第1章绪论1．1历史回顾1．2电通信系统的基本组成1．2．1数字通信系统1．2．2数字通信的早期工作1．3通信信道及其特征1．4通信信道的数学模型1．5本书的结构1．6深入学习第2章信号和系统的频域分析2．1傅里叶级数2．1．1实信号的傅里叶级数：三角傅里叶级数2．2傅里叶变换2．2．1实信号、偶信号和奇信号的傅里叶变换2．2．2傅里叶变换的基本性质2．2．3周期信号的傅里叶变换2．3功率和能量2．3．1能量型信号2．3．2功率型信号2．4带宽受限信号的抽样2．5带通信号2．6深入学习习题第3章模拟信号的发送和接收3．1调制简介3．2振幅调制(AM)3．2．1双边带抑制载波AM3．2．2常规振幅调制3．2．3单边带AM3．2．4残留边带AM3．2．5AM调制器和解调器的实现3．2．6信号多路复用3．3角度调制3．3．1FM信号和PM信号的表示形式3．3．2角度调制信号的频谱特性3．3．3角度调制器和解调器的实现3．4无线电广播和电视广播3．4．1AM无线电广播3．4．2FM无线电广播3．4.3电视广播3．5移动无线电系统3．6深入学习习题第4章随机过程4．1概率及随机变量4．2随机过程：基本概念4．2．1随机过程的描述4．2．2统计平均4．2．3平稳过程4．2．4随机过程与线性系统4．3频域中的随机过程4．3．1随机过程的功率谱4．3．2线性时不变系统的传输4．4高斯过程及白过程4．4．1高斯过程4．4，2白过程4．5带限过程及抽样4．6带通过程4．7深入学习习题第5章模拟通信系统中的噪声影响5．1噪声对线性调制系统的影响5．1．1噪声对基带系统的影响5．1．2噪声对DSB-SCAM的影响5．1．3噪声对SSBAM的影响5．1．4噪声对常规调幅的影响5．2使用锁相环(PLL)进行载频相位估计5．2．1锁相环5．2．2加性噪声对相位估计的影响5．3噪声对角度调制的影响5．3．1角度调制的门限效应5．3．2预加重和去加重滤波5．4模拟调制系统的比较5．5模拟通信系统中传输损耗和噪声的影响5．5．1热噪声源的特征5．5．2噪声温度效应及噪声系数5．5．3传输损耗5．5．4信号传输中继器5．6深入学习习题第6章信源与信源编码6．1信源的数学模型6．1．1信息的度量6．1．2联合熵与条件熵6．2信源编码理论6．3信源编码算法6．3．1霍夫曼信源编码算法6．3．2Lempel-Ziv信源编码算法6．4率失真理论6．4．1互信息量6．4．2微分熵6．4．3率失真函数6．5量化6．5．1标量量化6．5．2矢量量化6．6波形编码6．6．1脉冲编码调制(PCM)6．6．2差分脉冲编码调制(DPCM)6．6．3增量调制(M)6．7分析-合成技术6．8数字音频传输和数字音频记录6．8．1电话传输系统中的数字音频信号6．8．2数字音频录制6．9JPEG图像编码标准6．10深入学习习题第7章加性高斯白噪声信道中的数字传输7．1信号波形的几何表示7．2脉冲振幅调制7．3二维信号波形7．3．1基带信号7．3．2二维带通信号--载波相位调制7．3．3二维带通信号--正交振幅调制7．4多维信号波形7．4．1正交信号波形7．4．2双正交信号波形7．4．3单纯信号波形7．4．4二进制编码的信号波形7．5加性高斯白噪声信道中数字已调信号的最佳接收机7．5．1相关型解调器7．5．2匹配滤波器型解调器7．5．3最佳检测器7．5．4载波振幅已调信号的解调和检测7．5．5载波相位已调信号的解调和检测7．5．6正交振幅已调信号的解调和检测7。
5．7频率已调信号的解调和检测7．6加性高斯白噪声中信号检测的错误概率7.6．1二进制调制的错误概率7．6．2M进制PAM的错误概率7．6．3相位相干PSK调制的错误概率7．6．4DPSK的系统错误概率7．6．5QAM的错误概率7．6．6M进制正交信号的错误概率7．6．7M进制双正交信号的错误概率7．6．8M进制单纯信号的错误概率7．6．9FSK的非相干检测的错误概率7．6．10调制方式的比较7．7有线和无线通信信道的性能分析7．7．1再生中继器7．7．2无线信道中的链路预算分析7．8码元同步7．8．1超前-滞后门同步法7．8．2最小均方误差法7．8．3最大似然准则法7．8．4频谱线法7．8．5载波已调信号的码元同步7．9深入学习习题第8章通过带限AWGN信道的数字传输8．1通过带限信道的数字传输8．1．1带限基带信道上的数字PAM传输8．1．2带限带通信道上的数字传输8．2数字已调信号的功率谱8．2．1基带信号的功率谱8．2．2载波已调信号的功率谱8．3带限信道的信号设计8．3．1无码间干扰的带限信号的设计--奈奎斯特准则8．3．2具有可控ISI的带限信号8．4检测数字PAM的错误概率8．4．1具有零ISI的PAM检测的错误概率8．4．2可控ISI的逐码元数据检测8．4．3部分响应信号检测的错误概率8．5与记忆有关的数字调制信号8．5．1有记忆的调制编码与调制信号8．5．2最大似然序列检测器8．5．3部分响应信号的最大似然序列检测8．5．4有记忆数字信号的功率谱8．6存在信道失真的系统设计8．6．1已知信道的发送和接收滤波器的设计8．6．2信道均衡8．7多载波调制和OFDM8．7．1FFT算法实现的OFDM系统8．8深入学习习题第9章信道容量与信道编码9.1信道模型9.2信道容量9．2．1高斯信道容量9.3通信的容限9．3．1模拟信号的PCM传输9.4可靠通信的编码9．4．1正交信号错误概率的紧界9．4．2编码的原则9.5线性分析码9.5．1线性分组码的译码及其性能9.5．2突发错误纠错编码9.6循环码9．6．1循环码的结构9．7卷积码9．7．1卷积码的基本性质9．7．2卷积码的最佳译码--维特比算法9．7．3卷积码的其他译码算法9．7．4卷积码的错误概率界限9．8复合编码9．8．1乘积码9．8．2链接码9．8．3Turbo码9．8．4BCJR算法9．8．5Turbo码的性能9．9带限信道的编码9．9．1编码与调制的结合9．9．2网格编码调制9．10信道编码的实际应用9．10．1深层空间通信的编码9．10．2电话线路调制解调器的编码9．10．3光盘编码9．11深入学习习题第10章无线通信10．1衰落多径信道上的数字传输10．1．1时变多径信道的信道模型10．1．2衰落多径信道的信号设计10．1．3频率非选择性瑞利衰落信道上的二进制调制性能10．1．4通过信号分集提高系统性能10．1．5频率选择性信道的调制和解调--RAKE解调器10．1．6多天线系统和空时编码10．2连续载波相位调制10．2．1连续相位FSK(CPFSK)10．2．2连续相位调制(CPM)10．2．3CPFSK和CPM的频谱特性10．2．4CPM信号的解调和检测10．2．5CPM在AWGN信道和瑞利衰落信道中的性能10．3扩频通信系统10．3．1扩频数字通信系统的模型10．3．2直接序列扩频系统10．3．3直接序列扩频信号的应用10．3．4脉冲干扰和衰落的影响10．3．5PN序列的生成10．3．6跳频扩频10．3．7扩频系统的同步10．4数字蜂窝通信系统10．4．1GSM系统10．4．2基于IS-95的CDMA系统10．5深入学习习题附录A多信道二进制信号接收时的错误概率参考文献

ISO9241标准对于“可用性”的定义是：为了达到特定目标，特定用户在特定上下文内使用产品，由此而体验到的有效性、操作效率和满意程度。
5种基本的绩效度量类型1、任务成功（tasksuccess）：它测量的是用户能在多大程度能有效地完成一系列既定的任务2、任务时间（time-on-time）：它测量的是需要多少时间才能完成任务3、错误（errors）：反映了任务过程中用户所犯的过失4、效率（efficiency）：可以通过测量用户完成任务所付出的努力程度而被评估5、易学性（learnability）：是一种测量绩效随时间而如何发生变化的方法

混淆矩阵的MATLAB源代码，直接能用的代码，可以用来计算分类结果的准确率还能度量划分效果，混淆矩阵的概念虽然简单，但需要注意的点特别多，看此代码，绝对复制过去就能用！

ZedGraph是用于创建任意数据的二维线型、条型、饼型图表的一个类库，也可以作为Windows窗体用户控件和ASP网页控件（这里有个web-accessible不知道该怎么翻译）。
这个类库具有高度的适应性，几乎所有式样的图表都能够被创建。
这个类库的用法在于通过提供所有图表属性的省缺值来保持使用性的简单。
这个类库包含了基于要绘制的数值范围内的可选择适当度量范围和跨度的代码。

这本书是国内最经典的信息论与编码的教材，由傅祖芸院士编著，本书系统地论述信息论与纠错编码的基本理论。
共有9章，内容包括：信息的定义和度量，离散信源和连续信源的信息熵，信道和信道容量，平均失真度和信息率失真函数，三个香农信息论的基本定理：无失真信源编码定理、限失真信源编码定理和信道编码定理，若干种常见实用的无失真信源压缩编码的方法，以及信道纠错编码的基本内容和分析方法。
本书深入浅出、概念清晰、系统性和可读性强。
高等教育电子信息类信息论与编码最好的教材之一，帮助大家更好学习，如果需要课后答案，可以私信我。

已经详细研究了无线传感器网络中的链路质量监视。
WSN提供了许多有关WSN链路质量的度量研究人员。
相对于链路质量监控的综合研究，很少有关于链路质量聚合和表示的研究。
整个网络的链接情况。
本文提出了三个层次全球网络链路质量聚合和表示的框架（LQAR）和位编码聚合树（BAT）算法以提高链路质量聚合并路由到接收器节点。
LQAR框架包括三个级别：存储和摘要级别，聚合级别和表示级别。
存储和摘要级别定义应在节点中存储哪些数据，以及如何计算摘要值来表示周围的链接情况节点。
汇总级别使用BAT算法汇总节点并将其传输到接收器节点。
表示层解决了可视化这些数据。
BAT算法将位编码方法与节能的聚合树。
仿真结果表明，BAT可以减少消息总数并大大减少能量损失。

根据CK，LK,MOOD的理论，基于面向对象的自动化软件度量工具

线性光谱聚类（LSC）的超像素分割算法，该算法可以生成具有低计算成本的紧凑且均匀的超像素。
基本上，基于测量图像像素之间的颜色相似性和空间接近度的相似性度量，采用超像素分割的归一化切割公式。
然而，代替使用传统的基于特征的算法，我们使用核函数来近似相似性度量，导致将像素值和坐标明确映射到高维特征空间。
我们证明，通过适当地加权该特征空间中的每个点，加权K均值和归一化切割的目标函数共享相同的最佳点。
因此，通过在所提出的特征空间中迭代地应用简单的K均值聚类，可以优化归一化切割的成本函数。
LSC具有线性计算复杂性和高内存效率，并且能够保留图像的全局属性。
实验结果表明，LSC在图像分割中的几种常用评估度量方面表现出与现有技术的超像素分割算法相同或更好的性能。

文件内有一个函数文件和CMFS.m文件，调用这两个即可。
另外还有几个标准数据集用来测试。
特征选择可以用来进行机器学习和数据挖掘，希望此资源可以帮助到大家，有不足之处，望指出并相互探讨。

决策树(DecisionTree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。
由于这种决策分支画成图形很像一棵树的枝干，故称决策树。
在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。
Entropy=系统的凌乱程度，使用算法ID3,C4.5和C5.0生成树算法使用熵。
这一度量是基于信息学理论中熵的概念。

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。