搜索资源列表
OPNEThelp
- opnet modeler使用文档，具体来说，网络仿真技术是一种通过建立网络设备、链路和协议模型, 并模拟网络流 量的传输，从而获取网络设计或优化所需要的网络性能数据的仿真技术。从应用的角度上 看，网络仿真技术有以下特点：（1）全新的模拟实验机理，使其具有在高度复杂的网络环 境下得到高可信度结果的特点。网络仿真的预测功能是其他任何方法都无法比拟的；（2） 使用范围广，既可以用于现有网络的优化和扩容，也可以用于新网络的设计，而且特别适 用于大中型网络的设计和优化；（3）初期应用
4
- 基于Elman网络的时延预测及其改进方法的设计思路-x
Underwater-GPS-Positioning
- 提出了基于无线传感器网络的浮标网络水下GPS定位系统模型，分析了 该模型的结构、功能以及工作过程，并从几何角度探讨了水下目标的声学定位算 法。结合Range-Free算法与分布式算法的思想，设计了一种传感器节点自定位算 法，称为BSR（Beacons Signal Ring）定位算法，并对该算法的性能进行了评估与 比较。该算法在锚节点处的信标信号中引入能量等级的机制，无需相邻传感器节 点间信息交换，有效降低了算法复杂度与通信开销。性能分析结果显示，该算法 性能良好，在应用
MELP_VC
- 语音编码，混合激励线性预测，波形音频文件格式，低级音频函数，套接字，网络编程-very useful code
K-order Markov Chain in Mobile Social Networks
- 针对移动社交网络中节点中心性预测问题，提出基于K阶马尔科夫链的中心性预测方法。在真实移动社交数据集的中计算信息熵分析节点中心性的过去与未来规律性，研究了节点中心性的可预测性。利用节点中心性的历史信息，构建状态转移概率矩阵，预测节点未来中心性值, 并通过分析真实值与预测值之间的误差评估了这些预测方法的性能。结果表明，当阶数K=2时，与四种基于时窗的中心性预测方法比较，基于K阶马尔科夫链的预测模型在MIT数据集和Infocom 06数据集中虽不在个体上优于已提出的预测方法，但在整体上达到了优化。(w