Advertisement

期权MATLAB代码中的AHBA处理。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
该存储库包含用于重现一系列分析的Matlab代码，这些分析涉及处理艾伦人脑图谱（AllenHumanBrainAtlas）中的基因表达数据，并执行一系列评估不同处理方案效果的运算。这些Matlab代码已通过Matlab2016b、2017b和2018a版本进行了验证。请在引用此代码时，务必参考随附的文件：A.Arnatkeviciute，BDFulcher和A.Fornito发表于NeuroImage. 189：353（2019）的文章。为了保证代码的准确性，变更记录显示，代码及相关数据已于2020年4月7日更新。在cust100和cust250分区中，我们发现存在一些细微的不准确之处，因此生成了新的随机碎片，每个半球包含100个和250个区域，并相应地更新了数据。如果您之前使用了cust100和cust250分区的数据，建议您参考此次更新后的版本。此外，在2018年8月28日的一次更新中，解决了ROIx基因矩阵中基因排序与probeInformation结构中提供的基因信息不匹配的问题。如果您的数据处理操作发生在这一日期之前，请使用最新的代码重新进行处理。请联系A

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 期权MATLAB代码-AHBA处理
    优质
    这段内容介绍了一套专门用于期权分析与定价的MATLAB代码集，采用了AHBA（自适应高阶贝叶斯逼近）算法进行数据处理和模型优化，为金融工程师及学者提供了一个强大的研究工具。 该存储库提供了Matlab代码以重现一系列分析，涉及处理艾伦人脑图谱（Allen Human Brain Atlas）中的基因表达数据，并运行多种分析来评估不同处理选择的效果。这些代码已在Matlab 2016b、2017b 和 2018a 版本中进行了验证。如果您使用此代码，请引用我们的随附文件。 变更记录： 注意：在2020年4月7日，我们更新了代码和相应的数据，因为发现cust100和cust250分区存在一些不准确之处。为此生成了每个半球包含100个区域（new_cust100）和250个区域（new_cust250）的新随机碎片，并相应地更新了数据文件。 注意：代码已于 2018年8月28日 更新，解决了在 ROIx 基因矩阵中的基因排序与 probeInformation 结构中提供的信息不符的问题。如果您在此日期之前处理过数据，请使用更新后的版本重新进行分析。
     
  • MATLAB中的期权定价代码
    优质
    本代码为使用MATLAB编写的金融工程工具，专注于计算各种类型期权的价格。通过Black-Scholes模型及其他算法实现对欧式和美式期权的精准估值，适用于学术研究与实践操作。 利用BS模型计算欧式看涨期权的标准价格是一种重要的金融工程方法。对于初次学习的研究者而言，这种方法的理论基础和实际操作步骤都需要清晰的理解与掌握。通过实证研究可以更好地理解该模型的应用价值及其在不同市场条件下的表现。
     
  • MATLAB中的期权蒙特卡洛模拟代码
    优质
    本简介提供了一段用于在MATLAB中进行期权定价的蒙特卡洛模拟代码。该程序通过随机抽样预测金融衍生品价格变动，适用于学术研究和实践应用。 期权蒙特卡洛模拟定价的代码可以用MATLAB编写。这种技术通过生成大量可能的价格路径来估计期权的价值。在MATLAB环境中实现这一方法需要对金融数学和随机过程有一定的理解，并且熟悉该编程语言的相关函数库。此代码能够帮助用户更好地理解和应用蒙特卡洛模拟在期权定价中的作用，但使用者也需要确保所用参数设置的合理性和模型假设的有效性以得到准确的结果。
     
  • MATLAB中的期权蒙特卡洛模拟代码.zip
    优质
    该资料包提供了一段用于执行期权定价蒙特卡洛模拟的MATLAB代码，适用于学习金融工程和随机计算方法的学生及从业者。 期权蒙特卡洛模拟（MATLAB）代码.zip
     
  • 灰度处理的加权平均法 MATLAB 代码.m
    优质
    本MATLAB脚本实现了一种基于加权平均的图像灰度处理方法，通过调整权重参数优化图像对比度和细节，适用于图像预处理和特征提取等场景。 运用加权平均算法对图像进行灰度处理的MATLAB代码，考虑光照对人眼的影响。
     
  • 期权Matlab代码-gnssIR_matlab_v3：面向Matlab用户的新版gnssIR代码
    优质
    期权Matlab_code_gnssIR_matlab_v3是专为Matlab用户设计的最新版本gnssIR工具包，提供先进的GNSS反射信号处理功能。 预算MATLAB代码gnssIR_matlab_v3更新：2020年4月11日，我更新了get_navfile.m。这消除了以前对导航档案（UNAVCO）的较差选择，并提供了两个更好的新档案：CDDIS和NGS。和以前一样，它还会检查SOPAC。该代码基于先前发布在GPS解决方案和GPS工具箱中的MATLAB库版本，此版本也托管在此GitHub帐户中。我尝试使用版本3使代码更适合常规分析，并且更类似于Python代码。尚无RH点校正。有一个简单的折射校正，您可以在主代码中打开/关闭。 警告：这些代码不计算土壤湿度。 安装代码： 1. 定义三个环境变量：EXE、ORBITS和REFL_CODE； 2. EXE用于指定非MATLAB可执行文件的位置； 3. ORBITS指明GPS/GNSS轨道存储位置； 4. REFL_CODE定义反射代码文件（SNR文件和结果）的存放路径。 此外，还需要定义wget可执行文件并将其作为环境变量WGET来设置。我的RINEX转换器在GitHub账户中可用。如果您使用的是PC或MacOS上的Linux系统，我将在有机会的情况下发布相关静止版本。
     
  • Matlab中的地理加权回归(GWR)代码
    优质
    本段落介绍了一套用于在MATLAB环境中执行地理加权回归（GWR）分析的代码。这套工具包旨在帮助研究人员和分析师探索空间数据中变量关系的空间非平稳性，适用于城市规划、环境科学等领域的研究。 该代码利用Matlab实现了地理加权回归，并包含实际算例。
     
  • Matlab中的地理加权回归(GWR)代码
    优质
    本简介介绍如何在MATLAB中编写和使用地理加权回归（GWR）模型的代码。通过实例演示其安装、参数设定及应用过程，适合研究空间数据相关性的科研人员参考学习。 地理加权回归（GWR）的MATLAB代码已亲测可用，并且性价比高。
     
  • Matlab中的地理加权回归(GWR)代码
    优质
    这段简介可以这样写： 简介：本资源提供了一套详细的MATLAB脚本和函数，用于执行地理加权回归（GWR）分析。通过灵活地调整带宽和其他参数设置，用户能够深入探究空间数据中的局部关系模式，适用于城市规划、环境科学等领域的研究与应用。 该代码利用MATLAB实现了地理加权回归，并包含实际算例。
     
  • MATLAB中的光谱预处理代码
    优质
    本代码集合专注于使用MATLAB进行光谱数据分析的预处理步骤，包括但不限于基线校正、标准化和光滑操作，旨在提升数据质量和分析准确性。 光谱预处理代码的Matlab实现方法有很多资源可以参考学习。在进行光谱数据分析或相关研究项目时，使用合适的预处理步骤对于提升后续分析结果的质量至关重要。这些步骤可能包括但不限于基线校正、平滑去噪以及标准正常化等技术的应用。 为了帮助大家更好地理解和应用这些技术，在这里简要介绍几种常用的Matlab编程实现方式： 1. 基于多项式拟合的基线校正方法，可以通过调整参数来自适应地去除光谱数据中的背景干扰。 2. 利用滑动窗口平均或Savitzky-Golay滤波器进行平滑处理，可以有效减少噪声对信号的影响。 3. 对比度增强、多元散射校正等变换手段能够进一步优化特征提取效果。 以上仅为概述性描述，并未提供具体代码示例。实际操作时建议根据具体情况选择合适的方法并编写相应程序加以实现。