资源简介
本代码实现了基于机器学习方法(SVM和NB)的MIMO天线选择仿真,针对Transmit Antenna Selection in MIMO Wiretap Channels: A Machine Learning Approach论文进行了复现,绘制出信道容量与信噪比SNR关系图。
代码片段和文件信息
- 上一篇:RC带通滤波器pspice仿真电路
- 下一篇:机器学习-泰坦尼克号船员获救
相关资源
- 基于蚁群算法优化SVM的瓦斯涌出量预
- 基于模糊聚类和SVM的瓦斯涌出量预测
- 基于CAN总线与ZigBee的瓦斯实时监测及
- SVM-Light资料,使用说明
- 果蝇算法融合SVM的开采沉陷预测模型
- BoW|Pyramid BoW+SVM进行图像分类
- 基于libsvm的图像分割代码
- 基于SVM及两类运动想象的多通道特征
- 小波包和SVM在轴承故障识别中的应用
- 林智仁教授最新版本LibSVM工具箱
- 台湾林教授的支持向量机libsvm
- 新闻分类语料
- libsvm-3.20
- 人工噪声和天线选择
- 7种支持向量机SVM工具包
- A Practical Guide to Support Vector Classifica
- libSVM的代码详细解析,注释非常详细
- 台湾林志恒的LIBSVM的中文简体说明文
- SVM算法-回归拟合程序.zip
- 论文研究 - FDD Massive MIMO系统中联合空
- 4G关键技术MIMO及智能天线的探讨
- 基于Grid-Search_PSO优化SVM回归预测矿井
- 新冒落带高度算法FOA-SVM预计模型
- 官方最新版本libsvm-3.23
- 基于PCA和SVM的个性化睡眠分期研究
- 应用典型的 MMSE 算法对 MIMO-OFDM 信道进
- 空间稀疏预编码很好的文章
- 基于svm四种工具箱
- 自然语言处理之文本主题判别
- 论文研究-一种多天线多用户大规模
评论
共有 条评论