搜索资源列表
beiyesi
- 在经济领域中，运用时间序列模型来进行客观经济过程的描述和预测是一个非常重要的方法。然而在实际应用中，由于经济领域的特殊性，传统的频率统计方法进行经济时间序列模型分析往往会碰到很多困难。-In economic field，the time series models are important methods in describing and forecasting the objective economic process．However，when put them into appl
Sllcorrelation
- 分析两时间序列之间的超前和之后关系，计算滞时长度，多用于水文气象方面分析研究-Analysis ahead of and after the relationship between the two time series, calculating the lag length, used for the analysis of hydrometeorological
rs
- R/S分析法程序,用于分析时间序列波形特征-R/S analysis program for analyzing the time series waveform feature
youcheng
- 对于时间序列平稳性分析的游程检验法，对于数据平稳性分析有很强的实用性-For stationary time series analysis runs test method for stability analysis of the data has a strong practical
suanfa1
- 用冒泡和快速排序算法对一个足够长的数据序列进行排序，比较两种算法的时间复杂度，记录所用时间并分析。实验数据随机产生（数据的取值范围在1～100000之间，数据个数由用户从终端输入）。 -With a bubble sort algorithm and fast enough for a long sequence of data to sort, compare two time complexity of the algorithm, the time spent recording an
WaveletTimeSerialsForcast
- 用时间序列和小波分析相互结合的基于小波的时间序列预测方法，该方法比较可靠，欢迎大家下载。-Wavelet analysis of time series and combined with each other in the time series prediction method based on wavelet, this method is more reliable, welcome to download.
cross-spectral
- 两个时间序列的谱分析、交叉谱分析编程，欢迎相互交流，-Spectral analysis of the two time series, cross-spectral analysis program, welcome to exchange, thank you
M4
- 用于菊萍时间序列的复制小波morlet小波再matlab上的程序，稍加修改分析文件名和年份即可-菊萍 wavelet time series for the program and then on the copy matlab wavelet morlet, slightly modified to analyze the file name and year
Intelligent-Prediction
- 质量非常好的一篇博士论文。冲击破坏过程十分复杂，很难建立精确的数学模型，但目前具有冲击危险性的矿井都采取了多种监测措施，可以获得大量冲击地压监测数据。本论文以获取的冲击地压监测历史时间序列数据为基础，在相空间重构出的动力学空间中分析其混沌特性，基于混沌预测理论，采用智能算法对多个冲击地压监测变量进行预测研究，并采用集成分类方法对冲击危险性进行识别预测研究。-Quality is very good a doctoral dissertation. The impact of the destru
timeseries1
- 时间序列中谱密度以及自协方差函数的估计，针对不同的lambda进行分析-Estimated time series, spectral density, and autocovariance function
3
- 自相关函数和互相关函数的matlab计算和作图，这个是信号分析里的概念，他们分别表示的是两个时间序列之间和同一个时间序列在任意两个不同时刻的取值之间的相关程度。-Self correlation function and cross-correlation function of matlab calculation and drawing, this is a concept in signal analysis, they are respectively represent the is
06670125
- 本文提出了一种新的自动换合成孔径雷达（SAR）时间序列检测技术，即广义有序序列分析方法。-This paper presents a new automatic change de- tection technique for synthetic aperture radar (SAR) time se- ries, i.e., Method for generalIzed Means Ordered Series Analysis (MIMOSA). The method comp
kmean.m
- rbf神经网络k均值聚类分析程序，时间序列预测方面应用。程序简洁易懂。-rbf neural network k-means clustering analysis procedures, time series forecasting applications. The program easier to understand.
Chaotic-time-series-analysis
- 混沌时间序列Matlab源程序,包含时间序列的时间延迟计算，关联积分计算，相空间重构，时间序列分解，Heaviside函数的计算，延迟时间和时间窗口计算，混沌吸引子关联维计算，重构相空间进行K_L变换，混沌吸引子关联维计算，Hurst指数分析，关联维和Kolmogorov熵计算，FFT计算序列平均周期，最大lyapunov指数计算，利用互信息法求时间延迟，混沌和噪声识别的源程序。-Matlab chaotic time series source, time includes the time
wb235
- 使用混沌与分形分析的例程，Pisarenko谐波分解算法,LZ复杂度反映的是一个时间序列中。- Use Chaos and fractal analysis routines, Pisarenko harmonic dec
adymx
- 时间序列数据分析中的梅林变换工具，处理信号的时频分析，实现了对10个数字音的识别。- Time series data analysis Mellin transform tool, When processing a signal frequency analysis, To achieve the recognition of 10 digital sound.
7250
- 时间序列数据分析中的梅林变换工具，插值与拟合的matlab实现，Gabor小波变换与PCA的人脸识别代码。- Time series data analysis Mellin transform tool, Interpolation and fitting matlab implementation, Gabor wavelet transform and PCA face recognition code.
yk175
- 计算多重分形非趋势波动分析matlab程序,分形维数计算的毯子算法matlab代码,时间序列数据分析中的梅林变换工具。- Calculation multifractal detrended fluctuation analysis matlab program, Fractal dimension calculation algorithm matlab code blankets, Time series data analysis Mellin transform tool.
thfxs
- 雅克比迭代求解线性方程组课设,基于混沌的模拟退火算法，时间序列数据分析中的梅林变换工具。- Jacobi iteration for solving linear equations class-based, Chaos-based simulated annealing algorithm, Time series data analysis Mellin transform tool.
bv261
- 计算晶粒的生长，入门级别程序,主要为数据分析和统计，时间序列数据分析中的梅林变换工具。- Calculation of growth, entry-level program grains Mainly for data analysis and statistics, Time series data analysis Mellin transform tool.