MATLAB模拟粒子散射代码光束传播法（BPM）的大规模全息粒子3D成像 MatLab实现文件。 我们提供了光束传播方法的正向模型和重建算法代码，模拟的样本对象，全息图，重建的粒子以及样本实验捕获的全息图，重建结果。 引文 如果您发现该项目对您的研究有用，请考虑引用我们的论文： 抽象的 我们为3D粒子场的大规模全息重建开发了一种新颖的算法。 我们的方法基于结合稀疏正则化的多散射光束传播方法（BPM），该方法可从单个全息图中恢复高折射率对比度的致密3D粒子。 我们显示，BPM计算的全息图生成的强度统计数据与实验测量值非常匹配，并且比单散射模型提供高达9倍的精度。 为了解决反问题，我们设计了一种计算效率高的算法，与基于最新技术的基于多重散射的技术相比，该算法将计算时间减少了两个数量级。 我们在不同散射强度下的仿真和实验中均展示了卓越的重建精度。 我们表明，对于深成像深度和高粒子密度，BPM重建显着优于单散射方法。 概述图 如何使用程式码 正向模型： 重建： 数据 dz = lambda / 16的模拟对象：object / simulatedData / density_1.6 重建对象的

General perturbations element sets generated by NORAD can be used to predict position and velocity of Earth-orbiting objects. To do this one must be careful to use a prediction method which is compatible with the way in which the elements were generated. Equations for ¯ve compatible models are given here along with corresponding FORTRAN IV computer code. With this information a user will be able to make satellite predictions which are completely compatible with NORAD predictions.

高速数字设计经典教材，电子版

基于随机游走的社团发现算法Hadoop版 以及一个graph生成程序。整个是个eclipse项目，没有把lib放上来。内容在 http://blog.csdn.net/lgnlgn/article/details/6561876 的下一篇博客

matlab开发-CLPropagationRFLR。包含两个射频传播损耗模型的类：Longley Rice和Hata

贝叶斯网络上的信念传播 这是一个在贝叶斯网络 (BN) 上运行循环信念传播的程序，并为网络上的每个节点生成边缘化概率。 算法细节参考 ，随着使用bethe聚类图而不是BN的纯因子图的变化。 输入格式应为 用法 $ python bp < .bif file path > [-o output file] [-t threshold] Options: -o, --output output file name, default to ' result.txt ' -t, --threshold threshold for convergence default to 1e-10 致谢 BIF 解析器由提供。 项目中的代码用于华盛顿大学的作业 3。

信仰传播 该存储库包含有关信念传播的项目的代码，作为“图形模型：离散推理和学习”课程的一部分（主MVA）。 我们进行了两个实验来测试信念传播的两种实现： （湿草示例） （分类归纳） 项目演示的幻灯片在，而项目报告在共享。 作者：Charbel-RaphaëlSégerie，克莱门特·邦内（ClémentBonnet）。 2021年3月31日

AP(Affinity Propagation)聚类聚类算法介绍(发表在Science杂志上)

心脏病诊断是一项复杂的任务，需要大量的经验和知识。 预测心脏病的传统方法是医生检查或进行许多医疗检查，例如ECG，压力测试和心脏MRI等。如今，医疗保健行业包含大量的医疗保健数据，其中包含隐藏的信息。 这些隐藏的信息对于做出有效的决策很有用。 基于计算机的信息以及先进的数据挖掘技术可用于获得适当的结果。 神经网络是广泛用于预测心脏病诊断的工具。 在这篇研究论文中，使用神经网络开发了心脏病预测系统（HDPS）。 HDPS系统可预测患者患上心脏病的可能性。 为了进行预测，该系统使用了性别，血压，胆固醇等13种医学参数。 在这里，增加了两个参数，即肥胖和吸烟，以提高准确性。 从结果可以看出，神经网络以近100％的准确度预测心脏病。

这项研究报告了在11 GHz和14 GHz的室内传播测量活动和信道表征的结果，它们是未来通信系统的候选频段。 测量程序可以表征视距（LOS）和非LOS（NLOS）通道的大型和小型统计数据。 基于这些测量，提出了对数距离路径损耗模型，并讨论了均方根（RMS）延迟扩展。 通过使用Kolmogorov-Smirnov，卡方检验和Anderson-Darling检验，发现Nakagami分布很好地描述了小规模衰落的统计数据。 提出了一种与距离有关的线性模型来预测Nakagami m参数。 此外，根据测量结果分析了这些信道参数的互相关性，并且在LOS条件下可以清楚地观察到阴影衰落，RMS延迟扩展和m因子之间的互相关性，而NLOS的阻塞减少了互相关性。相关性。