（用了两种方法）像素变化率NPCR（thenumberofpixelschangerate）和归一化平均变化强度UACI（theunifiedaveragechangingintensity）。
其中NPCR表示的不同密文图像在相同位置上灰度值互不相同的比率，而UACI则表示不同密文图像之间的平均变化密度，通常用于图像加密性能分析
其中NPCR表示的不同密文图像在相同位置上灰度值互不相同的比率，而UACI则表示不同密文图像之间的平均变化密度，通常用于图像加密性能分析
2023/10/10 2:49:15
971B
1
自行下载最喜欢的小说1部，存储为文本文档。
要求长篇小说，20万字以上。
任取其中10个人物，考虑他们的姓名、别名等等一系列因素。
①将10个人在小说中出现的次数进行统计，出现越多说明热度越高。
将这10人的热度进行排序。
②每个人在小说中活跃的位置是不一样的。
任意输入10人中的1人，显示他在小说中出现的密度，画出密度图。
建议用颜色深浅表示密度。
③如果两人在相距较短的一段文字中出现，我们认为两人有关系，距离越短，关系越近；
如果多次在较短篇幅出现，则关系更近。
自行设计统计标准，任意输入10人中的1人，列出该人和其他9人关系的紧密程度排名。
看与你的直觉是否符合？如果不太符合，说明可能的原因。
要求长篇小说，20万字以上。
任取其中10个人物，考虑他们的姓名、别名等等一系列因素。
①将10个人在小说中出现的次数进行统计，出现越多说明热度越高。
将这10人的热度进行排序。
②每个人在小说中活跃的位置是不一样的。
任意输入10人中的1人，显示他在小说中出现的密度，画出密度图。
建议用颜色深浅表示密度。
③如果两人在相距较短的一段文字中出现，我们认为两人有关系，距离越短，关系越近；
如果多次在较短篇幅出现，则关系更近。
自行设计统计标准，任意输入10人中的1人，列出该人和其他9人关系的紧密程度排名。
看与你的直觉是否符合？如果不太符合，说明可能的原因。
2023/10/7 13:24:22
1.48MB
1
本文在理论上研究了由于外部光反馈引起的半导体激光器的相位噪声.理论分析是通过引入一个反馈耦合率K和线性化速率方程,导出了半导体激光器相位噪声功率谱密度的表达式.这表明相位噪声功率谱密度随外腔长度而周期性地漂移,且功率谱密度的峰值随外部反馈耦合率而发生很大的变化.
2023/10/7 2:26:17
4.04MB
1
在应用可调谐二极管激光吸收光谱(TDLAS)技术进行气体检测时，气体检测精度受系统各功能模块性能的影响，针对这个问题研究了系统中光电探测器的输出电流噪声谱密度和响应度两种特性。
推导出了探测器输出电流表达式，得出了输出电流噪声谱密度特性与激光器相对强度噪声(RIN)有关的结论，并通过实验验证了TDLAS系统中激光器RIN的存在。
通过仿真，研究了RIN对探测器输出电流的影响，给出了不同条件时的电流噪声谱密度曲线。
为避免环境温度的变化影响光电探测器响应度，采用一种实时校正方法，给出了其原理及校正公式。
以氨气为检测对象，运用该方法对氨气浓度曲线进行校正。
推导出了探测器输出电流表达式，得出了输出电流噪声谱密度特性与激光器相对强度噪声(RIN)有关的结论，并通过实验验证了TDLAS系统中激光器RIN的存在。
通过仿真，研究了RIN对探测器输出电流的影响，给出了不同条件时的电流噪声谱密度曲线。
为避免环境温度的变化影响光电探测器响应度，采用一种实时校正方法，给出了其原理及校正公式。
以氨气为检测对象，运用该方法对氨气浓度曲线进行校正。
2023/10/7 0:27:29
3.07MB
1
实验室的极化码编码译码仿真程序，在BSC、BEC、AWGN信道条件下都有。
使用密度进化法和巴氏参数估计信道，仿真性能非常好。
在Matlab下应用非常方便，支持多组仿真。
配有应用说明，非常好用。
希望能给大家带来帮助。
使用密度进化法和巴氏参数估计信道，仿真性能非常好。
在Matlab下应用非常方便，支持多组仿真。
配有应用说明，非常好用。
希望能给大家带来帮助。
2023/10/3 8:43:06
340KB
1
在过去的十年中，为了解决半监督支持向量机某一方面的特定问题，出现了很多改进版本，如针对半监督支持向量机效率低下的问题，提出了meanS3VM算法；
针对利用无标记数据时会产生性能下降的问题，提出了S4VM算法；
针对代价敏感的问题，提出了CS4VM算法。
S4VM对传统的S3VM进行了改进。
传统的S3VM基于低密度假设，它试图找到一个低密度的分界线，也就是更倾向于决策边界穿过特征空间的低密度区域。
S4VM和S3VM的不同点在于，S3VM试图把注意力集中在一个最优的低密度分界线上，而S4VM则同时关注多个可能的低密度分界线。
本算法给出了详细的S4VM算法，并附一demo展示效果，加深理解
针对利用无标记数据时会产生性能下降的问题，提出了S4VM算法；
针对代价敏感的问题，提出了CS4VM算法。
S4VM对传统的S3VM进行了改进。
传统的S3VM基于低密度假设，它试图找到一个低密度的分界线，也就是更倾向于决策边界穿过特征空间的低密度区域。
S4VM和S3VM的不同点在于，S3VM试图把注意力集中在一个最优的低密度分界线上，而S4VM则同时关注多个可能的低密度分界线。
本算法给出了详细的S4VM算法，并附一demo展示效果，加深理解
2023/9/22 16:20:42
274KB
1
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。
2024-04-09 15:03
15KB