2019年3月份记录的，IEEE上刊登的与NOMA相关的文章。
一区很少了，主要从TVT、TWC和TC三个trans.里找，commun.letters上的简单些，也可以看看。

相干点漂移点集配准Matlab程序。
参考文献[1]HailiChui,AnandRangarajan:ANewAlgorithmforNon-RigidPointMatching.CVPR2000:2044-2051[2]AndriyMyronenko,XuboB.Song,MiguelA.Carreira-Perpinan:Non-rigidpointsetregistration:CoherentPointDrift.NIPS2006:1009-1016

Thereismuchmoreinformationinastochasticnon-Gaussianordeterministicsignalthanisconveyedbyitsautocorrelationandpowerspectrum.Higher-orderspectrawhicharedefinedintermsofthehigher-ordermomentsorcumulantsofasignal,containthisadditionalinformation.TheHigher-OrderSpectralAnalysis(HOSA)Toolboxprovidescomprehensivehigher-orderspectralanalysiscapabilitiesforsignalprocessingapplications.Thetoolboxisanexcellentresourcefortheadvancedresearcherandthepracticingengineer,aswellasthenovicestudentwhowantstolearnaboutconceptsandalgorithmsinstatisticalsignalprocessing.TheHOSAToolboxisacollectionofM-filesthatimplementavarietyofadvancedsignalprocessingalgorithmsfortheestimationofcross-andauto-cumulants(includingcorrelations),spectraandolyspectra,bispectrum,andbicoherence,andomputationoftime-frequencydistributions.Basedonthese,algorithmsforparametricandnon-parametricblindsystemidentification,time-delayestimation,harmonicretrieval,phase-coupling,directionofarrivalestimation,parameterestimationofVolterra(non-linear)models,andadaptivelinearpredictionareimplemented.AlsoincludedarealgorithmsfortestingofGaussianityandLinearityofatimeseries.Afulltutorialanddemosetareincludedinthetoolbox.

2017全球虚拟货币关键数据调查Thisisthefirststudytosystematicallyinvestigatekeycryptocurrencyindustrysectorsbycollectingempirical,non-publicdata.Thestudygatheredsurveydatafromnearly150cryptocurrencycompaniesandindividuals,anditcovers38countriesfromfiveworldregions.Thestudydetailsthekeyindustrysectorsthathaveemergedandthedifferententitiesthatinhabitthem.

NSGA2,MATLBD代码Non-dominatedSortingGeneticAlgorithmII(NSGA-II)

1.实验内容每一个正规集都可以由一个状态数最少的DFA所识别，这个DFA是唯一的（不考虑同构的情况）。
任意给定的一个DFA，根据以下算法设计一个C程序，将该DFA化简为与之等价的最简DFA。
2.实验设计分析2.1实验设计思路根据实验指导书和书本上的相关知识，实现算法。
2.2实验算法（1）构造具有两个组的状态集合的初始划分I：接受状态组F和非接受状态组Non-F。
（2）对I采用下面所述的过程来构造新的划分I-new.ForI中每个组GdoBegin当且仅当对任意输入符号a,状态s和读入a后转换到I的同一组中；
/*最坏情况下，一个状态就可能成为一个组*/用所有新形成的小组集代替I-new中的G;end（3）如果I-new=I，令I-final=I,再执行第（4）步，否则令I=I=new,重复步骤（2）。
（4）在划分I-final的每个状态组中选一个状态作为该组的代表。
这些代表构成了化简后的DFA　M＇状态。
令s是一个代表状态，而且假设：在DFAM中，输入为a时有从s到t转换。
令t所在组的代表是r,那么在M’中有一个从s到r的转换，标记为a。
令包含s0的状态组的代表是M’的开始状态，并令M’的接受状态是那些属于F的状态所在组的代表。
注意,I-final的每个组或者仅含F中的状态，或者不含F中的状态。
（5）如果M’含有死状态（即一个对所有输入符号都有刀自身的转换的非接受状态d）,则从M’中去掉它；
删除从开始状态不可到达的状态；
取消从任何其他状态到死状态的转换。
。
。
。
。
。
。

|||是一本专注于Go语法/语义以及与运行时相关的各种事物的书。
它试图帮助地鼠深入了解Go。
本书还收集了Go和Go编程的许多细节。
预计该书对初学者和有经验的Go程序员都将有所帮助。
要获取Go101的最新更改，请遵循官方的Twitter帐户。
安装跑$gitclonehttps://github.com/go101/go101.git更新资料输入Go101项目目录（包含当前的README.md文件），然后运行$gitpull本地运行输入Go101项目目录（包含当前的README.md文件），然后运行$gorun.Serverstarted:http://localhost:55555(non-cachedversion)http://127.0.0.1:55555(cachedversion)起始页应在浏览器中自动打开。
如果未打开，请访问。
选项：-port=1234-theme=light#ordark(default)贡献欢迎通过以下方式改进Go101：提交各种错误

课程大纲每节课资料提前5天发放第1章本节大纲”破解“算法面试"Hack"theAlgorithmInterview算法面试究竟考什么史上最全的算法面试考点大全2013-2018面试难度变化如何在最有效率的准备算法面试如何在不押题的情况下更有信息的去面试2018/6/24上午9:30:00第2章本节大纲二分与LogN算法BinarySearch&LogNAlgorithm二分法三重境界二分位置之满足条件的第一次-BinarySearchonIndex-OOXX二分位置之保留一半-BinarSearchonIndex-Halfhalf二分答案-BinarySearchonResult学习BinarySearch的通用模板，不再死循环讲解SearchinRotatedSortedArray等10道高频二分搜索题2018/7/1上午9:30:00第3章本节大纲为面试而生的双指针算法TwoPointersAlgorithmTwoSum问题及他的各种扩展TwoSum&Follow-ups其他高频的双指针问题2018/7/2上午9:30:00第4章本节大纲宽度优先搜索和拓扑排序BFS&TopologicalSorting二叉树上的宽搜BFSinBinaryTree二叉树的序列化问题BinaryTreeSerialization图上的宽搜BFSinGraph拓扑排序TopologicalSorting棋盘上的宽搜BFSinChessboard2018/7/15上午9:30:00第5章本节大纲基于树的深度优先搜索Tree-basedDFS二叉树的深度优先遍历BinaryTreeDFSTraversal先序/中序/后序Preorder/inorder/postorder二叉树中的分治算法Divide&ConquerDFS模板IntroduceDFSTemplate二叉树高频面试问题递归三要素遍历算法与分治算法对比TraversevsDivideConquer2018/7/16上午9:30:00第6章本节大纲基于组合的深度优先搜索Combination-basedDFS组合类深搜CombinationDFS排列类深搜PermutationDFS图上的深搜GraphDFS非递归的深搜实现方法Non-Recursion2018/7/22上午9:30:00第7章本节大纲基于排列、图的深度优先搜索Permutation/GraphbasedDFSTBD2018/7/23上午9:30:00第8章本节大纲数据结构-栈，队列，哈希表与堆Stack,Queue,Hash&Heap哈希表Hash常用的哈希库的区别HashSetvsHashMapvsHashTable哈希表的实现原理BasicHashKnowledge哈希函数HashFunction冲突的解决方法Collision开散列OpenHashing闭散列ClosedHashing哈希扩容Rehashing哈希表高频面试题HighFrequentlyAskedHashQuestions堆堆的基本原理BasicHeapKnowledge优先队列与堆的联系和区别PriorityQueuevsHeap堆的高频面试题HighFrequentlyAskedHeapQuestions堆的代替品：TreeMap2018/7/29上午9:30:00第9章本节大纲数据结构-区间、数组、矩阵与树状数组Interval,Array,Matrix&BinaryIndexedTree数组Array子数组及相关面试题Subarray&RelatedQuestions其他高频数组问题HighFrequentAskedArrayQuestionsTBD2018/7/30上午9:30:00课程更新日志

第1章绪论1.1合成孔径雷达概况1.2发展历程1.2.1国外SAR发展历程1.2.2我国SAR发展历程1.3发展趋势1.4主要应用1.4.1军事领域1.4.2民用领域1.5内容安排第2章合成孔径雷达2.1概述2.2SAR成像基本原理2.2.1距离向分辨率与脉冲压缩技术2.2.2方位向分辨率与合成孔径原理2.2.3点目标信号回波模型2.2.4SAR成像处理与算法2.3SAR成像的几何特性2.3.1斜距图像的比例失真2.3.2透视收缩与顶底位移2.3.3雷达阴影2.3.4雷达视差与立体观察第3章雷达目标电磁散射计算3.1概述3.1.1电磁散射基本计算方法3.1.2严格的经典解法3.1.3近似求解方法3.2等效电磁流计算3.2.1等效电磁流奇异性的消除3.2.2等效电磁流的分析与计算3.3多次散射的计算3.3.1几何/物理光学混合算法3.3.2存在多重散射的条件和遮挡关系的判断3.3.3几何光学/等效电磁流混合算法3.3.4GO/PO混合方法的应用3.4腔体结构电磁散射RCS计算3.4.1复射线近轴近似电磁散射算法3.4.2计算实例3.5复杂目标电磁散射的计算3.5.1复杂目标几何建模3.5.2复杂目标电磁散射混合计算第4章合成孔径雷达图像特征分析4.1概述4.2SAR图像辐射特征4.2.1SAR图像回波强度的概率分布4.2.2辐射分辨率4.3SAR图像噪声特征4.4SAR图像目标几何特征4.4.1点目标4.4.2线目标4.4.3面目标4.5SAR图像灰度统计特征4.5.1幅度特征4.5.2直方图特征4.5.3统计特征4.6SAR图像纹理特征4.6.1方向差分特征4.6.2灰度共现特征4.6.3小波纹理能量特征第5章合成孔径雷达图像分割5.1概述5.2阈值分割法5.2.1基于遗传算法的二维最大熵阈值分割法5.2.2二维模糊熵阈值分割法5.2.3双阈值分割算法5.3基于马尔可夫随机场模型的分割法5.3.1吉布斯MEF分割模型5.3.2吉布斯MRF分割算法5.3.3多尺度MRF图像分割5.4基于多尺度几何分析的分割法5.4.1基于Contourlet变换的SAR图像分割5.4.2基于Wedgelet变换的SAR图像分割5.5分割评价方法5.5.1分割质量评价5.5.2适用情况分析第6章合成孔径雷达图像目标分类6.1概述6.1.1分类流程6.1.2评价标准6.2概率密度函数估计6.2.1单-密度函数6.2.2混合密度函数6.2.3有限混合密度函数的逼近能力6.3参数估计6.3.1极大似然估计6.3.2EM算法6.4最小距离分类法6.5最大后验概率分类法6.6支持向量机分类法6.6.1支持向量机原理6.6.2支持向量机分类法6.7隐马尔可夫优化分类法6.7.1HMM原理6.7.2HMOC模型第7章合成孔径雷达图像目标识别7.1概述7.1.1识别方法7.1.2自动目标识别系统7.2基于电磁特性的目标识别7.3典型目标识别7.3.1道路识别7.3.2机场识别7.3.3MSTAR坦克识别第8章合成孔径雷达图像融合8.1概述8.1.1图像融合概念8.1.2融合效果评价8.2SAR图像与可见光图像融合8.2.1提升小波变换8.2.2基于提升小波变换区域统计特性的融合算法8.3SAR图像与多光谱图像融合8.3.1主成分分析方法8.3.2基于主成分分析的SAR与多光谱图像融合8.4多波段SAR图像融合8.4.1基于atrous算法方向滤波器组的多波段SAR图像灰度融合8.4.2多波段SAR图像伪彩色融合第9章合成孔径雷达图像压缩9.1概述9.1.1第一代和第二代压缩技术9.1.2多尺度方向分析技术9.2SAR图像压缩中的典型特征9.2.1纹理特征9.2.2变换域系数统计特征9.3SAR图像Non-SWMDA压缩方法9.3.1不可分离小波的提升实现9.3.2基于块分割的二叉树编码方案设计9.4SAR图像压缩效果评价9.4.1保真度准则9.4.2特征衡量标准

Non-electronicPartsReliabilityData非电子产品可靠性数据库

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。