针对整数倍频偏会造成OFDM码元序列的循环移位而导致系统性能下降的问题，提出一种新的OFDM整数倍频偏的频域估计算法。利用一个OFDM码元中各子载波上数据符号之间的差分关系和最大似然（ML）估计理论，导出了该整数倍频偏的ML估计器的估计公式。新算法在不增加算法复杂度的条件下，频偏估计性能优于传统方法。

ml-projects：基于ML的项目，例如垃圾邮件分类，时间序列分析，使用随机森林进行文本分类，深度学习，贝叶斯，Python中的Xgboost

OFDM作为下一代通信系统的关键技术，亟需解决其同步问题。在ML算法的基础上，提出了基于多符号的 ML同步算法。在加性高斯白噪声条件下进行了仿真,结果表明改进的同步算法性能比ML算法要好很多。其中，基于连续符号的定时估计方法1在信噪比超过2 dB时准确率几乎可达100%，基于重复发送符号的定时估计方法2在较低信噪比条件下性能比方法1更好。信噪比为-8 dB左右时，3种优化的频偏估计方法的估计误差均在1%以内，明显好于ML频偏估计算法，证明了改进算法的优越性。

matlab 10折交叉验证知识代码贷款违约模型 基于ML的贷款违约预测模型。 该项目使用了不同的机器学习技术-1. Logistic回归，KNN，分类树，合奏（分类方法），套索（正则化技术），10折交叉验证（ML技术，用于有效地训练我们的分类器，将总体分为训练）和测试样本）。 1.初步要求 为了利用该项目，用户应在其PC上安装Matlab版本R2016b，以便他们可以编译和运行此存储库中包含的代码。 2.入门 为了运行模型，用户需要遵循以下简单步骤： 将信息从名为LCloanbook.rar的文件LCloanbook.rar到本地目录中（确保所有文件都保存在一个位置） 打开并运行名为loan_Default_Model.m的文件 所有测试结果应显示在屏幕的左下角（工作区） 享受！ :) 3.仓库组成 loan_Default_Model.m -Matlab代码，包括此模型中使用的不同机器学习技术的定义。 LCloanbook.rar实际的基础贷款数据和变量描述 README.md您当前正在读取的文件 5.执照 MIT许可证涵盖了此存储库中包含的文件。 6.作者 斯韦特洛萨尔·斯托耶夫

多用户MIMO-OFDM系统中基于ML检测器的资源分配研究，毛静，陈晨，本文针对最大似然（ML）检测器,研究了多用户大规模输入输出－正交频分复用技术（MIMO-OFDM）系统中的子载波和功率分配算法。在满足系

基于 ML 的 COVID-19 下社交媒体用户注意力分析。|| 基于机器学习的COVID-19疫情背景下，分阶段的微博数据文本情感分析，先爬取，再用消息、情感词典和多维情感分析，并可视化

基于谭松波老师的酒店评论数据集的中文文本情感分析，二分类问题 数据集标签有pos和neg，分别2000条txt文本 选择RNN、LSTM和Bi-LSTM作为模型，借助Keras搭建训练 主要工具包版本为TensorFlow 2.0.0、Keras 2.3.1和Python 3.6.2 在测试集上可稳定达到92%的准确率

中文外卖评价语料waimai_10k.csv格式，很好用的语料库，做nlp用。

复杂系统可靠性信息的主要特点是小子样现场试验数据和多种可利用的多源先验信息。在利用Bayes理论进行小子样可靠性评定过程中，为了尽可能少做现场试验，必须充分利用各种先验信息，获取合理的先验分布。提出了一种基于第二类极大似然估计原理（ML-II）的多源信息融合方法，以某鱼雷自导系统的作用距离为例进行仿真分析，验证了该方法的合理性和有效性。