搜索资源列表
P2
- 时序信号的现代谱估计，利用信号子空间法、线性预测——最大熵法估计信号频率- The current spectrum estimation of the timing signal is estimated by the signal subspace method and the linear prediction-maximum entropy method.
awxys
- 能量谱分析计算,使用matlab实现智能预测控制算法，ML法能够很好的估计信号的信噪比。- Energy spectrum analysis and calculation, Use matlab intelligent predictive control algorithm, ML estimation method can be a good signal to noise ratio.
iktvg
- 有CDF三角函数曲线/三维曲线图，使用matlab实现智能预测控制算法，现代信号处理中谱估计在matlab中的使用。- There CDF trigonometric curve/3D graphs, Use matlab intelligent predictive control algorithm, Modern signal processing used in the spectral estimation in matlab.
ifijg
- 阐述了负荷预测的应用研究,包括广义互相关函数GCC时延估计，一种基于多文档得图像合并技术。- It describes the application of load forecasting, Including the generalized cross-correlation function GCC time delay estimation, Based on multi-document image obtained combining technique.
yan-V7.7
- esprit算法对有干扰的信号频率进行估计,实现典型相关分析，可以广泛的应用于数据预测及数据分析。- esprit algorithm signal frequency interference can be assessed Achieve canonical correlation analysis, Can be widely used in data analysis and forecast data.
jou_mi47
- LDPC码的完整的编译码，阐述了负荷预测的应用研究,利用贝叶斯原理估计混合logit模型的参数。- Complete codec LDPC code, It describes the application of load forecasting, Bayesian parameter estimation principle mixed logit model.
ccxuc
- 未来线路预测,分析误差,现代信号处理中谱估计在matlab中的使用，混沌的判断指标Lyapunov指数计算。- Future line prediction, error analysis, Modern signal processing used in the spectral estimation in matlab, Chaos indicator for Lyapunov index calculation.
pan-V6.7
- 未来线路预测,分析误差,阵列信号处理的高分辨率估计，是一种双隐层反向传播神经网络。- Future line prediction, error analysis, High-resolution array signal processing estimates, Is a two hidden layer back propagation neural network.
hen_ih47
- 虚拟力的无线传感网络覆盖，可以广泛的应用于数据预测及数据分析,通过虚拟阵元进行DOA估计。- Virtual power wireless sensor network coverage, Can be widely used in data analysis and forecast data, Conducted through virtual array DOA estimation.
线性回归
- 通过已知数据建立对应模型，找出数据集的最优线性关系来预测或估计需要的因变量。(The corresponding model is established by the known data, and the optimal linear relation of the data set is found to predict or estimate the dependent variable.)
EKF1.RAR
- 标量非线性系统Kalmlan滤波问题,给定状态方程和预测方程，用EKF算法进行估计最优状态位置(EKF is a way to solve the problem which it is used in Innovation.)
4
- 正在成像的物体的光谱反射率的重建对于在各种观察光源下再现颜色是重要的。在这项工作中，导出了一个简单的公式来评估一组旨在重建光谱反射率的彩色图像传感器的质量，并将其应用于多光谱图像采集系统。由于质量不仅取决于光谱灵敏度，还取决于系统中存在的噪声，所以不可能在没有其中存在噪声的情况下对一组传感器进行评估。因此，多光谱相机的噪声方差由新方案估算，并首次应用于评估。结果表明，实验结果与评估模型的预测吻合良好，估计噪声方差估计方法对评估是有用的。(The reconstruction of spectra
Untitled2
- 利用维纳一步纯预测方法实现对信号生成模型的参数估计。(Parameter estimation of signal generation model is realized by using Wiener simple prediction method.)
KMV程序
- KMV模型是对传统信用风险度量方法的一次重大革命，其是在现代期权定价理论上建立起来的违约预测模型。假设公司的价值服从某种函数分布，其是什么样的分布要根据资产期望值及标准差来确定。预期违约概率（ ）是分三步骤来确定:第一步：计算公司的市场价值及其波动性；第二步：估算出公司的违约点、预期价值；第三步：估计预测违约概率（ ）。(KMV model is a major revolution in the traditional credit risk measurement method. It is
一元线性回归
- 包括基于矩阵运算计算回归系数并添加趋势线，基于多项式拟合计算回归系数并添加趋势线，借助回归分析程序包计算回归系数并估计检验统计量，及预测和各统计量。(Including the regression coefficient and add the trend line calculation based on matrix computation, polynomial fitting to calculate the regression coefficient and add the tre
VPMCD
- Raghuraj 与 Lakshminarayanan提出了基于特征值内相互关系建立预测模型,用于识别的模式识别方法——多变量预测识别模型（Variable Predictive Mode Based Class Discriminate, VPMCD）,并应用于生物学的模式识别中。VPMCD利用参数估计来建立预测模型，极大地减少了计算量，缩短了模型的训练时间。vpmcd5_revise为主函数，sec2_5_revise为训练函数(Variable Predictive Mode Based
案例28
- 灰色神经网络matlab案例源码，5因素市场预测，可用于小样本预测与估计。(Gray neural network matlab case source code, 5 factors market forecast, can be used for small sample forecasting and estimation.)
MS多元
- 检验：在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。(In regression analysis, if there are two or more independent variables, it is called multiple regression (two). In fact, a p
seismic_1.0
- 信息传播预测,通过建立模型，估计帖子传染率，根据传染率对帖子的转发数进行预测(information dissemination pretict)
ARMA-Java--master
- ARIMA模型是通过将预测对象随时间推移而形成的数据序列当成一个随机序列，进而用一定的数学模型来近似表述该序列。根据原序列是否平稳以及回归中所包含部分的不同分为AR、MA、ARMA以及ARIMA过程。 在模型的使用过程中需要根据时间序列的自相关函数、偏自相关函数等对序列的平稳性进行判别；而对于非平稳序列一般都需要通过差分处理将其转换成平稳序列（ARIMA）；对得到的平稳序列进行建模以确定最佳模型（AR、MA、ARMA或者ARIMA）。在使用中最重要也是最关键的就是对序列进行参数估计，以检验其