基于pyqt5建立系统，然后调用ssdeep工具，实现图像之间的模糊哈希数值计算，并实现相似度的计算。具体过程见： https://blog.csdn.net/m0_68894275/article/details/124317203

通过BP、GRNN、ELM、SSA-ELM对样本数据进行回归预测，SSA-ELM优于ELM>GRNN>BP（对自己的数据进行预测只需将样本数据进行替换即可）

通过SCTP与TCP协议的比较，分析了SCTP的优缺点，并且给出了仿真结果。

信息化发展指数测算与评价比较研究

EKF、UKF、PF目标跟踪性能的比较

对抗攻击算法总结，包括MIM、FGSM、PGD、C&W、L-BFGS、JSMA 、MalGAN、DeepFool等攻击算法

无线接入技术区别于有线接入的特点之一是标准不统一，不同的标准有不同的应用。正因为此，使得无线接入技术出现了百家争鸣的局面。在众多的无线接入标准中，无线局域网标准更成为人们关注的焦点。本文将为大家介绍几种热门无线局域网标准之比较。

噪声噪声器matlab代码SE 的波束成形器比较 概述 这个 GitHub 存储库提供了不同类型波束形成器的代码，作为单通道语音增强的前置滤波器或 SNR 增强器。 此处提供的示例应用程序用于听力改善研究。 摘要：在本文中，我们比较了固定和自适应波束成形器作为语音增强 (SE) 算法应用的性能。 所提议的信号处理管道可实时用于助听器设备，仅使用智能手机，无需额外硬件作为辅助工具。 所提出的方法包括基于 Wiener 滤波器的单通道 SE 方法以及作为预滤波器的波束成形器，仅使用智能手机的两个内置麦克风。 在这项工作中，考虑和比较了多种波束形成方法，如延迟和总和、最小方差无失真响应 (MVDR) 和广义旁瓣消除器 (GSC) 波束形成器。 通过本文提供的结果，表明波束成形器的使用可以提高现实世界嘈杂条件下语音信号的信噪比 (SNR)。 客观测试措施用于评估通过不同方法实现的增强语音的感知质量和可懂度。 测试结果显示了不同方法的性能比较以及所提出方法在不同 SNR 水平下的效率。 您可以找到此 GitHub 存储库的手稿： 要求 Pixel 1 智能手机和 Android 9(API 28

分别用蛮力法、分治法、减治法求a的n次方，并比较运行时间

使用Spark进行广度优先搜索 致谢 BFS算法和数据集的顺序版本摘自所著的 介绍 使用Spark进行无向图处理的并行广度优先搜索算法 安装 要求： JDK 7 ， Maven ， Spark 在service.properties文件中配置服务参数。 ####使用IDE运行 将库从sequence-libs文件夹添加到您的类路径。 使用Maven全新安装应用程序 mvn全新安装 使用以下命令启动主节点 火花类org.apache.spark.deploy.master.Master 使用以下命令启动从属节点 spark-class org.apache.spark.deploy.worker.Worker spark：// {masterIp}：7077 运行it.unitn.bd.bfs.BfsSpark类的main方法 ####运行Spark 使用Maven全新安装应用程