初步研究神经网络模型的构造方法，并利用多输入单输出切比雪夫神经网络模型建立世界干散海运量各年的海运量预测模型解决具体问题
标签： 神经网络模型
上传时间： 2015-06-04
上传用户：ccclll
burg法估计AR（P)模型参数的算法。里面ef是前项误差bf是后项误差，mse是预测误差的均方值。程序的最后输出的是把各阶预测误差放在一个下三角距阵中
上传时间： 2013-12-20
上传用户：wmwai1314
java实现的隐马尔科夫模型，实现训练和预测
上传时间： 2013-12-10
上传用户：gundamwzc
GM(1,1)模型1-4 1：GM(1,1)模拟模型，在matlab中的输入方法为gm1（x），x指要模拟的序列。 2：GM(1,1)预测模型，在matlab中的输入方法为gm2（x，K），x指要模拟的序列，K指从以后序列第一个数据算起的第k个待预测数据。 3：GM(1,1)群模拟模型，在matlab中的输入方法为gm3（x），x指要模拟的序列。 4：GM(1,1)群预测模型，在matlab中的输入方法为gm4（x，K），x指要模拟的序列，K指从以后序列第一个数据算起的第k个待预测数据。 gm4对序列趋势比较好的数据预测效果较好，对上下变动的数据，特别是后4个数据趋势跟前面的数据相反的，预测效果很差。 gm2对上下变动的数据，预测效果比gm4好，但对趋势较好的数据，预测精度没有gm4高。 gm3比gm1模拟精度要高。 可以以x=[1 3 5 7 9 11 13 15]进行实验。x输入默认行向量。 所有程序在matlab6.0上调试通过。
上传时间： 2013-11-29
上传用户：jackgao
一、 一元三次回归方程 CubicMultinomialRegress.cs 方程模型为Y=a*X(3)+b*X(2)+c*X(1)+d public override double[] buildFormula() 得到系数数组，存放顺序与模型系数相反，即该数组中系数的值依次是d,c,b,a。 以后所述所有模型的系数存放均与此相同（多元线性回归方程除外）。 public override double forecast(double x) 预测函数，根据模型得到预测结果 public override double computeR2() 计算相关系数（决定系数），系数越接近1，数据越满足该模型。
标签： CubicMultinomialRegress override public double
上传时间： 2015-11-25
上传用户：13215175592
指数回归方程 ExponentRegress.cs 方程模型为 public override double[] buildFormula() 得到系数数组，存放顺序与模型系数相反，即该数组中系数的值依次是b,a。 public override double forecast(double x) 预测函数，根据模型得到预测结果。 public override double computeR2() 计算相关系数（决定系数），系数越接近1，数据越满足该模型。
标签： ExponentRegress buildFormula override public
上传时间： 2013-12-20
上传用户：xg262122
双曲线回归方程 HyperbolaRegress.cs 注意！该模型要求a与b的值要大于0！使用该模型时应注意验证这个限制条件。我在实现模型时未加入任何出错流程控制。X不能为0。 方程模型为 public override double[] buildFormula() 得到系数数组，存放顺序与模型系数相反，即该数组中系数的值依次是b,a。 public override double forecast(double x) 预测函数，根据模型得到预测结果。 public override double computeR2()
标签： HyperbolaRegress 模型 方程 cs
上传时间： 2014-11-30
上传用户：youke111
对数回归方程 LogarithmRegress.cs 方程模型为 Y=a*LnX+b public override double[] buildFormula() 得到系数数组，存放顺序与模型系数相反，即该数组中系数的值依次是b,a。 public override double forecast(double x) 预测函数，根据模型得到预测结果。 public override double computeR2() 计算相关系数（决定系数），系数越接近1，数据越满足该模型。
标签： LogarithmRegress buildFormula override public
上传时间： 2014-01-23
上传用户：330402686
摘要：基于语音状态模型的语音增强算法是当前语音信号处理的研究热点。把通常的LPC语音模型修正后，将得到两个语音模型：时变AR 模型、时变双AR模型。但是利用这些模型增强语音时，都没有考虑到语音的清音、浊音区别。为此本文引入了语音清浊音状态空间模型，这种模型在描述语音方面比时变AR模型、时变双AR模型要强，而且物理含义明显 同时在用含噪语音信号预测纯净语音信号时，引入遗忘因子和粒子滤波算法以降低计算复杂性，减小运算量。实验证明，增强后的语音信号信噪比有一定提高．且优于传统的LPC模型.
上传时间： 2015-12-25
上传用户：我们的船长
灰色预测GM（1，1）模型的matlab源代码，包括预测模型的建立，以及模型的精度检验指标c,p的计算
标签： 灰色预测
上传时间： 2013-12-19
上传用户：vodssv
