TW-Co-k-means：用于多视图聚类的两级加权协作k-means

动态调度的matlab代码物联网应用的移动边缘计算中的动态请求调度优化 这是S. Hu和G. Li发表的题为“面向物联网应用的移动边缘计算中的动态请求调度优化”的论文的非官方MATLAB实现。 您可以在此处找到相同的副本： 介绍 该研究论文和该项目解决了相同的两个主要问题，但是我使用不同的算法解决了它们： 上行链路功率分配问题（PA） 作者的解决方案：基于次梯度的非合作博弈模型（NCGG） 我的实现：惯性加权粒子群优化 联合资源分流与计算资源调度问题（JRORS） 作者的解决方案：多目标优化i-NSGA-II（MO-NSGA） 我的实现：二进制粒子群优化 安装 通过运行以下命令将软件包下载到本地文件夹（例如〜/ MEC /）中： git clone https://github.com/MEC/Dynamic-Request-Scheduling-Optimization-in-Mobile-Edge-Computing-for-IoT-Applications.git 运行Matlab并导航到文件夹（〜/ MEC /），然后运行main.m脚本。 如果希望用我的结果绘制图形，请运行O

Awesome tutorial on ios Autolayout and UI design for all devices

行业制造-电动装置-一种基于Ni掺杂PdO敏感电极电位型CO传感器及其制备方法.zip

STM32L151 读取 CO传感器 -TGS5042 低功耗项目的 源程序

关于用GrADS命令”sdfopen” 打开 .nc 文件出现的“SDF file has no discernable X co

用友手册资料：CO-EF项目成本.pdf

Amazon product co-purchasing dataset 是一个从亚马逊网站上抓取的 548552个 商品的信息数据（如：数据、音乐CD、DVD、录影带等），每个商品包含标题、销售排名、共同推销的商品、商品分类介绍、商品评论（时间、客户、评级、投票等），数据采集自2006年夏天。

基于高阶正交幅度调制(QAM)和大线宽相干光正交频分复用(CO-OFDM)系统, 提出了一种在时域进行无迹卡尔曼滤波(UKF)的相位噪声补偿算法。该算法在接收端基于训练符号频域卡尔曼滤波实现信道均衡, 用较小的频域导频数据开销进行频域扩展卡尔曼滤波, 先补偿公共相位误差(CPE)噪声, 然后将CPE噪声补偿之后的数据在时域进行载波间干扰(ICI)相位噪声粗补偿。对相位噪声粗补偿后的频域数据进行预判决, 结合接收端原始时域数据, 在时域对判决后的数据进行UKF以实现ICI相位噪声的精细补偿。对精细补偿之后的频域数据再进行相位噪声粗补偿并进行迭代运算, 极大地提高了相位噪声的补偿效果。对50 Gbit·s-1的CO-OFDM系统进行了传输距离为100 km的仿真, 与其他算法相比, 所提算法的频谱利用率极高, 且具有较好的补偿效果。对激光器线宽为700 kHz且调制方式为32QAM的传输信号进行二次迭代后, 所提相位噪声补偿算法的误码率性能仍可达到前向纠错上限。所提算法促进了大线宽CO-OFDM系统在长距离接入网和城域网中的应用。

为APP加入MQtt。来自国外程序员制作，应用于谷歌APP inventor,属于扩展。原价值20美元。原文档地址：https://community.thunkable.com/t/paid-mqtt-tcp-ip-extension-update-4-06-2019/7168。