双重分形的matlab代码去趋势波动分析
DFA算法的简单python实现。
它基于这两篇文章：
Hardstone，R。等。
去趋势波动分析：关于神经元振荡的无标度视图。
正面。
生理学。
2012年11月3日，1-13日。
Ihlen，E.
a
F.
Matlab中的多分形去趋势波动分析简介。
正面。
生理学。
3JUN，1-18（2012年）。
您可以使用generate.py幂定律数据生成器或下面的代码对其进行测试：
from
dfa
import
dfa
from
generate
import
power_law_noise
true_exp
=
0.8
x
=
power_law_noise
(
2
**
12
,
true_exp
)
scales
,
fluct
,
alpha
=
dfa
(
x
)
print
(
"True
scaling
exponent:
{}"
.
format
(
true_exp
))
print
(
"Estimated
DFA
exponent:
{}"
.
format
(
alpha
))
要求
麻木
matplotlib
2021-09-18 11:58:41
124KB
1
在文件中，我提供了以下源代码： *樋口分形维数（HFD） * 卡茨分形维数 (KFD) 源代码用英文正确注释。 欢迎任何意见或建议。
谢谢， 耶苏斯·蒙格（JesúsMonge）。
2021-09-17 11:29:50
3KB
1
分形维数计算matlab代码分形维数
这是相对改进的改进盒计数方法。
使用Box
Count方法计算灰度和彩色图像的分形维数
该代码用于计算灰度和彩色图像的分形维数。
这是我们开发的一种新方法。
对于grayscale.m，它使用盒子计数方法作为基础，然后使用通过使用盒子数量和比例绘制的图形，计算出最佳拟合线，其斜率为我们提供了所需的分形维数。图像。
对于彩色图像，开发了三种新方法。
这些代码可用于进一步研究图像的分形维数，并可用于分类目的，肿瘤检测等。这些代码已经过测试并可以工作。
这些代码可用于进一步研究分形维数在各个领域的应用。
所有代码都是用MATLAB编写的。
已添加针对color_1.m的Jupyter
Notebook。
（Python3版本）
参考
如果您发现此存储库有帮助，请考虑引用我们的工作。
@article{
Author
=
{Sumitra
Kisan
and
Sarojananda
Mishra
and
Ajay
Chawda
and
Sanjay
Nayak},
Title
=
{Estimation
of
Fractal
Dimension
in
Di
2021-09-16 12:57:14
162KB
1
目的将混沌应用于分形图像压缩编码中，用Logistic混沌映射和Julia曲线生成一个固定的压缩字典，改进传统的分形图像压缩编码方法。方法采用二阶的Julia集f（Z）=Z2+C的时间逃逸算法，对于不同的C生成不同的曲线。然后使用Logistic混沌映射随机地产生0-255之间的整数填满量化表。再根据灰度量化规则，用第一千张量化表量化产生的Julia图像块，作为压缩编码中的固定字典。编码时，将量化后图像Julia块与原图中的图像块进行比较，寻找最适合的量化表和距离最小的Julia图像块。解码时通过重构第一
2021-09-15 11:33:32
2.25MB
1
在随机过程、混沌理论和时间序列分析中，去趋势波动分析 (DFA) 是一种通过计算 alpha（或 Hurst 指数 H）来确定信号的统计自亲和性的方法。它对于分析出现的时间序列很有用是长期依赖的过程。 然而，传统的 DFA 只缩放二阶统计矩并假设过程是正态分布的。 当前 zip 文件夹中的 MFDFA1 和 MFDFA2 计算所有 q 阶统计矩的 H(q) 以及局部 Hurst 指数 H(t)。 此外，H(q) 和 H(t) 还用于通过 H(q) 的勒让德变换或直接从 H(t) 的直方图计算多重分形谱 D(h)。
如果这些代码用于科学出版物，请引用 zip 文件夹中包含的 Ihlen (2012)。
小波和EMD趋势化的MFDFA代码的修改在菱www.ntnu.edu/inm/geri/software
2021-09-14 16:32:10
7.01MB
1