部分代码：functionPopulation1=GA_tubian(Population,pe_tubian)%遗传算法突变算子%pe为突变概率Population1=Population;n=length(Population(:,1));m=length(Population(1,:));fori=1:nforj=1:mtest=rand;iftest＜pe_tubianPopulation1(i,j)=1-Popula
2023/2/12 1:01:53
2KB
1
相关课程:概率论与数理统计、随机过程、通信原理、信息论。
课程基本内容：1、观测信号的随机性及随机信号统计处理的含义；
2、信号检测和估计理论的主要基础知识；
3、研究信号形态的统计检测理论和信号波形的检测；
4、研究信号参量的统计估计理论和信号波形的最佳估计。
课程基本内容：1、观测信号的随机性及随机信号统计处理的含义；
2、信号检测和估计理论的主要基础知识；
3、研究信号形态的统计检测理论和信号波形的检测；
4、研究信号参量的统计估计理论和信号波形的最佳估计。
2023/2/8 22:48:05
10.97MB
1
应用MATLAB绘制接收机处理曲线（ROC），其中标明了检测概率和虚警概率的关系，可以用于给定信噪比下接收机的设计。
2023/2/4 21:54:55
720B
1
代码解压后有三个文件夹,大转盘的文件夹为dzp,刮刮卡的文件夹为ggk,直接运行里面的index.html，后台概率控制文件为index.php。
里面的总要代码本人都有详细的正文。
史上最强最全的微信大转盘、刮刮卡代码附php源码程序控制中奖概率。
之前在网上搜索了所有的微信大转盘，刮刮卡代码，结果效果都是差强人意。
有些是界面太丑，不是我们期待想要的，还有些大部分都是只有前台代码，并且前台代码也有bug，不太完善,最订的没有后台程序去设置中奖的概率和奖项。
其实，像微信大转盘、刮刮卡这样的抽奖，最重要最核心的就是如何设置中奖的概率。
本人在综合了网上多个微信大转盘、刮刮卡的代码，经过五天多反复研究和改进，总算弄出了最完整的代码。
为了免去当时和我一样辛辛苦苦在网上找这个代码的同仁们，本人把完整代码贴出来，希望能方便大家，也算是和大家一起交流学习。
如果大家对此代码认为有不足，有更好的改善的想法，也希望分享出来相互学习下！
里面的总要代码本人都有详细的正文。
史上最强最全的微信大转盘、刮刮卡代码附php源码程序控制中奖概率。
之前在网上搜索了所有的微信大转盘，刮刮卡代码，结果效果都是差强人意。
有些是界面太丑，不是我们期待想要的，还有些大部分都是只有前台代码，并且前台代码也有bug，不太完善,最订的没有后台程序去设置中奖的概率和奖项。
其实，像微信大转盘、刮刮卡这样的抽奖，最重要最核心的就是如何设置中奖的概率。
本人在综合了网上多个微信大转盘、刮刮卡的代码，经过五天多反复研究和改进，总算弄出了最完整的代码。
为了免去当时和我一样辛辛苦苦在网上找这个代码的同仁们，本人把完整代码贴出来，希望能方便大家，也算是和大家一起交流学习。
如果大家对此代码认为有不足，有更好的改善的想法，也希望分享出来相互学习下！
2023/2/4 9:10:45
768KB
1
模式识别miniproject-脱机手写签名识别，这是每个学习模式识别的同学必做的课程设计miniproject，主要功能要求如下：一共有20个人，在其对应的文件夹中存放了每个人的20个手写签名图像，每幅图像均为PCX图像格式，大小为12994像素大小。
对每个人的手写签名，用其中80%的图像作为训练样本进行训练，用余下的20%的图像进行测试。
在签名图像进行特征提取时，提取6个ET1和6个DT12轮廓特征。
每一个人的手写签名特征假设为48维特征空间的多维高斯分布。
用贝叶斯参数估计法估算概率密度函数（pdf），然后用Bayes分类器识别。
分别计算closetest和opentest下的分类功能。
根据每个类的概率分布函数的最近邻估算来计算贝叶斯识别的opentest识别率。
适用kn最近邻法来直接估算每个类在每个测试样本的后验概率并计算opentest下的分类功能，将该识别率表示为一个关于k的函数并绘图。
这些是基于后验概率的非参数估计的贝叶斯估计。
对每个人的手写签名，用其中80%的图像作为训练样本进行训练，用余下的20%的图像进行测试。
在签名图像进行特征提取时，提取6个ET1和6个DT12轮廓特征。
每一个人的手写签名特征假设为48维特征空间的多维高斯分布。
用贝叶斯参数估计法估算概率密度函数（pdf），然后用Bayes分类器识别。
分别计算closetest和opentest下的分类功能。
根据每个类的概率分布函数的最近邻估算来计算贝叶斯识别的opentest识别率。
适用kn最近邻法来直接估算每个类在每个测试样本的后验概率并计算opentest下的分类功能，将该识别率表示为一个关于k的函数并绘图。
这些是基于后验概率的非参数估计的贝叶斯估计。
2023/1/30 10:20:44
816KB
1
代码中利用canny边缘检测绘制并获得工程目录图片下的轮廓，对每个轮廓用直线进行拟合，计算每个轮廓中点到拟合直线的距离。
以此来判断一个轮廓的线性程度。
包括了霍夫变换检测图像中的直线和累计概率霍夫变换检测图像中的直线
以此来判断一个轮廓的线性程度。
包括了霍夫变换检测图像中的直线和累计概率霍夫变换检测图像中的直线
2023/1/18 18:37:01
20.64MB
1
802.11Wi-Fi网络中，接入点（AP）的介质接入控制（MAC）协议分配给它的竞争用户（STA）相等的传输机会而不考虑的用户的链路质量的差异，这就会导致有着不同链路质量的竞争节点获得相等的吞吐量（基于吞吐量的公平性），从而降低网络整体的功能。
为了克服这一功能异常问题，基于比例公平的优化由于其吞吐量增强能力已经引起广大的关注。
在本文中，提出了一种基于邻近点算法的比例公平优化方法，每个竞争节点根据其链路质量的差异使用不同的接入概率来访问接入点。
数值结果验证了我们的理论分析，Wi-Fi网络的吞吐量可以通过接入概率的优化得到显着改善。
为了克服这一功能异常问题，基于比例公平的优化由于其吞吐量增强能力已经引起广大的关注。
在本文中，提出了一种基于邻近点算法的比例公平优化方法，每个竞争节点根据其链路质量的差异使用不同的接入概率来访问接入点。
数值结果验证了我们的理论分析，Wi-Fi网络的吞吐量可以通过接入概率的优化得到显着改善。
2023/1/17 5:35:38
3.5MB
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