產(chǎn)生chens混沌時(shí)間序列的matlab程序
標(biāo)簽： matlab chens 混沌 時(shí)間序列
上傳時(shí)間： 2014-06-02
上傳用戶：exxxds
產(chǎn)生Duffing混沌時(shí)間序列的matlab程序
標(biāo)簽： Duffing matlab 混沌 時(shí)間序列
上傳時(shí)間： 2015-05-21
上傳用戶：sxdtlqqjl
產(chǎn)生Lorenz混沌時(shí)間序列的matlab程序
標(biāo)簽： Lorenz matlab 混沌 時(shí)間序列
上傳時(shí)間： 2013-12-21
上傳用戶：xcy122677
產(chǎn)生Rossler混沌時(shí)間序列的matlab程序
標(biāo)簽： Rossler matlab 混沌 時(shí)間序列
上傳時(shí)間： 2015-05-21
上傳用戶：sunjet
基于Volterra濾波器混沌時(shí)間序列多步預(yù)測(cè) 作者：陸振波，海軍工程大學(xué) 歡迎同行來(lái)信交流與合作，更多文章與程序下載請(qǐng)?jiān)L問(wèn)我的個(gè)人主頁(yè) 電子郵件：luzhenbo@sina.com 個(gè)人主頁(yè)：luzhenbo.88uu.com.cn 參考文獻(xiàn)： 1、張家樹.混沌時(shí)間序列的Volterra自適應(yīng)預(yù)測(cè).物理學(xué)報(bào).2000.03 2、Scott C.Douglas, Teresa H.-Y. Meng, Normalized Data Nonlinearities for LMS Adaptation. IEEE Trans.Sign.Proc. Vol.42 1994 文件說(shuō)明： 1、original_MultiStepPred_main.m 程序主文件,直接運(yùn)行此文件即可 2、original_train.m 訓(xùn)練函數(shù) 3、original_test.m 測(cè)試函數(shù) 4、LorenzData.dll 產(chǎn)生Lorenz離散序列 5、normalize_1.m 歸一化 6、PhaSpaRecon.m 相空間重構(gòu) 7、PhaSpa2VoltCoef.dll 構(gòu)造 Volterra 自適應(yīng) FIR 濾波器的輸入信號(hào)矢量 Un 8、TrainTestSample_2.m 將特征矩陣前 train_num 個(gè)為訓(xùn)練樣本，其余為測(cè)試樣本 9、FIR_NLMS.dll NLMS自適應(yīng)算法
標(biāo)簽： Volterra 濾波器 混沌 時(shí)間序列
上傳時(shí)間： 2013-12-16
上傳用戶：talenthn
馬爾科夫模型對(duì)io空間序列預(yù)測(cè)的例子，用到了兩種預(yù)測(cè)方法
上傳時(shí)間： 2014-01-07
上傳用戶：王小奇
輸入：一段任意的程序（字符串）。 輸出：相應(yīng)的屬性字序列。 要求：⒈不處理說(shuō)明部分，但屬性字的符號(hào)類除了編碼外，應(yīng)包含更多的信息（如運(yùn)算符的優(yōu)先級(jí)等）； ⒉小子集中包含的符號(hào)類應(yīng)有典型性，且盡可能豐富； ⒊為了使用方便和便于閱讀，應(yīng)有幫助信息，說(shuō)明可以有哪些符號(hào)，屬性字的結(jié)構(gòu)如何等； 說(shuō)明；⒈為了直觀起見(jiàn)，屬性字中的符號(hào)值可以是符號(hào)本身，而不是助憶符； ⒉符號(hào)的種類以及符號(hào)的編碼是事先規(guī)定的，可考慮擴(kuò)充的可能性。
上傳時(shí)間： 2014-01-17
上傳用戶：fhzm5658
計(jì)算長(zhǎng)度為4的整數(shù)次冪的序列的DFt的快速算法。運(yùn)行環(huán)境VC＋＋。
標(biāo)簽： DFt 計(jì)算 整數(shù) 序列
上傳時(shí)間： 2013-12-04
上傳用戶：hanli8870
一個(gè)可以讓VB也支持序列化文件的DLL代碼。
上傳時(shí)間： 2015-05-22
上傳用戶：ljmwh2000
文章通過(guò)對(duì)實(shí)序列快速傅里葉變換的算法推導(dǎo)及Mallat 算法原理的分析，根據(jù)離散小波變換（DWT）算 法結(jié)構(gòu)特征，提出了一種離散小波的快速變換算法，給出了相應(yīng)的算法步驟。從數(shù)學(xué)理論上進(jìn)行了論證，并把該算法 應(yīng)用到靜態(tài)圖像處理中，得到了很好的快速和重建效果，具有一定的實(shí)用價(jià)值。 關(guān)鍵詞：小波分析；Mallat 算法；快速小波算法 圖像處理 中圖分類號(hào)：TN914 文獻(xiàn)標(biāo)識(shí)碼：A 1 引言 小波分析是近十多年來(lái)迅速發(fā)展起來(lái)的新興學(xué)科和信號(hào)分析理論，是繼傅里葉分析方法之后的重 大突變。它具有時(shí)域局部化和頻域局部化的優(yōu)點(diǎn)，而且高頻端的時(shí)間間隔小（有著高的時(shí)間分辨率）， 低頻端的時(shí)間間隔大（有著高的頻率分辨率），這與人的視覺(jué)機(jī)制由粗到細(xì)的認(rèn)識(shí)過(guò)程相一致，固而有 “數(shù)學(xué)顯微鏡”之稱，是進(jìn)行信號(hào)處理和分析的有效工具。特別是其多分辨率分析理論及其快速算法 ——Mallat 算法在數(shù)字信號(hào)處理和數(shù)字通信
上傳時(shí)間： 2015-05-23
上傳用戶：tyler
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
