搜索资源列表
xueji
- J2EE高校学籍管理信息系统的设计及实现 本文中的学籍信息管理系统将 Mvc 以ModelViewControl) 模式和J2EE相结合，使界面与业务逻辑彻底分离，在系统架构中各司其职、互不干涉，具有较强的伸缩性、 通用性和可操作性。 文中用统一建模语言UML对系统进行详细分析，并给出了系统的具体设计， 包括系统结构设计、数据库 设计、信息安全访问设计等。 此外，本文还着重描述了系统实现过程中的一些关键技术， 包括在系统
B超图文报告系统软件
- 系统具有功能特点: 1、可与任何型号的超声设备连接，无需对原机作任何改动，安全可靠。 2、采集图像方法:脚踏开关采集、鼠标采集,支持后台批量预采集图像. 3、采集、保存静态图像无限制。 4、可对图像进行放大，缩小、加彩、增强、旋转、截取等功能处理。 5、任意位置加以文字标注。 6、可测量长度、面积、周长等。 7、提供灵活方便的报告模板，包括标准模板、个性定制模板、测量模板、填充式模板。用户可快速智能的编辑生
xueji
- J2EE高校学籍管理信息系统的设计及实现 本文中的学籍信息管理系统将 Mvc 以ModelViewControl) 模式和J2EE相结合，使界面与业务逻辑彻底分离，在系统架构中各司其职、互不干涉，具有较强的伸缩性、 通用性和可操作性。 文中用统一建模语言UML对系统进行详细分析，并给出了系统的具体设计， 包括系统结构设计、数据库 设计、信息安全访问设计等。 此外，本文还着重描述了系统实现过程中的一些关键技术， 包括在系统
BEAM_MUSIC
- 阵元间隔为半波长的均匀分布16元线阵，预成指向士arcsin（(2i-1)/16）(i=l，2，…，8)的16个均匀加权常规波束,远场有5个互不相关的目标源发射信号，每个源相对于基阵的方位为-40，-42，-5，30和33，且每个信号源到达基阵的信噪比相同，均为5DB，快拍数为1000.-Array element spacing of half wavelength for the uniform distribution of 16
bijiao
- 阵元间隔为半波长的均匀分布16元线列阵，利用均匀加权常规波束。远场有5个互不相关的目标源发射信号，每个源相对基阵的方位分别为-40，-42，-5，30和33，且每个源信号到达基阵时的信噪比相等，均为10dB。分别对波束域和阵元域MUSIC算法进行比较。 -Array element spacing of half wavelength for the uniform distribution of 16 per linear arr
PersonalFinancing
- 财智记账本是一款个人家庭财务软件。它能全面管理日常收支、储蓄、能通过互联网与您的开户银行联接并获得相关数据，并配有家庭金融顾问功能，它的服务能涵盖所有家庭理财的新时代内容，是一款非常实用的软件。软件可供多用户使用而互不干扰，适应了各家庭成员的不同需要。-Choi Chi is a personal account of the family finance software. It overall management of the d
20101101093427759
- 学习软件,多用户系统,数据库操作支持库,数据操作支持库一,超文本浏览框支持库,扩展界面支持库一,扩展界面支持库二,操作系统界面功能支持库 《易学堂》软件一款结合易语言多媒体教程的学习软件。软件主要分为三大功能：视频教程、章节重点、章节测验。让各位易学者在学习易语言的过程中提高学习效率，增加学习的趣味性。而且软件采用了多用户系统，你可以为自己创建一个用户，自己用自己的账号进行学习，实现了多人在一台机器上使用《易学堂》学习互不相干。而
PCA
- PCA 的目标是寻找 r （ r<n ）个新变量，使它们反映事物的主要特征，压缩原有数据矩阵的规模。每个新变量是原有变量的线性组合，体现原有变量的综合效果，具有一定的实际含义。这 r 个新变量称为“主成分”，它们可以在很大程度上反映原来 n 个变量的影响，并且这些新变量是互不相关的，也是正交的。通过主成分分析，压缩数据空间，将多元数据的特征在低维空间里直观地表示出来。
mulding_v3.2
- KLKKDJ订餐系统——PHP网上订餐系统的多店版本，和单店版是对应关系，增加了多店铺管理及运营功能，每一个店铺都有自己一个独立的管理后台，互不干涉，可以绑定各自域名。已经集成第三方登录组件，包括QQ登录，新浪微博登录，安装组件即可使用这些功能。安装步骤： 1. 将文件上传到您服务器的站点内 2. 输入站点地址，系统会默认进入安装页面 3. 按照提示安装完成，配置相关参数-KLKKDJ reservatio
manage
- 设计一个实用的小型校园信息管理系统，其中涉及到3个主体：学生、教师和课程。教师之间选择的课程互不重复，学生之间选择的课程可以重复。教师的功能可以录入成绩、修改成绩、统计该课程的平均成绩以及显示相关信息。学生的功能除了选择课程外，还可以查询每门课的成绩和自己的平均成绩以及显示相关信息。-Designing a practical small campus information management system, which invol
MUSIC1
- 模拟2个独立窄带信号分别以20°，60°的方向入射到均匀线阵上，信号间互不相关，与噪声相互独立，噪声为理想高斯白噪声，阵元间距为入射信号波长的1／2，信噪比为20dB，阵元数为10，采样快拍次数为200。-Simulate two independent narrowband signals in the direction of 20 °, 60 ° of the incident on the ULA, among signal u
music2
- 模拟2个独立窄带信号分别以20°，60°的方向入射到均匀线阵上，信号间互不相关，与噪声相互独立，噪声为理想高斯白噪声，阵元间距为入射信号波长的1／2，快拍数为200，信噪比为20dB，阵元数分别为10，50，100。 -Simulate two independent narrowband signals in the direction of 20 °, 60 ° of the incident on the ULA, among
music3
- 模拟2个独立窄带信号分别以20°，60°的方向入射到均匀线阵上，信号间互不相关，与噪声相互独立，噪声为理想高斯白噪声，阵元数为10，快拍数为200，信噪比为20dB，阵元间距分别为 tambada/6 tambada/2、tambada。-Simulate two independent narrowband signals in the direction of 20 °, 60 ° of the incident on
music4
- 模拟2个独立窄带信号分别以20°，60°的方向入射到均匀线阵上信号间互不相关，与噪声相互独立，噪声为理想高斯白噪声，阵元数为10，阵元间距为入射信号波长的1／2，信噪比为20dB，快拍数分别为5，50，200。-Simulate two independent narrowband signals in the direction of 20 °, 60 ° of the incident on the ULA between sign
music5
- MUSIC算法DOA估计与信噪比的关系模拟2个独立窄带信号分别以20°，60°的方向入射到均匀线阵上，信号间互不相关，与噪声相互独立，噪声为理想高斯白噪声，阵元数为10，阵元间距为入射信号波长的1／2，快拍数为200，信噪比分别为-20dB，0dB，20dB。-MUSIC DOA estimation algorithm relationship with SNR
music6
- 模拟2个独立窄带信号入射到均匀线阵上，信号间互不相关，与噪声相互独立，噪声为理想高斯白噪声，阵列的阵元数为10，快拍数为200。阵元间距为入射信号波长的1／2，信噪比为20dB，信号入射角度差分别为5°，10°，20°。-Simulate two independent narrowband signals incident on the ULA, among signal unrelated, independent noise, t
music8
- MUSIC算法DO模拟2个独立窄带信号入射到均匀线阵上，信号间互不相关，与噪声相互独立，噪声为理想高斯白噪声，阵列的阵元数为10，快拍数为200。阵元间距为入射信号波长的1／2，信噪比为20dB，信号入射角度差分别为5°，10°，20°。-DO MUSIC algorithm simulate two independent narrowband signals incident on the ULA, among signal unr
music_ULA
- 用于对均匀线阵（ULA）的远场入射信号进行DOA估计的程序，前提是入射信号源互不相关-Program for ULA (ULA) far-field incident signal DOA estimation, the premise is unrelated incident signal source
main
- I,Q通道的 噪声过程是高斯的的,而且是互不相关的,他的功率谱也是白的. 因为I和Q通道的噪声过程是高斯的,而且是互不相关的 我们可以得到他们是相互独立(Papoulis,1984). 最后,由于I和Q通道是独立的零均值高斯过程,因此可以推导出:复信号:I+jQ,幅度是瑞丽分布的,幅度的平放是指数分布的,相位角arctan(Q/I)是在(0,2π]上均匀分布-I Q Gaussian noise
PCA
- PCA（Principal Component Analysis）不仅仅是对高维数据进行降维，更重要的是经过降维去除了噪声，发现了数据中的模式。 PCA把原先的n个特征用数目更少的m个特征取代，新特征是旧特征的线性组合，这些线性组合最大化样本方差，尽量使新的m个特征互不相关。从旧特征到新特征的映射捕获数据中的固有变异性。-PCA (Principal Component Analysis) is not just for hi