1.领域：matlab，SVD,EVD,GMD以及SIC算法2.内容：【提供操作视频】大规模MIMO预编码算法matlab仿真,包括SVD,EVD,GMD以及SIC等3.用处：用于SVD,EVD,GMD以及SIC算法编程学习4.指向人群：本硕博等教研学习使用5.运行留意事项：使用matlab2021a或者更高版本测试，运行里面的Runme_.m文件，不要直接运行子函数文件。
运行时留意matlab左侧的当前文件夹窗口必须是当前工程所在路径。
具体可观看提供的操作录像视频跟着操作。
运行时留意matlab左侧的当前文件夹窗口必须是当前工程所在路径。
具体可观看提供的操作录像视频跟着操作。
2016/6/3 11:10:15
399KB
1
基于随机森林算法的数据分类预测，代码全部封装好了，正文也写得非常详细，跑数据的过程中有任何问题可以私信博主
2017/9/22 20:41:11
3KB
1
在工程中:keccak.v为顶层文件，分别调用下面几个文件，f_permutation.v、padder1.v、rconst2in1.v、round2in1.v、padder1.v。
test_keccak.v为仿真代码。
在仿真代码test_keccak.v中，仿真控制输入，reg[63:0]in;为输入，wire[511:0]out;为输出端。
在仿真代码中通过对输入的参数进行控制，实现对算法输入控制的变化，通过仿真波形图来观察输出端。
————————————————版权声明：本文为CSDN博主「QQ_778132974」的原创文章，遵照CC4.0BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/QQ_778132974/article/details/124217676
test_keccak.v为仿真代码。
在仿真代码test_keccak.v中，仿真控制输入，reg[63:0]in;为输入，wire[511:0]out;为输出端。
在仿真代码中通过对输入的参数进行控制，实现对算法输入控制的变化，通过仿真波形图来观察输出端。
————————————————版权声明：本文为CSDN博主「QQ_778132974」的原创文章，遵照CC4.0BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/QQ_778132974/article/details/124217676
2018/10/19 12:45:57
2.28MB
1
在已有Pagerank算法构建的微博用户影响力评估模型中，存在用户本身属性信息欠缺以及在用户不活跃期间其影响力被误判下降的问题。
为此，综合考虑用户本身的属性，基于用户的活跃度、认证信息及博文质量来确定其本身的基本影响力，通过引入用户博文的传播率挖掘用户的潜在影响力，结合用户不同好友的质量，基于改进的Pagerank算法构建微博用户影响力评估算法。
实验结果表明，与改进BWPR算法相比，该算法准确率、召回率和F值分别提高13.5%、10.1%和12.3%，能准确、客观地反映微搏用户的实际影响力，可为社交网络中的意见领袖挖掘、信息传播和舆论引导等研究提供参考。
为此，综合考虑用户本身的属性，基于用户的活跃度、认证信息及博文质量来确定其本身的基本影响力，通过引入用户博文的传播率挖掘用户的潜在影响力，结合用户不同好友的质量，基于改进的Pagerank算法构建微博用户影响力评估算法。
实验结果表明，与改进BWPR算法相比，该算法准确率、召回率和F值分别提高13.5%、10.1%和12.3%，能准确、客观地反映微搏用户的实际影响力，可为社交网络中的意见领袖挖掘、信息传播和舆论引导等研究提供参考。
2020/3/18 6:41:03
1.66MB
1
为预测某条微博的具体转发者，在微博是否会被转发的研究基础上，提出了基于社交网络拓扑结构、用户行为及用户间关联三个层面的逻辑回归分类算法，并针对该算法进行真实数据集检测。
实验结果表明，该预测算法与未考虑网络拓扑结构的算法相比功能显著提升，为实现社交媒体信息传播轨迹精准预测打下了重要基础。
实验结果表明，该预测算法与未考虑网络拓扑结构的算法相比功能显著提升，为实现社交媒体信息传播轨迹精准预测打下了重要基础。
2015/6/20 15:57:38
975KB
1
ARIMA预测模型训练集和预测集ARIMA模型全称为自回归积分滑动平均模型(AutoregressiveIntegratedMovingAverageModel,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列（Time-seriesApproach）预测方法[1]，所以又称为Box-Jenkins模型、博克思-詹金斯法。
其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归，p为自回归项；
MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。
所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。
ARIMA模型根据原序列能否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。
其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归，p为自回归项；
MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。
所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。
ARIMA模型根据原序列能否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。
2017/5/23 20:02:29
2KB
1
功能简介演示地址：http://www.pintujiajia.com其他模板演示请联系QQ：1658016817交流论坛：http://code.pintujiajia.com?QQ群：250356636?目前主要功能：1．淘宝客，一键淘点金2．分享图片4．标签栏采集工具5．分享音乐6．专题功能7．微群（小组）8．积分兑换9．相册10．日志11．活动12．投票13．招贴14．招贴15．微吧16．礼物17．数据分析18．更多功能等待你发掘程序特点：1.类似Pinterest、美丽说的瀑布流布局、内容随页面滚动自动加载，无须翻页及刷新;2.内置新浪微博、腾讯微博、豆瓣账号登录接口;3.针对中小站长、淘宝客、网店设计，提供商品信息抓取、图片抓取等必备功能4.URL伪静态，增强搜索引擎收录，有效提高SEO效果5.强大的采集工具
2020/11/24 3:11:27
6.78MB
1
清轩聚合登录平台网站源码，彩虹聚合登录系统二开，后台采用Layuiadmin改版，增加了前台界面、开发文档、SDK文件，后台增加站点配置功能。
源码次要功能：可以实现中转QQ、微信、支付宝、微博、百度等平台的快捷登录接口。
有多应用管理、域名限制、账号记录、登录记录功能。
搭建说明：直接上传后访问即可安装，后台地址是/admin，创建应用之后即可使用QQ互联申请说明：首先必须要有一个已备案的域名。
QQ互联申请地址：https://connect.qq.com/，申请的时候不要用本程序直接去申请，否则不可能通过。
申请的时候回调地址填写：http://你的域名/return.php
源码次要功能：可以实现中转QQ、微信、支付宝、微博、百度等平台的快捷登录接口。
有多应用管理、域名限制、账号记录、登录记录功能。
搭建说明：直接上传后访问即可安装，后台地址是/admin，创建应用之后即可使用QQ互联申请说明：首先必须要有一个已备案的域名。
QQ互联申请地址：https://connect.qq.com/，申请的时候不要用本程序直接去申请，否则不可能通过。
申请的时候回调地址填写：http://你的域名/return.php
2015/4/19 22:41:25
2.97MB
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