搜索资源列表
HestonCalibration
- 波动率预测模型；期权定价；未来期权波动率预测-local volatility model (hestion calibration)
ruqinjiance
- 使用K-Means算法对KDD Cup 1999数据集进行聚类分析，建立简单的入侵检测模型；利用入侵检测模型对测试数据进行预测-K-Means algorithm using KDD Cup 1999 data sets cluster analysis, create a simple intrusion detection model use of intrusion detection model to predict the test data
tixingguanzi2
- 分析了支持向量回归机在能源需求预测中的优势,确定了输入向量集合和输出向量集合,建立了基于Matlab技术的SVR能源需求预测模型.对我国1985-2008年能源需求相关数据进行模拟与仿真,并对中国2010年和2020年能源需求量进行预测.研究结果表明:一是中国未来对能源的需求量逐渐增加,从2010年的330400万吨标准煤上升到2020年418320万吨标准煤,年均增长率为2.39％；二是在解决我国能源系统小样本.非线性及高维模式识别问题中SVR比BP神经网络等方法有更高的预测精度.-Suppo
hsll
- 有关灰色系统理论及其应用的详细的原理介绍及具体的matlab代码实现，很适合初学者使用，及有关工程人员参考；其中包括了灰色系统概论、数据变换技术和关联分析、优势分析、累加生成数、累减生成数、均值生成数、灰色模型GM及其白化型、灰色预测、灾变预测等；其中还包括了SARS 疫情对某些经济指标影响模型、道路交通事故灰色 Verhulst 预测模型、GM(2,1)和 DGM 模型等具体原理详解及附有详细matlab代码；很适合初学者使用，及有关工程人员参考。-About the gray system
spss
- 分析数据 为了了解某地母亲身高x与女儿身高Y的相关关系，随机测得10对母女的身高（见下表）。利用SPSS软件，完成以下任务： 1.画出x、Y散点图，观察因变量与自变量之间关系是否有线性特点； 2.试对x与Y进行一元线性回归分析，列出一元线性回归预测模型； 3.预测当母亲身高为161cm时女儿的身高？ 母亲身高(cm) 159 160 160 163 159 154 159 158 159 157 女儿身高(cm) 158 159 160 161 161 155 16
BP
- 通过分析交通流量时间序列的特点，引入BP神经网络进行短时交通流预测。首先，分析了短时交通流量预测的意义及研究背景；然后，介绍了BP神经网络的结构模型、学习规则以及BP算法的改进算法；最后，通过BP神经网络对短时交通流进行预测，并分析了在各种不同条件下的预测情况。-through the analysis of the characteristics of traffic flow time series, introduces BP neural network for short-term t
GMPcal
- 两个MATLAB程序：层次分析法实现各个因子的权重系数求解；GN（1,1）模型进行灰色预测-Two MATLAB program: the analytic hierarchy process to realize the right of each factor weighting factor for solving GN (1,1) model of gray forecast
libogg
- 首先对输入音频PCM信号进行时频分析，决定MDCT的长度，即加窗，然后进行MDCT变换；同时对原始音频信号要进行FFT分析。两种变换的频谱系输入给心理声学模型单元，MDCT系数用于噪声掩蔽计算，H可结果用于音调掩蔽特性计算，共同构造总的掩蔽曲线。然后根据MDCT系数及掩蔽曲线，对频谱系数进行线性预测分析用LPC(Linear Prediction Coefficience，线性预测系数)表示频谱包络，即基底曲线(Floor Curve)；或通过线性分段逼近方式获得基底曲线。从MDCT系数中去掉
PCAPMAPPLSPBP
- 这是一种基于近红外光谱的非线性建模方法及系统，从各所述近红外光谱数据随机挑出一部分作为校正集，挑出一部分作为验证集；将所述校正集和所述验证集通过主成分分析得到光谱特征空间；在所述光谱特征空间中，通过马氏距离法选取所述校正集里与所述验证集的各个样本最近似的样本作为校正子集；从所述校正子集中提取主成分数，作为BP神经网络的输入层建立回归模型，不仅能解决各因素之间多重相关的问题，还避免了大量的噪声和一些无用的信息，降低了变量维数，在BP神经网络的非线性映射能力和适应学习能力的基础上，提高了模型的预测稳
MTKLjcxhyanz
- NTKL法可以同时检测光谱异常点、参考数据异常点及其他们共同的异常点，该方法的基本思路是基于蒙特卡洛采样，随机将样本集划分为校正集与预测集，用校正集建模，并对没参与建模的样本进行预测误差计算，进行几千次这样随机采样，每个样本点都可得到其预测误差分布。如果奇异样本在校正集中，整个模型的质量将受到影响；相反，如果奇异样本在预测集中，仅此样本的预测结果受到影响。-NTKL method can simultaneously detect abnormal spectrum and abnormal r
LFS_01
- 路径损耗预测软件的MATLAB GUI实现 -Matlab实现的GUI模型，内涵源码+GUI欢迎界面；-Path loss prediction software MATLAB GUI achieve - GUI model Matlab realization, content source+GUI Welcome screen
LFS_02
- Matlab实现的GUI模型，内涵源码+GUI欢迎界面；这个是0-30MHz的路径损耗预测-The loss forecast is 0-30MHz path GUI model Matlab realization, content source+GUI welcome screen
LFS_03
- 路径损耗预测软件的MATLAB GUI实现 -Matlab实现的GUI模型，内涵源码+GUI欢迎界面；这是30-88MHz频段的-Path loss prediction software MATLAB GUI achieve - GUI model Matlab realization, content source+GUI Welcome screen this is the band 30-88MHz
LFS_04
- 路径损耗预测软件的MATLAB GUI实现 -Matlab实现的GUI模型，内涵源码+GUI欢迎界面；100-1500MHz频段-Path loss prediction software MATLAB GUI achieve - GUI model Matlab realization, content source+GUI welcome screen 100-1500MHz band
nihe
- 模式分类中基于BP神经网络的曲线拟合；根据BP神经网络的模型，调用MATLAB工具箱函数，通过对样本数据进行训练，对测试样本数据进行成功的预测，预测的输出值与实际值之间几乎没有偏差。-Pattern classification of curve fitting based on BP neural network Based on BP neural network model, call MATLAB toolbox function, through the training sampl
ercizhishupinghua
- 二次指数平滑法是对一次指数平滑值作再一次指数平滑的方法。它不能单独地进行预测，必须与一次指数平滑法配合，建立预测的数学模型，然后运用数学模型确定预测值。一次移动平均法的两个限制因素在线性二次移动平均法中也才存在，线性二次指数，平滑法只利用三个数据和一个α值就可进行计算；在大多数情况下，一般更喜欢用线性二次指数平滑法作为预测方法-Second exponential smoothing method
ARMA
- ARMA 模型（Auto-Regressive and Moving Average Model）是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等(ARMA model is an important method to study time series. It consists of auto
KMV程序
- KMV模型是对传统信用风险度量方法的一次重大革命，其是在现代期权定价理论上建立起来的违约预测模型。假设公司的价值服从某种函数分布，其是什么样的分布要根据资产期望值及标准差来确定。预期违约概率（ ）是分三步骤来确定:第一步：计算公司的市场价值及其波动性；第二步：估算出公司的违约点、预期价值；第三步：估计预测违约概率（ ）。(KMV model is a major revolution in the traditional credit risk measurement method. It is
DicisionTree
- 决策树算法的简单实现,决策树（Decision Tree）是一种简单但是广泛使用的分类器。通过训练数据构建决策树，可以高效的对未知的数据进行分类。决策数有两大优点：1）决策树模型可以读性好，具有描述性，有助于人工分析；2）效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。(A simple implementation of decision tree algorithms, decision tree (Decision Tree) is a simple b
R
- 1、根据财务因子选择10只股票，具体财务因子不限；2、运用投资组合理论建立投资组合，计算出每只股票的权重（协方差、相关系数）；3、将构建的投资组合收益率与指数对比，计算看是否存在超阿尔法收益；4、将构建的投资组合收益率序列建立模型（ARMA、GARCH等），并预测未来一周、一月的收益率；(1, according to the financial factor selection of 10 stocks, the specific financial factor is not limited