Advertisement

GP算法的关联维计算，现已提供Matlab程序（升级版，包含Mex函数，具有超快的速度）。

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

简介：
该GP算法的关联维计算Matlab程序（升级版）已开发完成，并提供了一个便捷的Mex函数，其运行速度极快。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 改进版GP算法计算关联维的Matlab程序（含mex函数，运行极速）
    优质
    本作品提供了一种优化后的GP算法Matlab实现，用于高效计算时间序列数据的关联维数。引入了mex编译加速技术，大幅提升了程序执行速度，适用于复杂数据分析场景。 GP算法计算关联维的Matlab程序（升级版），使用mex函数实现，运行速度非常快。
     
  • 基于G-P算法计算关联维的Matlab程序（mex版本）
    优质
    本简介介绍了一款基于G-P算法计算关联维数的MATLAB程序插件，采用Mex编译，能够高效地分析复杂系统中的混沌行为和数据集的内在维度。 G-P算法计算关联维的Matlab程序(mex版) 文件说明： 1. GP_Algorithm_main.m - 程序主文件 2. LorenzData.dll - 产生Lorenz离散数据 3. normalize_1.m - 数据归一化 4. correlation_interal.c - 计算关联积分的源代码文件 5. correlation_interal.dll-计算关联积分的mex文件
     
  • 用于计算关联维数的MATLAB程序
    优质
    本简介介绍一款MATLAB程序，专门用于计算时间序列数据的关联维数，适用于混沌系统分析和复杂性研究。 本程序用于计算分形参数的关联维数，经过完整测试确认可用。网上的许多资源都是不完整的版本。我整合了自己的代码和网上找到的内容，确保了该程序的完整性与实用性。
     
  • Mex-YOLOv3: 快速的Mex-Yolov3-MATLAB实现 - MATLAB开发
    优质
    Mex-YOLOv3是一款基于MATLAB环境快速实现的目标检测工具箱。它将YOLOv3算法与MATLAB高效结合，提供了一种灵活且高效的深度学习解决方案，适用于多种图像识别场景。 这个版本是yolov3的mex版本，速度非常快！在matlab中使用请参考“main_yolov3_demo.m”文件。
     
  • 时间序列关联维数的快速计算方法及其应用（2007年）
    优质
    本文提出了一种用于计算时间序列关联维数的高效算法，并探讨了该方法在不同领域中的具体应用。通过实例分析展示了其优越性与实用性。 为了解决关联维数计算耗时过长的问题，通过改进点对距离的度量方法，并采用K-NN技术进行点对搜索，实现了快速计算关联维数的目标，从而显著提升了计算速度。实验结果显示：对于长度为20,480的时间序列数据，使用该快速算法计算关联维数所花费的时间仅为传统G-P算法的1/60。
     
  • 提供fileassoc.m函数以实现MATLAB的M文件关联
    优质
    本资源提供了MATLAB脚本fileassoc.m，用于设置Windows系统中对.M文件的默认打开方式为MATLAB应用程序，方便用户直接运行和编辑MATLAB程序。 从 MATLAB 2015a 开始的版本不再包含 fileassoc.m 文件，执行 fileassoc 函数会提示找不到该函数。这里提供一个替代文件，可以实现文件关联功能。
     
  • MATLAB中使用GP法求解关联维数
    优质
    本简介介绍如何在MATLAB环境中应用盒计数（GP）方法来估算时间序列数据或吸引子的关联维度，深入探讨了该技术背后的理论及其编程实现。 GP法可以用于求解关联维，在Matlab中可以通过这种方法计算嵌入维m和关联维D。
     
  • Voigt函数的有理逼近：基于Matlab的快速精确计算方法
    优质
    本文提出了一种基于Matlab的高效算法，用于Voigt函数的有理逼近，实现了快速且高精度的数值计算。 该函数文件用于快速准确地计算Voigt函数的子程序。它涵盖了使用HITRAN分子光谱数据库的应用所需的实际兴趣领域0 < x < 40,000 和10^-4 < y < 10^2。在这一区域内，平均精度为10^-14。使用opt = 1 可以获得更准确的结果，而使用 opt = 2 则可以实现更快的计算速度。默认情况下，opt 设置为 1。
     
  • 基于MATLAB的关联维算法实现
    优质
    本简介讨论了在MATLAB环境下开发和应用关联维算法的过程。通过该工具，研究者能够有效地分析复杂系统的混沌特性，并为相关领域的深入探索提供有力支持。 关联维可以通过计算关联积分得出。随着r的减小，相关的点对数量会减少。由于关联维只需要少量的数据量、计算量以及有效的算法间接性，非常适合用于分析实验数据。
     
  • MATLAB中的G-P算法求解关联维数（已调试）.rar
    优质
    本资源提供了一种利用MATLAB实现G-P算法计算时间序列数据关联维数的方法。内含详细注释与测试通过的代码，适用于研究混沌系统及复杂性分析。 关联维数不仅在相空间重构过程中用于求解嵌入维数，还在机械故障诊断中发挥了重要作用。目前计算关联维数的主要方法是GP算法。此外，已调试好的MATLAB代码可以供直接使用。