特征值的基具有与人脸相似的形状，因而又被称为特征脸。
利用这些基的线性组合可以描述、表达和逼近人脸图像，所以可进行人脸识别与合成。
识别过程就是将人脸图像映射到由特征脸组成的子空间上，并比较其在特征脸空间中的位置，然后利用对图像的这种投影间的某种度量来确定图像间的相似度，最常见的就是选择各种距离函数来进行度量分类实现人脸识别。

求解大规模非对称矩阵特征值成绩的一些数值算法.pdf

基本ESPRIT算法1：⑴构造Rxx和Rxy2⑵计算Rxx的特征值分解，得到σ 2H2HH⑷计算矩阵束{Cxx,Cxy}的广义特征值分解，所有在单位 圆上的广义特征值给出空间参数ω1,,ωp的估计

基于机器学习算法的特征值分类(MATLABR2019b)：特征值分类(EigenClass)。
在这项研究中，提出了一种精确高效的基于特征值的机器学习算法，特别是特征值分类（EigenClass）算法，用于处理分类问题。
使用具有不同属性和类别的20个不同数据集的数量进行比较。
每个算法都经过5折交叉验证训练和测试30次。
然后根据最常用的度量（例如精确度、精确度、召回率、微观F度量和宏观F度量）将结果相互比较。

文件包含一个数据集（csv文件）和一个可执行代码（py文件），是对红酒数据集的分类训练与测试。
可作为人工智能、机器学习初学者的学习资料。
模型训练基于逻辑回归算法，数据集和测试集按照8:2的比例进行划分。
数据集前11列为红酒的属性，最初一列是红酒的分类标签，此处红酒总共有六类（标签分别为3、4、5、6、7、8），每一行为一个红酒样本。
通过对机器学习分类模型输入特征值，得出此红酒的种类。
需要Python版本3.8及以上；
需要引入第三方库pandas和sklearn。

语音去混响不断都是会议场景、临境通信中的重要问题。
混响的存在使得语音质量、语音的可懂度大大降低，因此需要特定的算法去对存在混响的室内语音信号进行处理。
《SpeechDereverberation》本书描述了语音去混响的各种处理方法第一章：本书内容综述第二章：混响模型、评价指标第三章：基于统计模型语音去混响算法第四章：基于LPC模型语音去混响算法第五章：基于多麦克风特征值分解语音去混响算法第六章：自适应盲多通道系统辨识第七章：多通道声学系统的子代逆矩阵第八章：移动目标语音的贝叶斯单通道盲去混响第九章：不使用房间声学信息的语音去混响逆滤波第十章：用于语音和音频信号去混响的TRINICON本书适用于学生、研究者或产品开发的工作人员本书版权为作者所有。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。