% GP算法求关联维和嵌入维
%clc
clear
close all
IsPlot = 1;
%---------------------------------------------------
% 产生 Lorenz 时间序列
sigma = 10; % Lorenz方程参数
r = 28;
b = 8/3;
y = [-1;0;1]; % 起始点 (3x1 的列向量)
h = 0.01; % 积分时间步长
k1 = 30000; % 前面的迭代点数
k2 = 3000; % 后面的迭代点数
z = LorenzData(y,h,k1+k2,sigma,r,b);
X = z(k1+1:end,1);
X = normalize_1(X); % 归一化到均值为 0,振幅为 1
%---------------------------------------------------'
disp('----- GP算法求关联维和嵌入维 -----');
t = 10;
m_vector = 2:5;
r_vector = exp(-5:0.5:0);
num_m = length(m_vector);
num_r = length(r_vector);
ln_Cr = zeros(num_m,num_r);
%------------------------------------------------------
tic
type_norm = 2 % 使用范数类型 (缺省值为2)
% type_norm = 0,1,2时,分别对应无穷范数、1范数和2范数
block = 1 % 分块计计算关联积分 - 分块数 (缺省值为1)
% t越大速度越快,但有误差
for i = 1:num_m
for j = 1:num_r
% 计算关联积分S(m,N,r,t), 参见 <<混沌时间序列分析及应用>> P35 式(2.29)
m = m_vector(i);
r = r_vector(j);
%ln_Cr(i,j) = log(CorrelationIntegral(m,X,r,t)); % 缺省用法
ln_Cr(i,j) = log(CorrelationIntegral(m,X,r,t,type_norm,block));
end
end
t = toc
ln_r = log(r_vector);
plot(ln_r,ln_Cr','+:');grid;
xlabel('ln(r)'); ylabel('ln(C(r))');
title(['norm = ',num2str(type_norm),', block = ',num2str(block),', t = ',num2str(t)]);
legend('m=2','m=3','m=4','m=5',4)
GP_Algorithm.rar_gp algorithm_matlab GP_延迟_最佳嵌入维数_最佳延迟MATLAB
版权申诉
190 浏览量
2022-07-13
18:31:28
上传
评论
收藏 1KB RAR 举报
四散
- 粉丝: 52
- 资源: 1万+
最新资源
- 基于Pytorch训练CIRAR10上分类算法.zip
- Pytorch-pytorch深度学习教程之Tensorboard.zip
- 基于C++和Python开发yolov8-face作为人脸检测器dlib作为人脸识别器的人脸考勤系统源码+项目说明.zip
- Pytorch-pytorch深度学习教程之变分自动编码器.zip
- Pytorch-pytorch深度学习教程之神经风格迁移.zip
- Pytorch-pytorch深度学习教程之深度残差网络.zip
- Pytorch-pytorch深度学习教程之循环神经网络.zip
- Pytorch-pytorch深度学习教程之逻辑回归.zip
- Pytorch-pytorch深度学习教程之双向循环网络.zip
- Pytorch-pytorch深度学习教程之卷积神经网络.zip
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
评论0