用的教材是《合成孔径雷达成像——算法与实现》lanG.Cumming著，做的是第六章的RDA算法仿真，弄了好久，终于出来了，很是开心，继续加油，加油
2024/7/31 17:14:08
6KB
1
由于资源复用，D2D链路与蜂窝链路之间会产生同频干扰。
为了抑制这种干扰，提出了一种基于Kuhn-Munkres最优匹配的资源分配算法。
该算法采用了图论中的Kuhn-Munkres最优匹配算法来实现最大限度的复用系统内的RB，达到提高系统吞吐量的目的。
同时，通过使一对D2D用户复用多个RB进行通信以保证不同的QoS需求。
最后，通过计算机仿真可以看出，该算法既可以有效地满足D2D用户的不同QoS需求，又提高了系统吞吐量。
为了抑制这种干扰，提出了一种基于Kuhn-Munkres最优匹配的资源分配算法。
该算法采用了图论中的Kuhn-Munkres最优匹配算法来实现最大限度的复用系统内的RB，达到提高系统吞吐量的目的。
同时，通过使一对D2D用户复用多个RB进行通信以保证不同的QoS需求。
最后，通过计算机仿真可以看出，该算法既可以有效地满足D2D用户的不同QoS需求，又提高了系统吞吐量。
2024/7/31 0:25:48
961KB
1
基于物品的协同过滤算法实现图书推荐系统。
在当下这个信息爆炸的时代，各种各样的书籍条目繁多，浩如烟海；
相应地，为满足用户需求，电商平台需要推荐系统来帮助用户找到自己可能需要的书籍。
本文旨在利用基于物品的协同过滤算法，来实现一个图书推荐系统。
本文首先介绍了推荐系统的发展历史，及目前常用的几种推荐算法的介绍与比较，然后以基于物品的协同过滤算法为基础，详细介绍图书推荐系统的构建。
在该系统中，主要功能分为用户功能和图书推荐功能。
用户功能包括用户账号的登录与注册，书籍查询，书籍评分。
图书推荐功能利用基于物品的协同过滤算法，先计算各个书籍之间的相似度，再根据物品相似度和用户的行为数据计算用户对各个书籍的兴趣度，从而得出推荐结果。
在当下这个信息爆炸的时代，各种各样的书籍条目繁多，浩如烟海；
相应地，为满足用户需求，电商平台需要推荐系统来帮助用户找到自己可能需要的书籍。
本文旨在利用基于物品的协同过滤算法，来实现一个图书推荐系统。
本文首先介绍了推荐系统的发展历史，及目前常用的几种推荐算法的介绍与比较，然后以基于物品的协同过滤算法为基础，详细介绍图书推荐系统的构建。
在该系统中，主要功能分为用户功能和图书推荐功能。
用户功能包括用户账号的登录与注册，书籍查询，书籍评分。
图书推荐功能利用基于物品的协同过滤算法，先计算各个书籍之间的相似度，再根据物品相似度和用户的行为数据计算用户对各个书籍的兴趣度，从而得出推荐结果。
2024/7/24 17:27:45
951KB
1
Matlab自然排序，基于已有的sort排序算法简单实现了matlab的自然排序，使用方法见博文https://blog.csdn.net/G0m3e/article/details/52982737#comments_12194760
2024/7/24 14:06:41
12KB
1
算法流程：本系统运用PCA算法来实现人脸特征提取，然后通过计算欧式距离来判别待识别测试人脸，本个系统框架图如下：图：人脸识别系统框架图整个系统的流程是这样的，首先通过图像采集建立人脸库，这个人脸库里的人脸图像必须是格式及像素统一的，然后针对库里的人脸进行人脸训练，利用PCA进行人脸特征提取，获取特征矩阵向量组，将测试人脸投缘到特征子空间中，运用欧氏距离，在人脸库里查找相应的人脸图像，并输出。
二、算法介绍基于PCA算法的人脸特征提取2.1PCA的基本原理PCA中文全称主成分分析法（PrincipalComponen
二、算法介绍基于PCA算法的人脸特征提取2.1PCA的基本原理PCA中文全称主成分分析法（PrincipalComponen
2024/7/20 6:33:57
8.68MB
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