搜索资源列表
DSP
- 实现一个数字信号处理的仿真系统 。要求具有界面并实现以下功能： 1）能产生并选择各种数字信号（sin、方波、三角波）；2）用滤波器实现低通、高通、带通和带阻滤波；3）得到输出信号的频域特性和时间序列。
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％。
基于BP神经网络的厦门楼盘走势预测
- 本文基于BP神经网络应用于预测的原理，提出预测步骤及预测可行性，探讨建立基于BP神经网络的预测模型的关键技术，包括样本的选取与预处理、输入输出变量的选取、隐层节点数的确定、初始权值和阈值的选取、激活函数、训练算法与参数的选取，最后建立合理的网络模型；结合住宅市场的实际情况，建立两类BP 神经网络预测模型：基于时间序列的趋势预测模型以及基于影响因素的回归预测模型，即分别采用神经网络趋势预测和回归预测的思路，把住宅市场的供给、需求与房价的
DSP
- 实现一个数字信号处理的仿真系统 。要求具有界面并实现以下功能： 1）能产生并选择各种数字信号（sin、方波、三角波）；2）用滤波器实现低通、高通、带通和带阻滤波；3）得到输出信号的频域特性和时间序列。 -The realization of a digital signal processing simulation system. Require an interface and realize the following fun
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％。-In order to improve acc
CC_method
- CC_method:CC法，用于非线性时间序列中，相空间重构，求取时间延迟tau及时间窗口tw。 本程序，本人于2008年12月1日，在matlab7.0上运行通过，可以得到CC_method的5个相关参数及图形，结果很好。 包括子程序： 1.CSCC_method：用lorenz系统来测试CC_method； 2.C_CMethod_inf：用于求延迟时间tau及时间窗口tw； 3.disjoint：用于将时间序列
fengkang_numerical
- 冯康的数值计算方法：1.差值；2.数值积分；3.谐波分析；4.曲线拟合与经验公式；5.回归分析 6.时间序列分析；7.蒙特卡罗方法；8.线性代数数值算法-Feng Kang numerical method: 1. The difference 2. Numerical integration 3. Harmonic analysis 4. Empirical formula and curve fitting 5. Regre
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
suijixinhaofenxi
- 平稳时间序列预测法 时间序列 取自某一个随机过程，如果此随机过程的随机特征不随时间变化，则我们称过程是平稳的；假如该随机过程的随机特征随时间变化，则称过程是非平稳的。 -Stationary time series prediction Time series from a single random process, if the random process of random feature does not cha
development-risk-prediction
- 本文基于BP神经网络应用于预测的原理，提出预测步骤及预测可行性，探讨建立基于BP神经网络的预测模型的关键技术，包括样本的选取与预处理、输入输出变量的选取、隐层节点数的确定、初始权值和阈值的选取、激活函数、训练算法与参数的选取，最后建立合理的网络模型；结合住宅市场的实际情况，建立两类BP 神经网络预测模型：基于时间序列的趋势预测模型以及基于影响因素的回归预测模型，即分别采用神经网络趋势预测和回归预测的思路，把住宅市场的供给、需求与房价的
CH26
- 经济和金融问题的求解 ； 时间序列预测模型 ，经济学模型 ，规划问题求解 -The solution of economic and financial issues time series forecasting models, economic models, planning and problem solving
warp-kmeans
- 传统的kmeans聚类算法不能保证时间序列聚类结果的时序性；基于warp-kmeans聚类算法可以有效处理时间序列的聚类问题，而且复杂度低，迭代次数少。 ，输出有目标函数在每次迭代后的值，聚类中心以及聚类区间。内有测试数据和相关文献，点击 test.m 可以完美运行(The traditional kmeans clustering algorithm can not guarantee the time series of the
kendall
- 计算kendall秩；时间序列的概率积分变换；(Calculate the Kendall rank and the probability integral transform of time series;)
小波分解与重构
- 利用小波分析对时间序列进行分解，提出主要变化模式，进行重构(The wavelet analysis is used to decompose the time series, and the main change modes are put forward to reconstruct the time series)
小波神经网络的时间序列预测-短时交通流量预测
- 本文采用小波神经网络进行交通流量预测，短时交通流量存在随机性和非线性因素，影响预测的准确性。传统预测模型难以反映交通流量变化特点，同时传统神经网络易陷入局部极小值，泛化能力差，交通流量预测精度低。为了提高短时交通流量预测精度，提出一种小波神经网络的短时交通流量预测模型。小波神经网络可以对短时交通流量随机性、不确定性进行局部分析，并进行非线性预测，验证了模型的有效性，进行了对比试验。验证结果表明，小波神经网络提高了短时交通流量预精度，预测
code
- 数据处理预测；时间序列；前期数据处理；后期GRU预测(Data processing prediction)
test
- 时间序列欧式距离度量；欧几里得距离；时间序列的欧氏距离相似度(Euclidean Distance Measurement of Time Series)
timeseries_gan-master
- 用深度学习生成模型GAN实现时间序列预测，(Time series prediction is realized by using Gan model)
LargestLyapunov_Rosenstein
- 混沌时间序列预测中，重构相空间采用小数据量法求取最大李雅普莫诺夫指数。(In the prediction of chaotic time series, the maximum lyapunov index is obtained by the method of small data quantity in the reconstructed phase space.)
Hurst指数及数据
- 用来求时间序列的Hurst指数、修正Hurst指数以及V统计量（平均循环周期）(Hurst index, modified Hurst index and V statistic (mean cycle period) for time series)