视频教程

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。

Bootstrap 是一种强大的技术，可用于获取数据集的置信区间； 然而，在时间序列数据上这样做并不简单。 在这里，我展示了 Bootstrap-t 程序在生物力学中的实现，其中包含来自膝关节矢状面角度的样本数据。

基于BP网络的混沌时间序列预测的研究中北大学硕士论文-基于BP网络的混沌时间序列预测的研究.rar 基于BP网络的混沌时间序列预测的研究 【英文题名】 Research on the Prediction of Chaotic Time Series Based on BP Network 【作者中文名】 李众; 【导师】 王建中; 【学位授予单位】 中北大学; 【学科专业名称】 应用数学 【学位年度】 2008 【论文级别】 硕士 【网络出版投稿人】 中北大学 【网络出版投稿时间】 2008-10-14 【关键词】 BP神经网络; 混沌; 时间序列; 预测; 【英文关键词】 BP network; Chaos; Time Series; Prediction; 【中文摘要】 混沌时间序列的普遍存在性使得对于它的预测有着极为深刻的意义和丰富的内涵。本文研究了混沌时间序列的相关理论和方法,将BP神经网络应用于混沌时间序列预测中,并采用Matlab编程验证了其有效性和普适性。论文主要完成4个方面的工作: 1)介绍了混沌时间序列,论述了其可预测性、预测方法以及预测尺度。 2)相空间重构是对时间序列进行深层次信息挖掘的一种有效的方法。本文讨论了相空间重构中时间延迟与嵌入维数的选取以及Lyapunov指数的估计,并给出了相应算法。 3)将BP神经网络理论引入混沌时间序列预测领域,给出了BP神经网络拟和重构后所得函数关系的具体实现过程,并应用训练后的网络进行预测,经仿真表明了该方法的有效性,并给出了具体的应用实例。 4)讨论了BP网络参数设定的一般方法和优化参数的方法。 【英文摘要】 The prediction of chaotic time series has very abundant and profound meaning and can be widely applied. With a study on the relevant theory and methods, this paper applies BP neural network in the prediction of chaotic time series and its validity and universality are proved by matlab program. The paper can be summed up into as the following parts: 1)Chaotic time series is introduced and its predictability, methods and scales are mainly discussed as well. 2)Phase space reconstruction is an...

Df(x)此函数用于构造麦克-格拉斯(Mackey-Glass)混沌延迟微分方程的形式 Mackey_Glass(N,tau)麦克-格拉斯(Mackey-Glass)混沌延迟微分方程 x为序列返回值，t为时间返回值，h为时隙间隔，N为点数 test是生成0-2000s内的Mackey_Glass序列，τ \tauτ分别取不同的值 (13,30) (13,30)(13,30),并做出相应相位时差 ---------------------

异常检测工具包（ADTK）异常检测工具包（ADTK）是用于无监督/基于规则的时间序列异常检测的Python软件包。 由于异常的性质在不同情况下会有所不同，因此模型可能无法正常工作异常检测工具包（ADTK）异常检测工具包（ADTK）是用于无监督/基于规则的时间序列异常检测的Python软件包。 由于异常的性质在不同情况下会有所不同，因此模型可能无法普遍适用于所有异常检测问题。 正确选择和组合检测算法（检测器），特征工程方法（变压器）和集成方法（聚合器）是建立有效的异常检测模型的关键。 此套餐提供

奇异谱 用于执行和可视化奇谱分析（SSA）的MATLAB类，SSA是时间序列的非参数频谱分解技术

LSTM（Long Short-Term Memory）是长短期记忆网络，是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。LSTM 已经在科技领域有了多种应用。基于 LSTM 的系统可以学习翻译语言、控制机器人、图像分析、文档摘要、语音识别图像识别、手写识别、控制聊天机器人、预测疾病、点击率和股票、合成音乐等等任务。

机器学习实战项目——决策树&随机森林&时间序列预测股价.zip

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：动态神经网络时间序列预测研究_基于MATLAB的NARX实现_NARX_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