给出一种在缺少窃听节点信道信息、存在直接链路的情况下基于放大转发的中继波束赋形加人工噪声的传输方案。
基于凸优化理论,对中继的波束赋形权值进行了优化,优化结果是唯一的和全局性的。
仿真结果表明:利用此方案能够有效地防止窃听节点窃听,减少信息泄露,从而提高安全传输速率。
基于凸优化理论,对中继的波束赋形权值进行了优化,优化结果是唯一的和全局性的。
仿真结果表明:利用此方案能够有效地防止窃听节点窃听,减少信息泄露,从而提高安全传输速率。
2025/1/31 19:55:54
544KB
1
用字符文件提供数据建立连通带权网络邻接矩阵存储¬¬结构。
编写程序，用Prim算法求一棵最小生成树。
要求输出最小生成树的各条边（用顶点无序偶表示）、各条边上的权值、最小生成树所有边上的权值之和。
编写程序，用Prim算法求一棵最小生成树。
要求输出最小生成树的各条边（用顶点无序偶表示）、各条边上的权值、最小生成树所有边上的权值之和。
2025/1/25 8:36:42
43KB
1
本问主要以预测秦皇岛煤炭价格为目标，通过问题一中不同因素对其影响权重的大小以及神经网络算法，建立价格预测模型。
BP神经网络模型处理信息的基本原理是：输入信号，通过中间节点（隐层点）作用于输出节点，经过非线性变换，产生输出信号，网络训练的每个样本包括输入向量和期望输出量t，网络输出值y与期望输出值t之间的偏差，通过调整输入节点与隐层节点的连接强度值和隐层节点与输出节点之间的连接强度以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数（权值和阈值），训练即告停止。
此时经过训练的神经网络即能对类似样本的输入信息，自行处理输出误差最小的经过非线性转换的信息。
BP神经网络模型处理信息的基本原理是：输入信号，通过中间节点（隐层点）作用于输出节点，经过非线性变换，产生输出信号，网络训练的每个样本包括输入向量和期望输出量t，网络输出值y与期望输出值t之间的偏差，通过调整输入节点与隐层节点的连接强度值和隐层节点与输出节点之间的连接强度以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数（权值和阈值），训练即告停止。
此时经过训练的神经网络即能对类似样本的输入信息，自行处理输出误差最小的经过非线性转换的信息。
2025/1/24 21:36:25
278KB
1
代码及报告都有[问题描述] 已知n个字符在原文中出现的频率，求它们的哈夫曼编码。
[基本要求] 1.初始化：从键盘读入n个字符，以及它们的权值，建立Huffman树。
（具体算法可参见教材P147的算法6.12） 2.编码：根据建立的Huffman树，求每个字符的Huffman编码。
对给定的待编码字符序列进行编码。
[选作内容] １.译码：利用已经建立好的Huffman树，对上面的编码结果译码。
译码的过程是分解电文中的字符串，从根结点出发，按字符’0’和’1’确定找左孩子或右孩子，直至叶结点，便求得该子串相应的字符。
4.打印Huffman树。
［测试数据］利用教材P.148例6－2中的数据调试程序。
可设8种符号分别为A,B,C,D,E,F,G,H。
编/译码序列为“CFBABBFHGH”(也可自己设定数据进行测试)。
[基本要求] 1.初始化：从键盘读入n个字符，以及它们的权值，建立Huffman树。
（具体算法可参见教材P147的算法6.12） 2.编码：根据建立的Huffman树，求每个字符的Huffman编码。
对给定的待编码字符序列进行编码。
[选作内容] １.译码：利用已经建立好的Huffman树，对上面的编码结果译码。
译码的过程是分解电文中的字符串，从根结点出发，按字符’0’和’1’确定找左孩子或右孩子，直至叶结点，便求得该子串相应的字符。
4.打印Huffman树。
［测试数据］利用教材P.148例6－2中的数据调试程序。
可设8种符号分别为A,B,C,D,E,F,G,H。
编/译码序列为“CFBABBFHGH”(也可自己设定数据进行测试)。
2025/1/22 10:30:10
471KB
1
采用三叉链表结构：每个节点包含左右孩子指针和父指针。
构造函数中，每次选取权值最小的两个根节点，构成新的节点。
每个符号的Huffman编码用0\1串。
编码算法实现了给定节点实现它的0\1串,译码算法实现给定0\1串找出该节点
构造函数中，每次选取权值最小的两个根节点，构成新的节点。
每个符号的Huffman编码用0\1串。
编码算法实现了给定节点实现它的0\1串,译码算法实现给定0\1串找出该节点
2025/1/6 18:23:51
331KB
1
识别0-9十个数字，BP神经网络数字识别源代码使用说明第一步：训练网络。
使用训练样本进行训练。
（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。
首先，打开图像（256色）；
再次，进行归一化处理，点击“一次性处理”；
最后，点击“R”或者使用菜单找到相应项来进行识别。
识别的结果显示在屏幕上，同时也输出到文件result.txt中。
该系统的识别率一般情况下为90%。
此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。
具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。
注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。
具体使用请参照书中说明。
使用训练样本进行训练。
（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。
首先，打开图像（256色）；
再次，进行归一化处理，点击“一次性处理”；
最后，点击“R”或者使用菜单找到相应项来进行识别。
识别的结果显示在屏幕上，同时也输出到文件result.txt中。
该系统的识别率一般情况下为90%。
此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。
具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。
注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。
具体使用请参照书中说明。
2024/12/5 8:55:53
60KB
1
MSET是由Singer等提出的一种非线性的多元预测诊断技术，是一种通过分析对比实际监测参数与设备正常运行时的健康数据为基础，对正常运行时的各个参数进行运算并做出估计，以这种正常的状态估计作为标准。
当得到实际的运行数据时，同样以健康数据为基础，并找到实际数据与健康数据的关联程度，以此对实际运行状态做出估计，这种＂程度＂是通过权值向量来决定的，用于衡量实际状态与正常状态的相似性。
最终对健康状态与实际运行状态的估计结果进行对比分折，并引入残差的概念，最终进行诊断。
目前在核电站传感器校验、设备监测、电子产品寿命预测等方面有成功的应用。
当得到实际的运行数据时，同样以健康数据为基础，并找到实际数据与健康数据的关联程度，以此对实际运行状态做出估计，这种＂程度＂是通过权值向量来决定的，用于衡量实际状态与正常状态的相似性。
最终对健康状态与实际运行状态的估计结果进行对比分折，并引入残差的概念，最终进行诊断。
目前在核电站传感器校验、设备监测、电子产品寿命预测等方面有成功的应用。
2024/12/4 18:31:32
185KB
1
一、课程设计题目：哈夫曼树应用二、课程设计要求：1) 从终端读入字符集大小n，以及n个字符和n个权值，建立哈夫曼树并将它存于文件hfmTree中.将已在内存中的哈夫曼树以直观的方式（比如树）显示在终端上；
2) 利用已经建好的哈夫曼树（如不在内存，则从文件htmTree中读入），对文件Text.txt中的正文进行编码，然后将结果存入文件Code.txt中。
3) 利用已建好的哈夫曼树将文件Code.txt中的代码进行译码，结果存入文件Text.txt中，并输出结果。
三、进度安排1．分析问题，给出数学模型，选择数据结构。
2．设计算法，给出算法描述，给出源程序清单。
3．编辑、编译、调试源程序，撰写课程设计报告。
四、基本要求1.界面友好，函数功能要划分好2.总体设计应画一流程图3.程序要加必要的注释4.要提供程序测试方案5.程序一定要经得起测试，宁可功能少一些，也要能运行起来，不能运行的程序是没有价值的。
目录1•设计目的 32.需求分析 42.1哈夫曼编码/译码器简介 42.2.问题描述 42.3需求分析 43.概要设计 53.1问题分析哈夫曼树的定义 54.详细设计 64.1系统框架图 64.2总体流程图 74.3编码函数 84.4译码函数 104.5运行结果 115.调试分析 136.小结 14参考文献 15附录：源程序代码 16
2) 利用已经建好的哈夫曼树（如不在内存，则从文件htmTree中读入），对文件Text.txt中的正文进行编码，然后将结果存入文件Code.txt中。
3) 利用已建好的哈夫曼树将文件Code.txt中的代码进行译码，结果存入文件Text.txt中，并输出结果。
三、进度安排1．分析问题，给出数学模型，选择数据结构。
2．设计算法，给出算法描述，给出源程序清单。
3．编辑、编译、调试源程序，撰写课程设计报告。
四、基本要求1.界面友好，函数功能要划分好2.总体设计应画一流程图3.程序要加必要的注释4.要提供程序测试方案5.程序一定要经得起测试，宁可功能少一些，也要能运行起来，不能运行的程序是没有价值的。
目录1•设计目的 32.需求分析 42.1哈夫曼编码/译码器简介 42.2.问题描述 42.3需求分析 43.概要设计 53.1问题分析哈夫曼树的定义 54.详细设计 64.1系统框架图 64.2总体流程图 74.3编码函数 84.4译码函数 104.5运行结果 115.调试分析 136.小结 14参考文献 15附录：源程序代码 16
2024/10/24 0:53:36
1.04MB
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