计算机网络课程设计的一个常见作业，该作业已经有某重点高校的同学交给老师评改过，成绩是A+（95分以上）

2实验内容 利用所学数据链路层原理，自己设计一个滑动窗口协议并在仿真环境下编程实现有噪音信道环境下的 可靠的双工通信。信道模型为 8000bps 全双工卫星信道，信道传播时延 270 毫秒，信道误码率为 10-5，信道提供字节流传输服务，网络层分组长度在240~256字节范围。 通过该实验，进一步巩固和深刻理解数据链路层的字节填充方式的成帧技术，误码检测的 CRC 校验技术，以及滑动窗口的工作机理。滑动窗口机制的两个主要目标：(1) 实现有噪音信道环境下的无差错传输; (2)充分利用传输信道的带宽。在程序能够稳定运行并成功实现第一个目标之后，运行程序并检查在信道没有误码和存在误码两种情况下的信道利用率。为实现第二个目标，提高滑动窗口协议信道利用率，需要根据信道实际情况合理地为协议配置工作参数，包括滑动窗口的大小和重传定时器时限以及 ACK 搭载定时器的时限。这些参数的设计，需要充分理解滑动窗口协议的工作原理并利用所学的理论知识，经过认真的推算，计算出最优取值，并通过程序的运行进行验证。 对实际系统中的协议分层和协议软件的设计与实现有基本的认识。

TCP滑动窗口演示flash，也是转载于其他地方并非原创。

滑动窗口软件代码，UDP Sliding Window Protocol

使用滑动窗口机制实现可靠性传输，适合于学网络的朋友们，算法经典，根据网上别人的代码修改

hog svm matlab代码滑动窗口人脸检测 描述 使用定向梯度直方图 (HOG) 和支持向量机 (SVM) 区分实际人脸对象和非人脸对象。 实现基于Matlab。 源代码位于名为“code”的目录中 必要的数据集位于名为“data”的目录中

生成树协议及TCP滑动窗口演示，很形象。flash小动画

针对基于聚类的离群点检测算法在处理高维数据流时效率和精确度低的问题,提出一种高维数据流的聚类离群点检测(CODHD-Stream)算法.该算法首先采用滑动窗口技术对数据流划分,然后通过属性约简算法对高维数据集降维;其次运用基于距离的信息熵过滤机制的K-means聚类算法将数据集划分成微聚类,并检测微聚类的离群点.通过实验结果分析表明:该算法可以有效提高高维数据流中离群点检测的效率和准确度.

图形描述TCP/IP 滑动窗口机制和示意图

swin-timesformer 一个简单的滑动窗口Timesformer