期刊文献+

二次检索

题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

年份

共找到3篇文章
< 1 >
每页显示 20 50 100
Homological properties of modules characterized by matrices
1
作者 张小向 陈建龙 《Journal of Southeast University(English Edition)》 EI CAS 2005年第2期239-243,共5页
Some homological properties of R-modules were investigated by matrices over aring R. Given two cardinal numbers α, β and an α x β row-finite matrix A, it was proved thatExt_R^1(R^((α))/R^((β))A, M) = 0 if and on... Some homological properties of R-modules were investigated by matrices over aring R. Given two cardinal numbers α, β and an α x β row-finite matrix A, it was proved thatExt_R^1(R^((α))/R^((β))A, M) = 0 if and only if M_α/r_(M_α)(R^((β))A) ≈ Hom_R(R^((β))A,M) ifand only if r_(M_β)l_(R^((β)))(A) = AM_α. Thus, the notion of (m,n)-injectivity was extended.Moreover, ( α, β) -flatness was characterized via annihilators of matrices, factorizations ofhomomorphisms as well as homological groups so that (m, n)-flat modules, f-projective modules andn-projective modules were consolidated under the notion of (α, β)-flat modules. Furthermore, acharacterization of left R-ML modules and some equivalent conditions for R^((β)) to be left R-MLwere presented. Consequently, the notions of coherent rings, (m, n)-coherent rings and π-coherentrings were consolidated under that of (α, β)-coherent rings. 展开更多
关键词 β)-injective module β) -flat module r-ml module β)-coherent ring
下载PDF
基于R^ML^N统计模型的无线信道特性研究
2
作者 陈剑培 申东娅 《云南大学学报(自然科学版)》 CAS CSCD 北大核心 2019年第3期449-455,共7页
研究R^ML^N模型的统计特性,该模型可同时描述信道衰落中的散射程度和阴影程度.通过改变不同的模型参数,模型可描述不同环境下的信道特性.首先,给出了该模型的适用场景、构成框图和理论推导;然后,研究了不同参数下的模型特性,包括理论结... 研究R^ML^N模型的统计特性,该模型可同时描述信道衰落中的散射程度和阴影程度.通过改变不同的模型参数,模型可描述不同环境下的信道特性.首先,给出了该模型的适用场景、构成框图和理论推导;然后,研究了不同参数下的模型特性,包括理论结果和仿真结果的统计特性——概率密度函数和累计概率密度函数;最后,在特定传播环境下进行模型仿真,通过与测试数据的比较,验证了该模型的适用性. 展开更多
关键词 无线通信 信道模型 r^ml^N统计模型 概率密度函数 累计概率密度函数
下载PDF
ML-kNN算法在大数据集上的高效应用 被引量:5
3
作者 陆凯 徐华 《计算机工程与应用》 CSCD 北大核心 2019年第1期84-88,共5页
k近邻多标签算法(ML-k NN)是一种懒惰学习算法,并已经成功地应用到实际生活中。随着信息量的不断增大,将ML-kNN算法运用到大数据集上已是形势所需。利用聚类算法将数据集分为几个不同的部分,然后在每一个部分中使用ML-k NN算法,并在四... k近邻多标签算法(ML-k NN)是一种懒惰学习算法,并已经成功地应用到实际生活中。随着信息量的不断增大,将ML-kNN算法运用到大数据集上已是形势所需。利用聚类算法将数据集分为几个不同的部分,然后在每一个部分中使用ML-k NN算法,并在四个规模不同的数据集上进行了一系列实验。实验结果表明,基于此思想的ML-kNN算法不论在精度、性能还是效率上都略胜一筹。 展开更多
关键词 多标签分类 ml-kNN算法 聚类 大数据集
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部