搜索资源列表
zjf147
- 用来产生均匀分布或高斯分布的伪随机数 （近似白噪声），它们可具有不同的均值和方差。用REMEZ算法求交错点组。用Cholesky分解求ARMA模型的参数并作谱估计。求MA模型的参数 并估计功率谱。 用最小方差法估计序列 的功率谱。-used to produce uniform or Gaussian distribution of the pseudo-random number (similar to white noise). They may have a different mean
rbf_mems
- 为了提高使用精度，研究了某型号MEMS陀螺仪的随机漂移模型。采用游程检验法分析了 该陀螺仪随机漂移数据的平稳性，并根据该漂移为均值非平稳、方差平稳的随机过程的结论， 采用梯度径向基（RBF）神经网络对漂移数据进行了建模。实验结果表明：相比经典RBF网络模 型而言，这种方法建立的模型能更好地描述MEMS陀螺仪的漂移特；相对于季节时间序列模型而 言，其补偿效果提高了大约15％。
FractalTerrain
- 二维的分形地形可以由一维分形曲线推广得到，首先介绍下一维分形曲线的构造模型。 已知初始线段的两个端点 ，通过随机扰动线段的中点来完成一次迭代，公式为 ： 其中roughness控制当前层次的扰动量，它可以决定每次循环中，随机数值域的减少量，就是说它决定了分形结果的粗糙程度。令 上式是分形曲线模型的一般表达式，其中采用均值为0，方差为1的正态分布函数产生随机数，随着分割层次的增加，当前扰动量将以pow(2.0,-h)的倍数逐步的衰减，直到到达给定的分割层次或者被
chaonim
- 仿真函数 （1），函数形式为： 其中， 是零均值单位方差的高斯噪声。输入 服从[0，1] 均匀分布，且相互独立。样本长度为1000组，将其分为三组，自由选择200组作为模型训练数据，自由选择100组作为检验数据，其余的作为长期检验数据。 （2） 其中x1~x4相互独立， ， 为白噪声
work.rar
- 上载的内容为随机信号处理的作业,具体是:其中W(t)为均值为零，方差为3的白噪声。 （1）产生若干组500个点长随机序列。 （2）找一个ARMA模型与（1）中的500个点匹配。 （3）在产生一个500个点长的随机序列校正。 ,Upload the contents of random signal processing operations, specifically: one of W (t) for the mean zero, variance of white noise for
3
- 典型时间序列模型分析 设有ARMA(2,2)模型， X（n）+0.3X(n-1)-0.2X(n-2)=W(n)+0.5W（n-1）-0.2W(n-2) W(n)是零均值正态白噪声，方差为4 （1）用MATLAB模型产生X（n）的500观测点的样本函数，并会出波形； （2）用你产生的500个观测点估计X（n）的均值和方差； （3）画出理论的功率谱 （4）估计X（n）的相关函数和功率谱 -Analysis of typical time series model w
L_D
- 用Matlab程序实现P阶Levinson-Durbin算法。以一个2阶自回归模型（参数为b0=1, a1=0, a2=0.81）和一个2阶滑动平均模型（参数为b0=1, b1=1, b2=1）为例，选取观测数据长度为1000，分别用一个AR(2)模型和一个AR(10)阶模型来估计其功率谱。设激励信号模型的高斯白噪声的均值为0，方差为1。用Levinson-Durbin算法迭代计算AR模型参数，并用估计出的AR模型参数画出观测信号的功率谱。并对Levinson-Durbin算法的性能进行分析。-
BMDCP
- 突变分为如下主要的几种：均值突变（最常见）、方差突变、线性回归突变（也称趋势突变）、概率突变、空间型突变、谱突变、模型参数突变，等等。贝叶斯突变检测属于概率突变检测方法，其特点是能给出突变点的概率分布图。-Mutations are divided into the following main categories: the mean mutation (the most common), variance mutation, linear regression mutation (also
JGA
- 用java语言实现遗传算法 并应用于实现均值方差模型的计算 来实现投资比例的分析-Genetic algorithms with java language and applied to achieve the calculation of the mean variance model to achieve the ratio of investment
EM_1D
- 一维EM算法MATLAB实现，两分支高斯混合模型，均值和方差都不相同。-one dimensino EM algorithm implemented by MATLAB. Estimate the mean and variance of Gaussian Mixture Model with two branches.
1124345436765564
- 粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(Sequential Importance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数 进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→
em
- MATLAB实现的EM算法，用于高斯混合模型的均值、方差、权重估计-EM algorithm based on MATLAB
ground_detect
- 基于OpenCv的背景检测，先要建立背景模型，检测在背景下的物体。（用的是均值方差的方法建立背景模型）-Background detection based OpenCv to first build the background model to detect objects in the background. (Using a mean-variance method to establish the background model)
portfolio-code
- markowitz 均值方差模型 Black-litterman 模型 resample模型 robust模型-markowitz mean-variance model Black-litterman model resample model robust model
model1
- excel,VBA代码，主要功能是均值方差模型-mean variance model
新建好压 RAR 压缩文件
- 对excle中数据读取，matlab构建均值方差模型、绘图(For data reading in excle, matlab constructs mean variance model and plot)
程序9
- 均值方差模型，HJB方程数值解MATLAB语言实现(Mean variance model, HJB equation, numerical solution, MATLAB language implementation)
8_StaticPortfManagement
- 利用马科维茨的均值方差两步法分析最优投资组合(mean-variance method to get optimal portfolio)
均值方差投资组合模型案例（数据和MATLAB代码）
- mean variance
EM 算法
- 用EM算法求解高斯混合模型并可视化，数据是男女生的身高分布，前提是初始化男女生身高各自的均值和方差和比例，然后由EM算法求解，男女生身高的均值方差，以拟合数据。(The EM algorithm is used to solve the Gauss mixture model and visualize. The data is the height distribution of male and female. The premise is to initialize the mean, v