时间序列分析预测小工具。自回归模型分析，卡尔曼滤波自回归模型，AIC, BIC, FPE, MDL, SBC, CAT, PHI自回归模型检验。The TSA toolbox is useful for analysing Time Series. - Stochastic Signal processing - Autoregressive Model Identification - adaptive autoregressive modelling using Kalman filtering - multivariate autoregressive modelling - maximum entropy spectral estimation - matched (inverse) filter design - Histogram analysis - Calcution of the entropy of a time series - Non-linear analysis (3rd order statistics) - Test for UnitCircle- and Hurwitz- Polynomials - multiple signal processing - Several criteria (AIC, BIC, FPE, MDL, SBC, CAT, PHI) for model order selection an autoregressive model are included. - Fast algorithms are used - missing values (encoded as NaN's) are considered

Tree-Seed Algorithm (TSA) 是最近提出的一种基于群体的启发式搜索算法，用于解决连续优化问题。 在 TSA 中，树和种子代表优化问题的可能解决方案。 树木种群称为林分，林分中的树木数量是 TSA 的控制参数（在群体智能或进化计算算法中称为种群大小）。 TSA 中有两个特殊的控制参数，它们的名称是搜索趋势-ST 和将为每棵树产生的种子数-NS。 详情： http : //mskiran.kisisel.selcuk.edu.tr/tsa/

用于fb_TSA，st_TSA和ns_TSA的Matlab代码论文“通过反馈机制增强树种算法以优化连续问题”

针对TASI两步法相机标定过程无法求解相机主点位置的问题，引入灭点几何约束进行改进，推导并建立了平面格网上两组正交直线透视投影形成的双灭点与相机内参数以及TASI两步法相机标定过程参数间的严格数学关系，详细阐述了综合运用双灭点与径向准直约束计算相机内参数的迭代过程，并以此为基础，给出了相机外方位参数以及径向畸变参数的求解步骤。实验结果验证了该改进方法的有效性。

被囊群优化算法，被囊群优化算法(Tunicate Swarm Algorithm,TSA)是Satnam Kaur等提出的一种新的优化算法，它的灵感来自以在深海中成功生存被膜的成群行为，该算法模拟了被囊动物在导航和觅食过程中的喷气推进和群体行为，与其他竞争算法相比，TSA算法能产生更好的最优解，并且能够解决具有未知搜索空间的实际研究案例。

零售需求预测 一家英国在线零售商的在线数据集的数据探索和预测。 包含大约12/2009-12/2011期间的发票数据。 数据探索 初始数据分析考虑了每日，每周和每月的销售量，同时还考虑了数据集的VWAP（体积加权平ASP格）。 最后，考虑了基于客户ID，国家/地区和产品类型的潜在影响者。 时间序列分析 每周和每月数据都适合一系列不同的预测模型。 解释12月季节性高峰的SARIMA模型具有最佳拟合和最合乎逻辑的预测：

完整代码，可直接运行

JAVA可信时间戳服务(TSA -- timestamp server) PDF签章 符合RFC3161

蓝拓扑码流分析仪TSA-200软件包，码流分析、音频、视频分析