%------------------------------------------------------------------------------
混沌时间序列分析与预测工具箱 Version2.9
chaotic time series analysis and prediction matlab toolbox - trial version 2.9
%------------------------------------------------------------------------------
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
Duffing2吸引子 - \ChaosAttractors\Main_Duffing2.m
Rossler吸引子 - \ChaosAttractors\Main_Rossler.m
Chens吸引子 - \ChaosAttractors\Main_Chens.m
Ikeda吸引子 - \ChaosAttractors\Main_Ikeda.m
MackeyGLass序列 - \ChaosAttractors\Main_MackeyGLass.m
Quadratic序列 - \ChaosAttractors\Main_Quadratic.m
(2)求时延(delay time)
自相关法 - \DelayTime_Others\Main_AutoCorrelation.m
平均位移法 - \DelayTime_Others\Main_AverageDisplacement.m
(去偏)复自相关法 - \DelayTime_Others\Main_ComplexAutoCorrelation.m
互信息法 - \DelayTime_MutualInformation\Main_Mutual_Information.m
(3)求嵌入维(embedding dimension)
假近邻法 - \EmbeddingDimension_FNN\Main_FNN.m
Cao方法 - \EmbeddingDimension_Cao\Main_EmbeddingDimension_Cao.m
(4)同时求时延与嵌入窗(delay time & embedding window)
CC方法 - \C-C Method\Main_CC_Method_Luzhenbo.m
改进的CC方法 - \C-C Method Improved\Main_CC_Method_Improved.m
(5)求关联维(correlation dimension)
GP算法 - \CorrelationDimension_GP\Main_CorrelationDimension_GP.m
(6)求K熵(Kolmogorov Entropy)
GP算法 - \KolmogorovEntropy_GP\Main_KolmogorovEntropy_GP.m
STB算法 - \KolmogorovEntropy_STB\Main_KolmogorovEntropy_STB.m
(7)求最大Lyapunov指数(largest Lyapunov exponent)
小数据量法 - \LargestLyapunov_Rosenstein\Main_LargestLyapunov_Rosenstein1.m
\LargestLyapunov_Rosenstein\Main_LargestLyapunov_Rosenstein2.m
\LargestLyapunov_Rosenstein\Main_LargestLyapunov_Rosenstein3.m
(8)求Lyapunov指数谱(Lyapunov exponent spectrum)
BBA算法 - \LyapunovSpectrum_BBA\Main_LyapunovSpectrum_BBA1.m
\LyapunovSpectrum_BBA\Main_LyapunovSpectrum_BBA2.m
(9)求二进制图形的盒子维(box dimension)和广义维(genealized dimension)
覆盖法 - \BoxDimension_2D\Main_BoxDimension_2D.m
- \GeneralizedDimension_2D\Main_GeneralizedDimension_2D.m
(10)求时间序列的盒子维(box dimension)和广义维(genealized dimension)
覆盖法 - \BoxDimension_TS\Main_BoxDimension_TS.m
- \GeneralizedDimension_TS\Main_GeneralizedDimension_TS.m
(11)混沌时间序列预测(chaotic time series prediction)
RBF神经网络一步预测 - \Prediction_RBF\Main_RBF.m
RBF神经网络多步预测 - \Prediction_RBF\Main_RBF_MultiStepPred.m
Volterra级数一步预测 - \Prediction_Volterra\Main_Volterra.m
Volterra级数多步预测 - \Prediction_Volterra\Main_Volterra_MultiStepPred.m
(12)产生替代数据(Surrogate Data)
随机相位法 - \SurrogateData\Main_SurrogateData.m
2、在matlab环境中首先运行install.m,将工具箱所在路径添加至matlab
3、各子目录下以Main_开头的文件即是主程序文件,直接按快捷键F5运行即可
4、工具箱中所有程序均在 "Windows XP SP2 + Matlab7.1" 环境中调试通过,不能保证在其它平台上正确运行。
5、工具箱中部分功能为试用版,敬请谅解!
6、
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@yahoo.com.cn
个人主页:http://blog.sina.com.cn/luzhenbo2
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
混沌时间序列分析与预测工具箱 Version2.9 (122个子文件)
dla.gif 30KB
dla.gif 30KB
Main_KolmogorovEntropy_GP.m 3KB
Main_CorrelationDimension_GP.m 2KB
Main_RBF_MultiStepPred.m 2KB
Main_Volterra_MultiStepPred.m 2KB
Main_LyapunovSpectrum_BBA2.m 2KB
Main_CC_Method_Improved.m 2KB
Main_RBF.m 2KB
Main_Volterra.m 2KB
Main_KolmogorovEntropy_STB.m 2KB
Main_LyapunovSpectrum_BBA1.m 2KB
Main_LargestLyapunov_Rosenstein3.m 2KB
Main_SurrogateData.m 2KB
Main_EmbeddingDimension_FNN.m 2KB
Main_LargestLyapunov_Rosenstein1.m 2KB
Main_LargestLyapunov_Rosenstein2.m 2KB
Main_EmbeddingDimension_Cao.m 1KB
Main_Mutual_Information.m 1KB
Main_Ikeda.m 1KB
Main_CC_Method_Luzhenbo.m 1KB
Main_GeneralizedDimension_TS.m 1KB
Main_Lorenz.m 1KB
Main_BoxDimension_TS.m 1KB
Main_Rossler.m 1KB
Main_ComplexAutoCorrelation.m 1014B
Main_Duffing2.m 997B
Main_Duffing.m 995B
Main_AutoCorrelation.m 992B
Main_AverageDisplacement.m 989B
Main_Chens.m 956B
Main_GeneralizedDimension_2D.m 940B
Main_Henon.m 935B
Main_BoxDimension_2D.m 923B
Main_Logistic.m 897B
install.m 819B
Main_MackeyGLass.m 639B
createmgdde23.m 538B
Main_Quadratic.m 468B
Contents.m 50B
Contents.m 49B
Contents.m 47B
Contents.m 42B
Contents.m 42B
Contents.m 35B
Contents.m 33B
Contents.m 32B
Contents.m 27B
Contents.m 25B
Contents.m 25B
Contents.m 25B
Contents.m 24B
Contents.m 24B
Contents.m 22B
Contents.m 20B
Contents.m 18B
Contents.m 17B
cao_buffer.mexw32 107KB
RosslerData.mexw32 20KB
ccFunction.mexw32 20KB
ccFunction_luzhenbo.mexw32 20KB
LorenzData.mexw32 20KB
DuffingData.mexw32 20KB
RosslerData.mexw32 20KB
ChensData.mexw32 20KB
LorenzData.mexw32 20KB
DuffingData2.mexw32 20KB
DuffingData.mexw32 20KB
CC_luzhenbo.mexw32 20KB
LorenzData.mexw32 20KB
Amutual_lzb.mexw32 20KB
LorenzData.mexw32 20KB
LorenzData.mexw32 20KB
LorenzData.mexw32 20KB
LorenzData.mexw32 20KB
CorrelationIntegral.mexw32 20KB
LorenzData.mexw32 20KB
LorenzData.mexw32 20KB
cao_luzhenbo.mexw32 20KB
LorenzData.mexw32 20KB
LorenzData.mexw32 20KB
LorenzData.mexw32 20KB
KolmogorovEntropy.mexw32 20KB
LorenzData.mexw32 20KB
LorenzData.mexw32 20KB
LorenzData.mexw32 20KB
CorrelationIntegral.mexw32 20KB
SearchNN2.p 19KB
SearchNN2.p 19KB
SearchNN2.p 19KB
wfbm.p 11KB
wfbm.p 11KB
GeneralizedDimension_TS.p 10KB
BoxDimension_TS.p 9KB
GeneralizedDimension_2D.p 8KB
LyapunovSpectrum_BBA.p 7KB
BoxDimension_2D.p 7KB
FNN.p 7KB
CC_Improved.p 7KB
Lyapunov_rosenstein_2.p 6KB
共 122 条
- 1
- 2
资源评论
- zdhfd2015-03-30很有用的matlab工具箱,就是分贵了一点
- 相空间重构2014-04-15看起来很高深啊,不怎么会用。哎。资源本身不错。
- qq_461035562023-01-07这是很久以前的版本了,其中有个生成混沌序列的文件格式是mexw32的,在主文件中根本无法调用,就算能够调用,想算自己的混沌序列同学避坑,因为所有方法都是算他生成的混沌方程序列的#毫无价值
- pxyhawk2022-07-08挺好的,但不是最新版本。
lqner168
- 粉丝: 1
- 资源: 13
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- Screenshot_20240427_031602.jpg
- 网页PDF_2024年04月26日 23-46-14_QQ浏览器网页保存_QQ浏览器转格式(6).docx
- 直接插入排序,冒泡排序,直接选择排序.zip
- 在排序2的基础上,再次对快排进行优化,其次增加快排非递归,归并排序,归并排序非递归版.zip
- 实现了7种排序算法.三种复杂度排序.三种nlogn复杂度排序(堆排序,归并排序,快速排序)一种线性复杂度的排序.zip
- 冒泡排序 直接选择排序 直接插入排序 随机快速排序 归并排序 堆排序.zip
- 课设-内部排序算法比较 包括冒泡排序、直接插入排序、简单选择排序、快速排序、希尔排序、归并排序和堆排序.zip
- Python排序算法.zip
- C语言实现直接插入排序、希尔排序、选择排序、冒泡排序、堆排序、快速排序、归并排序、计数排序,并带图详解.zip
- 常用工具集参考用于图像等数据处理
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功