暂无评论
Google算法应对策略.pdf 看完就知道怎么对付谷歌了
针对目前提出的Boosting提升的加权极限学习机算法用各类总分类性能作为算法的优化目标,算法对大类样本具有性能偏向性,而且没有考虑数据中包含噪声及噪点时算法对分类性能的影响,提出基于AdaBoost
基于供应链仿真的紧急订单应对策略研究,赵勇吉,陈晓慧,本文以采用连续性生产方式的制造企业为研究背景,研究在紧急订单存在的情况下,对推拉生产系统性能的影响。基于此背景下的推拉式
基于STBC方案,针对MIMOOFDM通信系统中同时存在发射机和接收机I/Q不平衡、前端滤波器失配、CFO和频率选择性信道失真的组合影响进行了深入研究,并提出了一种适用的联合均衡策略;具体实现是首先通
为提高不平衡数据的分类性能,提出了基于度量指标优化的不平衡数据Boosting算法。该算法结合不平衡数据分类性能度量标准和Boosting算法,使用不平衡数据分类性能度量指标代替原有误分率指标,分别采
分析了传统的通信电缆线对电容不平衡测试方法的不足,提出简便和新颖的多线对电容耦合测试方法, 并给予了证明。同时介绍了线对电容不平衡测试方法的实现过程。
I/Q不平衡对QPSK信号检测的影响,孙红恩,周坤,本文主要是研究同相与正交(I/Q)支路幅度和相位不平衡对PSK系统数字接收机接收性能的影响。无论是幅度不平衡还是相位不平衡都会引入�
两轮不平衡小车的初步辨识及智能控制研究
在波分复用(WDM)光纤网络中,存在很多因素会造成信道间的功率差异。针对波分复用光网络中功率均衡的需求,提出了利用带有不平衡放置的损耗结构的非线性光纤环镜(NOLM)来实现多信道功率均衡的技术方案。理
K-Means欠采样python实现 1. K-Means欠采样原理 为解决分类问题中效果受样本集类间不平衡,并提高训练样本的多样性,可以使用K-Means欠采样对样本进行平衡处理。该方法利用K-me
暂无评论