MATLAB用拟合出的代码绘图睡眠时分析大脑的连通性 梅兰妮·伯恩哈特（MélanieBernhardt） 学期项目-数据科学课程研究 主管：J. Buhmann，顾问：D. Miladinovic 苏黎世联邦理工学院-机器学习学院 在这个学期的项目中，我们将展示如何在二元睡眠阶段分类的背景下，将图神经模型应用于从MEG记录中导出的多频大脑连接性数据。 该存储库包含与此项目关联的代码。 它包含以下所有必要的文件： 从原始Matlab文件构建numpy特征矩阵 构建并训练报告中介绍的图分类神经网络。 运行报告中描述的实验。 本自述文件详细介绍了此存储库文件的内容及其所包含的功能。 每个函数及其参数也都精确地记录在代码中。 从原始Matlab文件构建特征矩阵 使用文件build_features.py计算并保存实验所需的特征矩阵。 它包含以下功能： prepare_X将原始MatLab文件加载并合并为一个单个的numpy数组，形状为[nobs，4095，50]。 它以主题列表作为输入参数，仅在需要时才加载主题子集的数据。 transform_X_std执行标准频带聚合预处理步骤。 它采用一

Warshall算法计算图的连通性，matlab实现

这是后期补充的部分，和前期的代码不太一样 效果图 源代码 //测试 void CCutImageVS2013Dlg::OnBnClickedTestButton1() { vector > contours; //轮廓数组 vector centers; //轮廓质心坐标 vector >::iterator itr; //轮廓迭代器 vector::iterator itrc; //质心坐标迭代器 vector > con; //当前轮廓 do

BSNL实习：使用具有物理网络安全性的虚拟局域网（VLAN）设计园区网络，并使用Cisco Packet Tracer通过有线和无线访问实现Internet的连通性

OPC Client 测试软件仅用于辅助测试OPC SERVER端是否正常传送数据。

snmptester SNMP测试连通性工具

定义了有向图指定源点连通支配集问题。借助参数算法中的技术设计了针对该问题的规约规则，通过规约规则的实施来降低原问题的规模；随后又设计了近似算法在规约后的有向图中求出一个较小的连通支配集；最后结合规约规则带来的一些良好特性设计了优化规则，通过优化变换的实施进一步缩减由近似算法求得的连通支配集。不同模型随机图上的模拟实验表明这些规则和算法是有效的。

本文研究了车辆网络中的网络连通性问题，重点研究了在具有一个出入口的单向公路上行驶的车辆的双向连通性。 入口和出口将道路分为两个部分，车辆到达时遵循泊松过程。 在入口和出口处，车辆可以进入或离开道路，或者通过入口和出口行驶。 导出了连通性分析模型，用于分析在道路上行驶的车辆的连通性概率。 分析模型考虑了可能影响连接概率的几个参数，包括车辆的到达速度和移动速度以及车辆驶入和驶出的概率。 此外，它考虑了两种进入和退出方案：一种没有部署路边单元（RSU），另一种没有部署路边单元（RSU）。 通过仿真结果证明了该分析模型的合理性，并基于导出的分析模型研究了不同参数对连接概率的影响。

MATLAB文字连通域源程序代码.7z

华为SAN存储在AIX系统下的主机连通性指南