分形维数在一维时间序列的分形特性分析中应用非常广泛，其计算方法多种多样，但是相关计算方法的全面对比鲜见文献报道。针对常用的八种一维时间序列分形维数计算方法，以WCF合成时间序列为研究对象，分别就算法的准确性和效率，对数据长度的依赖性进行分析对比。结果表明：准确性较好的三种算法是FA，DFA和Higuchi算法；而运算效率最高的是Sevcik，Katz和Castiglioni算法，但是它们的准确性偏低，而FA和Higuchi算法在计算时间上略微增加，但准确性比较高；在数据长度为4 096点时，各算法的计算值基本稳定，尤其是FA、Higuchi和DFA算法，在数据长度为4 096点时，计算值与理论值比较吻合。由此可以得出结论，Higuchi和DFA算法在计算一维时间序列的分形维数时性能优越，在相关的计算中优先选择。

多重分形是定义在分形上的由多个标度指数的奇异测度所组成的集合。它刻划的是分形测度在支集上的分布情况，即用一个谱函数来描述分形不同层次的特征。因此，多重分形奇异谱函数被大量用于纹理分析和分类

touchdesigner glsl制作的 分形金字塔 ,工程文件，可添加互动功能，应用在互动多媒体项目中，也可以输出高清视频，应用到投影项目中。 直接用touchdesigner 打开toe工程文件，就可以快速体验效果。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：基于马尔科夫转换多重分形预测模型_MSM模型_捕捉金融时间序列波动中隐藏的离群值、时间标度以及长程相关性特征_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

多重分形,多重分形谱,matlab源码.zip

龙曲线图 使用 python 和 matplotlib 绘制龙曲线（分形） 介绍 自从引入龙曲线以来，我就对龙曲线非常感兴趣。 正是在这个特殊的。 所以，我尝试摆弄 python 并使用matplotlib和numpy来创建它的可视化。 要求 Python 2.7 Matplotlib 1.4.2 麻木 1.8.2 笔记 随意更新/创建/改进或将其包含在某个包中。 我可能还做不到。 用法 python dragoncurv_plot.py [-h] num 其中 num 是要执行的迭代次数。 例子： python dragoncurv_plot.py 1 python dragoncurv_plot.py 5 python dragoncurv_plot.py 10

请首先查看右侧的示例选项卡 (.mlx 文档) 以获取完整说明。 下载后，在 Matlab 控制台中输入“doc Si​​erpinski_octahedron”或“help Sierpinski_octahedron”以获得支持。 要从随附的文件文档中受益，请务必下载该文件，而不仅仅是复制和粘贴它。

请首先查看右侧的示例选项卡 (.mlx 文档) 以获取完整说明。 下载后，在 Matlab 控制台中键入“doc Si​​erpinskube”或“help Sierpinskube”以获得支持。 要从随附的文件文档中受益，请务必下载该文件，而不仅仅是复制和粘贴它。

内容包括分形图的递归算法、文法构图算法、迭代函数系统算法、逃逸时间算法、分形演化算法，以及分形图的放大、分形图的动画、分形图的立体化和利用分形算法实现自然景物的模拟等内容。

可以摇摆的分形树