针对多用户正交频分复用系统自适应资源分配问题,提出一种改进的子载波和基于差分进化算法的功率自适应分配算法。
该算法首先在均等功率下进行子载波分配,然后通过添加约束条件检测改进步骤,改进差分进化算法,并采用该算法根据设置的兼顾用户公平性与系统容量的目标函数,全局寻优实现用户间的功率分配。
仿真结果表明,算法在低算法复杂度及兼顾用户公平性的情况下实现了较高的系统容量提升,证明其有效性。
该算法首先在均等功率下进行子载波分配,然后通过添加约束条件检测改进步骤,改进差分进化算法,并采用该算法根据设置的兼顾用户公平性与系统容量的目标函数,全局寻优实现用户间的功率分配。
仿真结果表明,算法在低算法复杂度及兼顾用户公平性的情况下实现了较高的系统容量提升,证明其有效性。
2025/10/7 17:17:08
470KB
1.本程序只在WindowsXP平台上经过完整测试，因此只能保证该程序在WinXP系统下正确运行。
2.由于本程序使用的是MySQL数据库，因此需要计算机上安装有MySQL。
如果没有，可以尝试Access数据库。
3.将本程序下载到本地计算机后，需要建立ODBC连接。
建立方法如下：进入开始菜单-＞控制面板-＞管理工具-＞数据源（ODBC），建立一个新的系统DSN：选择“Add-_-MySQLODBC3.51Driver”，数据源名称为“daq_test”，然后自己根据实际情况配置，点击OK完成设置。
4.启动系统.vi，输入用户名：admin，密码：answer登录系统。
进入系统后可以更改密码或管理用户等等。
数据采集板卡为NI-6221,信号调理模块为SCC-RTD01。
数据采集后以单位时间间隔存入数据库预设采样率为1000S/s,每通道采样数为1000,采样率＝每通道采样数,连续采样本设计为3通道数据采集，具有调节采样参数的功能，采集数据的实时显示和历史数据的查询。
2.由于本程序使用的是MySQL数据库，因此需要计算机上安装有MySQL。
如果没有，可以尝试Access数据库。
3.将本程序下载到本地计算机后，需要建立ODBC连接。
建立方法如下：进入开始菜单-＞控制面板-＞管理工具-＞数据源（ODBC），建立一个新的系统DSN：选择“Add-_-MySQLODBC3.51Driver”，数据源名称为“daq_test”，然后自己根据实际情况配置，点击OK完成设置。
4.启动系统.vi，输入用户名：admin，密码：answer登录系统。
进入系统后可以更改密码或管理用户等等。
数据采集板卡为NI-6221,信号调理模块为SCC-RTD01。
数据采集后以单位时间间隔存入数据库预设采样率为1000S/s,每通道采样数为1000,采样率＝每通道采样数,连续采样本设计为3通道数据采集，具有调节采样参数的功能，采集数据的实时显示和历史数据的查询。
2025/10/7 17:19:30
3.08MB
准确的风电功率预测对于电力系统安全稳定运行具有重要意义，滞后性是产生风电功率预测误差的主要原因，尤其是风速变化较快时，滞后性引起的预测误差较大。
考虑到风速波动与风电功率的变化息息相关，提出一种基于风速局部爬坡(LR)误差校正的方法来改善预测风速的滞后性，并将校正后的预测风速及历史功率数据作为输入进行风电功率预测。
提出利用灰狼优化(GWO)算法对最小二乘支持向量机(LSSVM)的参数进行优化，以提高风电功率预测的准确性。
算例结果表明，所提方法能够有效提高风电功率预测精度。
考虑到风速波动与风电功率的变化息息相关，提出一种基于风速局部爬坡(LR)误差校正的方法来改善预测风速的滞后性，并将校正后的预测风速及历史功率数据作为输入进行风电功率预测。
提出利用灰狼优化(GWO)算法对最小二乘支持向量机(LSSVM)的参数进行优化，以提高风电功率预测的准确性。
算例结果表明，所提方法能够有效提高风电功率预测精度。
2025/10/7 16:31:21
1.91MB
Java打字软件，这么漂亮的界面你相信是用Java写出来的吗？本程序拿去用来学习Java窗体编程也相当不错的例子。
本打字软件功能还挺多，可实现键盘练习、字根练习、简码练习、文章练习、本地测试、网络测试、编码查询，另外还可聊天、休闲游戏等功能。
本打字软件功能还挺多，可实现键盘练习、字根练习、简码练习、文章练习、本地测试、网络测试、编码查询，另外还可聊天、休闲游戏等功能。
2025/10/7 13:04:02
4.54MB
帕绍大学硕士论文主题：域自适应本文讨论了一种通用的领域自适应模型技术的发展，这将有助于解决各种计算机视觉任务。
该模型在流行的视觉域数据集上进行图像分类任务训练，并且与其他可用的域适应方法相比，该模型的性能得到了评估。
“基于幅度的权重修剪”技术用于执行目标特征提取器优化。
有关代码的说明：models.py模块定义了源模型和目标模型。
Xception网络和顶层config.py模块定义了各种参数，例如设置路径，实验数据集组合ID等。
将来可能会添加其他配置loss.py定义了其他损失方法。
preprocessing.py模块使用各种数据集组合（包括数据扩充）定义数据预处理管道。
train_test.py是一个帮助程序模块，它定义了培训和评估方法。
evals_helper.py是一个帮助程序模块，它详细定义了评估方法。
utlis.py定义了各种绘图，辅助方法和
该模型在流行的视觉域数据集上进行图像分类任务训练，并且与其他可用的域适应方法相比，该模型的性能得到了评估。
“基于幅度的权重修剪”技术用于执行目标特征提取器优化。
有关代码的说明：models.py模块定义了源模型和目标模型。
Xception网络和顶层config.py模块定义了各种参数，例如设置路径，实验数据集组合ID等。
将来可能会添加其他配置loss.py定义了其他损失方法。
preprocessing.py模块使用各种数据集组合（包括数据扩充）定义数据预处理管道。
train_test.py是一个帮助程序模块，它定义了培训和评估方法。
evals_helper.py是一个帮助程序模块，它详细定义了评估方法。
utlis.py定义了各种绘图，辅助方法和
2025/10/7 10:41:06
2.61MB
可嵌入的ReactWidget轻松创建可嵌入的小部件-https:产品特点全面支持ES6/ES2015（使用Babel）将字体，css，json，javascripts打包到一个包中（使用Webpack）宿主页面和窗口小部件之间没有CSS样式冲突（使用）支持书签，可进行快速测试和演示小部件的用户主题混淆小部件代码在启用代码覆盖率的情况下进行单元测试持续集成就绪演示版运行小部件安装依赖$npminstall启动开发服务器$npmstart...serverrunningathttp://localhost:8080/运行测试$npmtest...testoutput生产建立$npmrunbuild...createfilesin/dist路线图小部件作为React应用程序-index.html可以工作（Webpack，Babel，React）React小部件（小部件构建器）Webpack更改为输出库添加测试添加Circleci集成添加codecov集成以实现代码覆
2025/10/7 9:39:42
2.19MB