感谢陆老师，这一版主要是实现了开源，非常好的学习资料。 混沌时间序列分析与预测工具箱 Version3.0 chaotic time series analysis and prediction matlab toolbox - trial version 3.0 (1)产生混沌时间序列(chaotic time series) Logistic映射 - \ChaosAttractors\Main_Logistic.m Henon映射 - \ChaosAttractors\Main_Henon.m Lorenz吸引子 - \ChaosAttractors\Main_Lorenz.m Duffing吸引子 - \ChaosAttractors\Main_Duffing.m Duffing2吸引子 - \ChaosAttractors\Main_Duffing2.m Rossler吸引子 - \ChaosAttractors\Main_Rossler.m Chens吸引子 - \ChaosAttractors\Main_Chens.m Ikeda吸引子 - \ChaosAttractors\Main_Ikeda.m MackeyGLass序列 - \ChaosAttractors\Main_MackeyGLass.m Quadratic序列 - \ChaosAttractors\Main_Quadratic.m (2)求时延(delay time) 自相关法 - \DelayTime_Others\Main_AutoCorrelation.m 平均位移法 - \DelayTime_Others\Main_AverageDisplacement.m (去偏)复自相关法 - \DelayTime_Others\Main_ComplexAutoCorrelation.m 互信息法 - \DelayTime_MutualInformation\Main_Mutual_Information.m (3)求嵌入维(embedding dimension) 假近邻法 - \EmbeddingDimension_FNN\Main_FNN.m (4)同时求时延与嵌入窗(delay time & embedding window) CC方法 - \C-C Method\Main_CC_Method_Luzhenbo.m 改进的CC方法 - \C-C Method Improved\Main_CC_Method_Improved.m (5)求关联维(correlation dimension) GP算法 - \CorrelationDimension_GP\Main_CorrelationDimension_GP.m (6)求K熵(Kolmogorov Entropy) GP算法 - \KolmogorovEntropy_GP\Main_KolmogorovEntropy_GP.m STB算法 - \KolmogorovEntropy_STB\Main_KolmogorovEntropy_STB.m (7)求最大Lyapunov指数(largest Lyapunov exponent) 小数据量法 - \LargestLyapunov_Rosenstein\Main_LargestLyapunov_Rosenstein1.m \LargestLyapunov_Rosenstein\Main_LargestLyapunov_Rosenstein2.m \LargestLyapunov_Rosenstein\Main_LargestLyapunov_Rosenstein3.m (8)求Lyapunov指数谱(Lyapunov exponent spectrum) BBA算法 - \LyapunovSpectrum_BBA\Main_LyapunovSpectrum_BBA1.m \LyapunovSpectrum_BBA\Main_LyapunovSpectrum_BBA2.m (9)求二进制图形的盒子维(box dimension)和广义维(genealized dimension) 覆盖法 - \BoxDimension_2D\Main_BoxDimension_2D.m - \GeneralizedDimension_2D\Main_GeneralizedDimension_2D.m (10)求时间序列的盒子维(box dimension)和广义维(genealized dimension) 覆盖法 - \BoxDimension_TS\Main_BoxDimension_

!CHAOS 框架 !CHAOS 项目旨在开发控制系统和数据采集框架的新概念，以高度抽象的方式提供控制和管理大型科学或非科学基础设施所需的所有服务。 !CHAOS 通过引入控制服务的新概念重新定义了控制系统范式，即分布式、可扩展的提供者向一般类客户提供高性能服务，例如数据共享、命令调度、连续历史数据归档、配置工具、中间层资源管理等 !CHAOS 的主要特点和发展策略是： 性能和规模的可扩展性 所有功能的集成 服务、设备和数据的抽象 简单的模块化定制 广泛的数据缓存以提高性能 使用高性能互联网软件技术 !CHAOS 使用独立的 BSON C++ 实现，源代码来自 ( ) 上的原始 mongodb 开源发行版，“BSON”代表“二进制 JSON” " - 一种受 JSON 启发的二进制存储格式。 这个发行版只是将它从 bson 存储库中撕下来，放到自己的存储库中。 编译 !CHAOS

springboot的混沌猴子 受Netflix的Chaos Engineering启发 该项目为Spring Boot应用程序提供了一个Chaos Monkey，并将尝试攻击您正在运行的Spring Boot App。 所有细节在上都有说明 介绍 如果您还不熟悉混沌工程的原理，请查看我最新的博客文章，进入混沌工程的世界。 在下面的视频中，熟悉的Chaos Monkey，： Spring Boot的Chaos Monkey-新功能 会费 混沌猴子是开源的，欢迎大家的贡献。 您应该从着手，以最好地了解如何为该项目做出贡献。 文献资料 发布 Spring Boot 1.0.1的Chaos

本文研究了分数阶简化Lorenz超混沌系统的动力学。 将改进的Adams-Bashforth-Moulton方法应用于数值模拟。 识别出混沌区域和周期性窗口。 通过相图，分叉图和最大的Lyapunov指数，显示了到混沌路径的不同类型的运动。 产生混沌的最低分数阶是3.8584。 通过采用主动控制方法，实现了两个分数阶简化的Lorenz超混沌系统之间的同步。 通过改变误差系统的分数阶，特征值和特征值标准偏差来研究同步性能。

k2p_mtk_v20d_breed官改

非线性分岔程序matlab

计算混沌序列关联维数的MATLAB程序，利用三线法拟合求斜率，可以画出关联维数随参数变化的曲线

CHAOS Linux是基于Arch Linux操作系统的发行版。 这是一个不提供图形环境的面向集群的操作系统。 基于标准Arch版本，此发行版同时支持i686和x86_64体系结构。 创建CHAOS的主要目的是固定的：管理员几乎可以立即使集群运行； 尽管必须在每个节点上手动安装它，但内置的文本安装程序仍将自动执行大部分过程。 可以在官方网站上获得更多信息，或者在以下位置进行全面审查：http://linux.softpedia.com/get/Linux-Distributions/CHAOS-Linux-103444.shtml

混沌分岔行为

混沌HTTP代理 通过故障引入HTTP请求。 这样可以发现HTTP客户端中的错误处理错误。 Bounce Storage Andrew Gaul最初撰写的是Chaos HTTP Proxy。 特征 Chaos HTTP代理可以触发许多不同的故障： Content-MD5请求损坏 Content-MD5响应损坏 客户端超时，HTTP 408 重定向（临时和永久） 重新排列响应头 服务器连接中断，即读写时间短 服务器错误：HTTP 500、503和504 服务器超时 安装 用户可以从GitHub。 也可以通过运行mvn package来构建项目，该mvn package在target/chaos-http-proxy生成一个二进制文件。 Chaos HTTP Proxy需要Java 7才能运行。 例子 Linux和Mac OS X用户可以通过可执行jar运行Chaos HTTP代理：