文献----基于特征模式提取的时间序列分类系统ppt

ysoserial-0.0.6-SNAPSHOT-BETA-all.jar

abbrs 基于双层条件随机场的中文公司名简称生成 Flask架构，提供高可用的API服务 Argparse设计，便于命令操作 基于HMM的前向后向算法构建有向概率图 基于维特比算法构建的解析求解最大概率解 完整流程，从语料到训练集至模型生成 更多特性等你发现…… 组件介绍 分为两层处理，分类（classify）与切分（seg）。 classify 将公司名基于自定义类型做分类，为之后简称缩略模型提供支持以及规则模型提供支持 seg 利用classify结果结合其他特征来获取最终简称集合 目录介绍 project bin //中间交换结构 doc load //加载模型 preprocessor //预处理语语料 train //训练模型 util //工具 app.py //API入口 config.py //配置 环境准备 python环境 请使用python3环境进

人工智能-反向传播神经网络在混沌时间序列预测中的应用.pdf

每月销售预测 在这个项目中，我使用时间序列分析根据历史数据预测了零售商店的月销售额。

基于MFC的对话框，实现avi视频文件转换为bmp图片序列，和bmp图片序列转换为avi文件的功能。

时间序列分析在R中实现

经傅里叶逆变换(IFFT)后得到实数序列-含Matlab程序

这是时间序列处理器 (TSPROC) 的开发源代码树。 最初的 TSPROC 开发由 Watermark Numerical Computing 的 John Doherty 完成。它是地表水实用程序包的一部分，旨在支持使用参数估计 (PEST) 套件或程序优化模型参数。PEST 也是由 John Doherty 开发的。 构建过程总结 在源目录结构之外创建一个构建目录并更改目录。如果您已克隆此存储库，那么您应该在“build”子目录中找到几个子目录，其中包含旨在在调用 CMake 之前设置环境变量和编译选项的脚本。CMake 获取这些环境变量，解析源代码，确定依赖关系（即首先构建哪些模块），并创建一个makefile。然后用户可以调用 makefile 来触发各种模块的实际编译和链接。 更多详情、使用方法，请下载后阅读README.md文件

时间序列和面板数据方法的计量经济学包，涵盖单位根、协整和因果关系检验。在存在结构断裂的情况下进行广泛的测试。 例子 安装库后，所有可用程序的示例都可以在您的GAUSS主目录中的pkgs > tspdlib >examples目录中找到。该示例使用包含在pkgs > tspdlib >examples目录中的GAUSS和 .csv 数据集。 文档 这些过程的文档tspdlib可以在我们的Aptech TSPDLIB 文档页面上找到。 更多详情、使用方法，请下载后阅读README.md文件