加宽并加深滚动条并添加按钮。仅使用CSS。 此扩展名加宽并加深了chrome滚动条，并将顶部和底部按钮重新添加到滚动条中。 它仅使用浏览器css。 支持语言:English (UK)

灰色预测模型适合小样本时间序列预测。

灰色预测模型及其计算方法，插件很是简便实用。

针对GM(1,2) 建模难点和模型缺陷提出两种改进方法: 一是运用相关匹配算法, 在历史数据库中搜索与主序 列具有强关联特性的数据序列, 确定为模型参考序列; 二是引入粒子群算法, 以模型预测性能评价指标为目标函数对 模型参数进行辨识, 改善模型预测性能. 算例结果表明了改进方法的适用性和有效性.

灰色模型全套资料，学习足够用

A=imread('xueguan.jpg');%读出原始图像 A1=rgb2gray(A);%灰度图像 P4=imnoise(A1,'salt & pepper',0.08);%添加0.08的椒盐噪声图像 imwrite(P4,'P4.jpg'); W4=P4; I4=double(W4);%将W数据转换为double类型数据

颜色为灰色，基于发生保存的机会

灰色系统软件 绝对关联分析 相对关联分析

这是一款对“部分”已知信息的挖掘，提取有价值的信息，实现对系统运行行为、演化规律的正确描述和有效监控的软件

基于灰色理论与神经网络的水质组合预测模型的研究是当前水质预测领域的研究热点之一，国内外众多研究者都在尝试如何将灰色理论与神经网络进行有效组合，以获得更好的预测效果。因此，本文在借鉴前人的成果基础上，采用串联组合方法分别对基于灰色理论与 神经网络的水质组合预测模型、基于灰色理论与 神经网络的水质组合预测模型进行了对比研究，同时提出了一种预测效果更佳的基于时间窗口移动技术与 神经网络的水质组合预测模型。 首先，本文根据中国环境质量公报（淡水环境）中长江水环境质量状况以及结合重庆市长江流域断面的实际情况筛选出七项水质指标，然后论述了灰色 模型、 神经网络以及 神经网络的相关理论和算法，接着建立了基于灰色理论与 神经网络的水质组合预测模型和基于灰色理论与 神经网络的水质组合预测模型，并以重庆市长江寸滩断面1998年至2008年的水质数据为例进行了实例测试和结果分析，也对两种组合预测模型的结果进行了对比与讨论，得出了后者预测效果更好等结论。 与此同时，通过以上两种组合预测模型的研究，本文提出了基于时间窗口移动技术与 神经网络的水质组合预测模型，并仍以长江寸滩断面为例，经过研究和实例测试表明该模型能够较好的对长江流域寸滩断面的水质进行预测，在整体上其预测效果比前两种组合预测模型更为理想，而且该模型能够较好地应用于水质指标预测和管理中，为河流水质预测提供重要的科学依据。 最后，本文采用基于 神经网络的水质评价模型对重庆市长江寸滩各年的水质进行了等级评价，并与中国环境保护部公布的水质评价结果进行了对比分析，其结果表明水质评价结果在一定程度上能够正确地反映长江寸滩当前的水质状况。