搜索资源列表
CorrelationDimension_luzhenbo
- 计算关联维的 Matlab 程序 - (mex 函数，超快) ----------------------------------- 文件夹说明： 1、CorrelationDimension_main.m - 程序主文件 2、LorenzData.dll - 产生Lorenz离散数据 3、normalize_1.m - 数据归一化 4、PhaSpaRecon.m - 相空间重构 5、CorrelationDimension.dll - 计算关联积分函数
GP_Algorithm_luzhenbo
- G-P算法计算关联维的 Matlab 程序 (升级版，mex函数，超快) 作者：陆振波，海军工程大学 欢迎同行来信交流与合作，更多文章与程序下载请访问我的个人主页 电子邮件：luzhenbo@sina.com 个人主页：luzhenbo.88uu.com.cn 更新部分： 引入限制短暂分离参数，使该参数大于序列平均周期时，去除了同一轨道前后点的关联， 使 r 值较小时，ln r - ln C(r) 曲线接近线性 文件夹说明： 1、GP_Alg
GP_correlation_dimension
- 没有采用短暂分离的方法的GP方法求关联维 G-P算法计算关联维的 Matlab 程序(mex版) 文件说明： 1、GP_Algorithm_main.m - 程序主文件 2、LorenzData.dll - 产生Lorenz离散数据 3、normalize_1.m - 数据归一化 4、correlation_interal.c - 计算关联积分的源代码文件 5. correlation_interal.dll-计算关联积分的mex文件 没有采用短暂分离的方
correlation-dimension(GP-method)
- G-P算法计算关联维的 Matlab 程序(mex版) 没有使用”短暂分离“，使用了关联积分的mex文件，速度较快。 -G-P method to calculate the correlation dimension of Matlab (Mex version) not use "temporary separation," use of the correlation integral Mex documents faster.
混沌时间序列预测
- 1、该工具箱包括了混沌时间序列分析与预测的常用方法,有: (1)产生混沌时间序列(chaotic time series) Logistic映射 - \ChaosAttractors\Main_Logistic.m Henon映射 - \ChaosAttractors\Main_Henon.m Lorenz吸引子 - \ChaosAttractors\Main_Lorenz.m Duffing吸引子 - \ChaosAttractors\Main_Duffing.m Duffin
ShortEst
- matlab最短路的贪心算法，用VC++实现，把ShortEst.dll复制到matlab工作文件夹运行（先要运行mex-setup，关联VC与MATLAB）调用方法如 a = [-1,2,3 2,-1,4 3,4,-1] ShorstEst(a) 即可-matlab most short-circuit the greedy algorithm, using VC++ to achieve, and copy it to ShortEst.dll working folder m
guanlianguize
- 本压缩文件是一些有关于人工免疫算法在数据挖掘中的关联规则挖掘进行应用的参考论文，希望能够对在这方面进行研究的人有所帮助。-association rules mining
bezier_demo
- matlab下bezier曲线的绘制，由鼠标左键产生四个点随即产生曲线，并可对曲线进行编辑。解压缩后，运行bezier_demo.m文件即可。压缩包里的文件是相互关联的。-matlab under bezier curve drawing, the left mouse button generated by the four-point curve was generated, and may be edited on the curve. After decompression, bezie
GP_Algorithm2.0
- G-P算法计算关联维的 Matlab 程序 (升级版，mex函数，超快) ----------------------------------- 更新部分： 引入限制短暂分离参数，使该参数大于序列平均周期时，去除了同一轨道前后点的关联， 使 r 值较小时，ln r - ln C(r) 曲线接近线性 ----------------------------------- 文件夹说明： 1、GP_Algorithm_main.m - 程序主文件 2、Lo
matlab-fileassoc-m-files-
- 将压缩包中private文件夹中的三个文件复制到：“ MATLAB安装目录 \mcr\toolbox\matlab\winfun\private\”文件夹里 运行程序： cwd=pwd cd([matlabroot \toolbox\matlab\winfun\private ]) fileassoc( add ,{ .m , .mat , .fig , .p , .mdl ,[ . mexext]}) 重点 cd(cwd) disp( Changed
MATLAB_file_assoc_necessary
- MATLAB 2015b关联.m文件的配置文件-MATLAB 2015b associate .m file
MATLAB-R2015a-m-fileassoc
- matlab 2014,matlab 2015,.m文件通过m editor关联打开的方法-matlab 2014, matlab 2015, .m files opened by the associated method m editor
matlab_fileassociation
- 此文件为修复所有matlab文件关联，例如重装系统或者其他情况下，内含说明文档，一键运行成功-This file is to repair all matlab file associations, such as reinstall the system or other circumstances, containing the documentation, a key to run successfully
apriori matlab
- 直接可用的matlab关联规则例程，内含测试文件和数据，来源网络(apriori matlab including .m and some texting data)
matlab2015关联m文件方法
- 关联m、fig、mat等文件，双击文件matlab能自动打开(make connection with files)
FEM_PROJECT
- fem2d_project读取定义采样一个文件（标量或矢量）函数的3个参数，以及一个节点和四面体元素的列表用于数据的有限元表示的 计算与之相关联的一组有限元系数给定的有限元素网格，并将该信息写入文件。 使有限元表示由节点、元素和值构成的文件。(FEM2D_PROJECT reads files defining a sampling of a (scalar or vector) function of 3 arguments, and a list of nodes and tetr
matlab文件关联解决方案
- matlab文件关联解决方案（一键解决，亲测有效）(Matlab file association solution)
灰色关联
- 灰色预测在预测以及数学建模有着重要的应用，主要用来预测小样本数据。本文件是调试好的程序，可以直接拿来使用进行预测。且程序包含归一化语句，直接将原始数据进行计算即可。(Gray prediction has important applications in forecasting and mathematical modeling and is mainly used to predict small sample data. This document is a good debugging
matlab文件关联修复
- 用于Matlab文件出错时，进行文件修复，并与错误源进行关联，保证原文件的真实性。(When Matlab files are wrong, file repair is done, and it is associated with the error source to ensure the authenticity of the original file.)
Association_analysis_code
- 支持导入外部变量数据集（例如EXCEL文件），利用MATLAB分析多个变量间的关联度。（修改代码中导入文件名称及变量个数即可）(Import the data set and use MATLAB to analyze the degree of correlation among multiple variables.(Modify the name of the imported file and the number of variables in the code.))