搜索资源列表
zjf147
- 用来产生均匀分布或高斯分布的伪随机数 （近似白噪声），它们可具有不同的均值和方差。用REMEZ算法求交错点组。用Cholesky分解求ARMA模型的参数并作谱估计。求MA模型的参数 并估计功率谱。 用最小方差法估计序列 的功率谱。-used to produce uniform or Gaussian distribution of the pseudo-random number (similar to white noise). They may have a different mean
chaonim
- 仿真函数 （1），函数形式为： 其中， 是零均值单位方差的高斯噪声。输入 服从[0，1] 均匀分布，且相互独立。样本长度为1000组，将其分为三组，自由选择200组作为模型训练数据，自由选择100组作为检验数据，其余的作为长期检验数据。 （2） 其中x1~x4相互独立， ， 为白噪声
3
- 典型时间序列模型分析 设有ARMA(2,2)模型， X（n）+0.3X(n-1)-0.2X(n-2)=W(n)+0.5W（n-1）-0.2W(n-2) W(n)是零均值正态白噪声，方差为4 （1）用MATLAB模型产生X（n）的500观测点的样本函数，并会出波形； （2）用你产生的500个观测点估计X（n）的均值和方差； （3）画出理论的功率谱 （4）估计X（n）的相关函数和功率谱 -Analysis of typical time series model w
portfolio-code
- markowitz 均值方差模型 Black-litterman 模型 resample模型 robust模型-markowitz mean-variance model Black-litterman model resample model robust model
maep
- 在闭启键控通信系统中，两个假设下的观察信号模型为： 若两个假设的先验概率相等，且 , ,采用最小平均错误概率准则，试确定判决表达式，并求最小平均错误概率，利用MATLAB软件比较其理论值、仿真值。上述情况中，噪声 是均值为 ，方差为 的高斯噪声，仿真信噪比范围： ，间隔为 。 -In the closed Kai keying communication systems, the observed signal model under two assumptions: equal
signalprocessing
- 1、产生信号，两个实正弦信号的叠加，幅度分别为2、4、1、3；混入均值为0、方差为1的白噪声。采用自适应滤波器对其进行去噪。 2.产生信号，为两个实正弦信号的叠加，其幅度均为4，混入均值为0、方差为1的白噪声。采用有限脉冲响应法设计一个维纳滤波器估计信号 ，并求最小均方误差。 3.产生高斯分布的白噪声w(n)，自行给定一个5阶AR模型，让该白噪声通过这个AR模型，得到输出信号x(n），再估计x(n）的AR模型数，比较估计的结果和原来给定的AR模型的参数。-A signal to be g
CHANNEL
- 假设信号产生和传输信道模型为： 而抽头维纳滤波器为： 假设 的方差为0.27， 的方差为0.1，均值都为零。并且： ， 并假设权向量初始值为 ，分别使用步长0.015、0.025和0.05进行 LMS算法仿真。 分析：d(n)是子系统H1受到v1(n)激励产生的信号，而H2与加性噪声构成了加性噪声传输信道。将u(n)作为维纳滤波器的输入，且滤波器的期望响应为d(n)。问题就是如何求出滤波器的权系数使得估计误差e(n)在MMSE意义下最小。 -Estim
新建好压 RAR 压缩文件
- 对excle中数据读取，matlab构建均值方差模型、绘图(For data reading in excle, matlab constructs mean variance model and plot)
程序9
- 均值方差模型，HJB方程数值解MATLAB语言实现(Mean variance model, HJB equation, numerical solution, MATLAB language implementation)
8_StaticPortfManagement
- 利用马科维茨的均值方差两步法分析最优投资组合(mean-variance method to get optimal portfolio)
均值方差投资组合模型案例（数据和MATLAB代码）
- mean variance
Clustering
- 1) 使用凝聚型层次聚类算法（即最小生成树算法）对所有数据点进行聚类，最后聚成3类。相异度定义方法可选择single linkage、complete linkage、average linkage或者average group linkage中任意一种。 2) 使用C-Means算法对所有数据点进行聚类。C=3。 任务2（必做）： 使用高斯混合模型（GMM）聚类算法对所有数据点进行聚类。C=3。并请给出得到的混合模型参数（包括比例??、均值??和协方差Σ）。 任务3（全做）： 1) 参考数据文