分析星间链路
STK模块练习2：分析通信卫星星座
为了示范STK如何应用星间链路，需要对显示模式作一些改变。首先改变二维地图窗口的背景地图，以使我们看得更清楚。打开二维地图的属性窗口，在Details栏，设置Background Image为BlackNeon，确定。
接着选中场景，从Tools菜单选择Remove Accesses，这将清除所有做过的可见性分析。
打开relay1遥感器的Access窗口，计算它和星座中每颗卫星间的可见性，确认Show Line，Animate Highlight，Static Highlight选项打开。点击取消可以按钮保留计算结果并关闭Access窗口。
动画显示场景，注意Colorado_Springs地面站和星座中卫星间可见分析图形显示。完成后，重置动画。
现在计算crosslink遥感器和星座中每颗卫星的可见性。
要为飞机和Colorado_Springs地面站之间提供连续通信服务，需要在星座中增加3颗卫星，并在所有卫星间增加星间链路。
2022-07-05 16:26:19
6.08MB
1
用于 RC 应用的基于 STM32/ESP32/ESP8285 的高性能无线电链路_相关文件_下载
2022-07-05 09:07:11
213.83MB
# springcloud-zone
#### 项目介绍
项目为学习用途搭建，主要包括以下模块：
springcloud-register：服务注册中心 (eureka-server)，提供服务注册与发现功能。
springcloud-config：远程配置中心，分为git与native两个版本，为producer提供远程配置。
springcloud-connect：数据连接中心，包含DB、Redis、MQ、Mail等组件的配置入口，只需其他模块在pom中添加依赖并提供相关配置即可快速接入。
springcloud-producer：服务提供者，包含具体的业务逻辑实现等。
springcloud-consumer：服务消费者，从eureka server中获取producer提供的服务。
springcloud-gateway：网关接口，暴露给调用方调用，包含负载均衡、重试、熔断等功能。
springcloud-zipkin：链路跟踪工具，监控并就持久化微服务集群中调用链路的通畅情况，采用rabbitmq异步传输、elasticsearch负责持久化的方式集成。
#### 软件架构
1、JDK：jdk-8u181-windows-x64。
2、MAVEN：apache-maven-3.5.4
3、IDE：spring-tool-suite-3.9.3.RELEASE-e4.7.3-win32-x86_64
4、springboot：1.5.10.RELEASE。
5、springcloud：Edgware.SR2版本
#### 安装教程
需要提前安装如下程序：
1、ActiveMQ。
2、RabbitMQ。
3、Redis
4、Elasticsearch。
5、Elasticsearch-head。
6、MYSQL(执行springcloud-producer目录src/main/resources/templates/datasource.text中的建表语句)
#### 使用说明
项目运行顺序：
1、 springcloud-register，
2、 springcloud-config-native或者springcloud-config-git:
启动git远程配置中心需要修改springcloud-producer项目的bootstrap.yml配置文件，并将配置配件上传到git上。
3、springcloud-zipkin。
4、 springcloud-producer。
5、springcloud-consumer。
6、springcloud-gateway.
注：
在测试gateway负载均衡时可以启动单个项目的多个实例，具体方式如下：
1、项目启动类右键run as->run configurations..，打开配置框。
2、java application右键new，打开新建窗口。
3、顶部tab选中Main,在name中填写启动类名称，project中填写项目名称，main class中填写启动类详细路径+类名。
4、顶部tab选中Arguments,在VM arguments中填写-Dserver.port=端口号，比如-Dserver.port=8080
5、点击run即可以配置的端口号启动多个项目实例了。
#### 参与贡献
ningchongqing
2022-07-04 15:00:52
81.73MB
1
人工智能-项目实践-社交网络-社交网络中的链路预测算法
社交网络上的链路预测实验
本项目代码包含以下几个链路预测算法：
Variational Graph Auto-Encoders：一种用于图上无监督学习的端到端可训练卷积神经网络模型，也是本论文所研究的主要方向。
Node2Vec：一种基于skip-gram模型的方法，用于学习给定图内随机游走的节点嵌入。
Spectral Clustering：使用谱嵌入从邻接矩阵创建节点表示。
基线方法：Adamic-Adar， Jaccard Coefficient,，Preferential Attachment
环境依赖包
Python 3.6.6
tensorflow 1.12.0
networkx 2.2
scipy 1.2.1
scikit-learn 0.20.2
pandas 0.24.0
gensim 3.7.1
matplotlib 3.0.3 系统安装配置好Python环境后，可使用python setup.py install 安装依赖。
2022-06-29 18:05:27
33.93MB