针对准循环低密度奇偶校验(QC-LDPC)码中准循环基矩阵的移位系数确定问题,该文提出基于等差数列(AP)的确定方法。
该方法构造的校验矩阵的围长至少为8,移位系数由简单的数学表达式确定,节省了编解码存储空间。
研究结果表明,该方法对码长和码率参数的设计具有较好的灵活性。
同时表明在加性高斯白噪声(AWGN)信道和相信传播(BP)译码算法下,该方法构造的码字在码长为1008、误比特率为510-时,信噪比优于渐进边增长(PEG)码近0.3dB。
该方法构造的校验矩阵的围长至少为8,移位系数由简单的数学表达式确定,节省了编解码存储空间。
研究结果表明,该方法对码长和码率参数的设计具有较好的灵活性。
同时表明在加性高斯白噪声(AWGN)信道和相信传播(BP)译码算法下,该方法构造的码字在码长为1008、误比特率为510-时,信噪比优于渐进边增长(PEG)码近0.3dB。
2022/9/6 11:26:54
126KB
1
交通流元胞自动机Matlab源代码*跟驰功能*换道功能*元胞空间界说功能*车辆界说功能*驾驶员特性界说功能*发车密度界说功能*信号配时界说功能*换道比例界说功能
2022/9/3 17:10:50
49KB
1
手写数字的识别是模式识别及机器学习的一个重要应用,应用范围非常广泛。
本文提出一种基于决策树算法的手写数字识别方法,该方法通过提取基于密度的特征,通过训练得到一个决策树分类模型,进而进行手写数字的识别。
实验证明该方法能够快速无效的进行手写数字的识别。
本文提出一种基于决策树算法的手写数字识别方法,该方法通过提取基于密度的特征,通过训练得到一个决策树分类模型,进而进行手写数字的识别。
实验证明该方法能够快速无效的进行手写数字的识别。
2022/9/3 0:25:35
292KB
1
DBSCAN(Density-BasedSpatialClusteringofApplicationswithNoise)是一个比较有代表性的基于密度的聚类算法。
与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意外形的聚类。
C++实现代码，自定义扫描半径(eps)、最小包含点数(minPts)、维度。
与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意外形的聚类。
C++实现代码，自定义扫描半径(eps)、最小包含点数(minPts)、维度。
2018/9/27 12:52:29
10KB
1
DBSCAN聚类，是一种基于密度的聚类算法，它类似于均值漂移，DBSCAN与其他聚类算法相比有很多优点，首先，它根本不需要固定数量的簇。
它也会异常值识别为噪声，而不像均值漂移，即使数据点非常不同，也会简单地将它们分入簇中。
另外，它更抗噪音，能够很好地找到任意大小和任意形状的簇。
DBSCAN的聚类过程就是根据核心弱覆盖点来推导出最大密度相连的样本集合，首先随机寻找一个核心弱覆盖样本点，按照Minpts和Eps来推导其密度相连的点，然后再选择一个没有赋予类别的核心弱覆盖样本点，开始推导其密度相连的样本结合，不断迭代到所有的核心样本点都有对应的类别为止。
作者博客中详细介绍了DBSCAN的算法原理，可以通过文章结合学习，代码包含详细注释，只需要导入自己的聚类数据，运行代码便可以得出聚类结论与图像。
它也会异常值识别为噪声，而不像均值漂移，即使数据点非常不同，也会简单地将它们分入簇中。
另外，它更抗噪音，能够很好地找到任意大小和任意形状的簇。
DBSCAN的聚类过程就是根据核心弱覆盖点来推导出最大密度相连的样本集合，首先随机寻找一个核心弱覆盖样本点，按照Minpts和Eps来推导其密度相连的点，然后再选择一个没有赋予类别的核心弱覆盖样本点，开始推导其密度相连的样本结合，不断迭代到所有的核心样本点都有对应的类别为止。
作者博客中详细介绍了DBSCAN的算法原理，可以通过文章结合学习，代码包含详细注释，只需要导入自己的聚类数据，运行代码便可以得出聚类结论与图像。
2019/2/13 8:01:39
4KB
1
基于截面曲线的曲面重建方法常用于逆向工程模型重建过程中．采用平面切片方法得到的截面数据通常为一点云束，当重建轮廓曲线时需要进行细化处理．为此提出了一种对截面切片数据进行自动细化的算法．对点云进行切片后，得到截面轮廓点云束，根据点云束密度预估前进半径，并随机选取点云束的一点作为细化的起点，采用近似轮廓跟踪算法确定新点，由初始点和初始方向判断细化算法的结束．实例结果表明该方法能够无效完成切片数据的细化处理。
2015/6/26 11:40:33
256KB
1
四参数随机生长法（Quartetstructuregenerationset，QSGS）可通过分布概率pc、生长概率pd、概率密度pirs和孔隙率n来控制土体多孔介质细观结构的生成，其中pirs表示在i方向上第r相在第s相上的生长概率，适用于各相间相互作用的模型中。
基于QSGS重构方法生成细观土体模型，采用LBM进行渗流场数值模仿，可以直观展现各孔隙区域的渗流速度及流线分布情况，以期能较好地揭示重构土体孔隙的细观渗流机理，为进一步认识土体孔隙渗流规律提供研究方法及理论基础。
基于QSGS重构方法生成细观土体模型，采用LBM进行渗流场数值模仿，可以直观展现各孔隙区域的渗流速度及流线分布情况，以期能较好地揭示重构土体孔隙的细观渗流机理，为进一步认识土体孔隙渗流规律提供研究方法及理论基础。
2018/2/16 22:25:55
3KB
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