纹理是一种重要的视觉线索，是图像中普遍存在而又难以描述的特征。纹理分类与分割是图像处理领域 一个经久不衰的热点研究领域，纹理特征提取作为纹理分类与分割的首要问题．一直是人们关注的焦点，各种纹理 特征提取方法层出不穷。在广泛文献调研的基础上，回顾了纹理特征提取方法的发展历程，分析了其研究现状，对 纹理特征提取方法进行了较为全面的综述，对其进行分类和比较，最后给出了纹理研究领域的主要发展趋势。

互联金融与网络安全上市公司股价联动性研究——基于协整理论与向量自回归模型.pdf

2.自回归过程的自相关函数 (1) 平稳AR(1)过程的自相关函数 xt =  xt-1 + ut ,   1 其自相关函数为 k = 1k , （k  0） * *

BayVAR 是一个 MATLAB 库，旨在从贝叶斯角度估计和分析向量自回归 (VAR) 模型。 BayVAR使用几种先验类型（明尼苏达州/利特曼，Canova，Raynauld-Simonato等）执行不受限制的贝叶斯估计。 还包括通过轴向搜索校准超参数以及预测和规范 (Box-Tiao) 分析。

向量自回归模型建模步骤梳理（VAR、VMA、VARMA模型）

目标 该代码旨在基于三个外部输入来执行时间序列变量的预测。 在时间t拥有外部输入可预测时间t的响应。 在时间t处有输入和响应，在时间t + 1处将有什么响应？ 输出 网络：一个精确的开环浅层网络，能够预测给定的三个外部输入的响应。 有已知数据时，可使用此网络进行验证或评估响应； 例如，您想使用测试集来测试您的网络。 NETC：一个闭环网络来预测在给定在时间t三个外部输入的时间t响应变量; 例如，您测量输入1、2和3，并想知道在时间t处的响应值是多少。 篮网：领先一步。 现在假设在t时刻你有三个输入和响应，你想知道什么是基于在时间t的测量在时间t + 1的下一个响应值。 例如，股票市场； 您今天有交易量，未平仓价，低价和收盘价（响应），而您想知道明天的收盘价（响应）。

数学建模国赛获奖论文整理，使用向量自回归做的论文集合，可以系统的学习向量自回归在数学建模中的应用，非常有用。

针对情感识别进行研究，提出基于主成分分析法（PCA）过滤小波变换结合自回归模型提取的信号特征方法，并基于梯度提升分类树以实现情感分类.将特征提取的重点放在脑电信号变化情况以及小波分量变化情况作为脑电信号特征.采用Koelstra等提出的分析人类情绪状态的多模态标准数据库DEAP，提取8种正负情绪代表各个脑区的14个通道脑电数据.结果表明，算法对8种情感两两分类识别平均准确率为95.76%，最高准确率为98.75%，可为情感识别提供帮助.

回归模型分类（线性回归、自回归、面板回归）

narx的matlab代码使用NARX进行时间序列预测 该项目使用模型对从公交车上的驾驶循环测试获得的数据进行时间序列预测。 从同一条总线总共获得了25个数据系列（），对应于三个不同的数据系列。 在每个数据集中，对四个变量进行了实验量化：发动机扭矩，发动机转速，进气温度和排烟温度。 排气温度作为输出变量，其余3个作为NARX的输入。 图1：贝尔法斯特街头的公交车（） 存储库中包含五个不同的MATLAB脚本： 代码说明 数据预处理 数据预处理在中进行。 修改数据以创建单个训练数据集，其中包含25个时间序列中的22个。 训练中不涉及三个数据集，每个对应的驾驶循环一个，而是用于评估NARX的泛化能力。 图2：使用的25种排烟温度时间序列 训练 包括两个用于ANN训练的不同脚本。 训练具有10个隐藏神经元和2个输入延迟的NARX。此网络架构是通过反复试验确定的。 训练数据的典型划分为训练（70％），验证（15％）和测试（％）子集，以防止过拟合。 循环包含相同的训练过程。 训练了许多模型，量化了它们在3个测试数据集上的性能，但仅保存了“最佳”模型。 预言 包括两种预测脚本变体。 第一个（）对树测