%C-C法子函数

function [Smean,Sdeltmean,Scor,tau,tw]=C_CMethod(data,max_d)               %原理参考:吕金虎-混沌时间序列分析及其应用——P67-70

N=length(data);                                                            %时间序列的长度

Smean=zeros(1,max_d);                                                      %初始化矩阵

Scmean=zeros(1,max_d);                                                     %C_CMethod 经使用后证实可以运行,不过其中有一个小错误,在初始化矩阵的位置要把Scmean改为Sdeltmean

Scor=zeros(1,max_d);

sigma=std(data);                                                           %计算序列的标准差

for t=1:max_d                                                              %计算Smean,Sdeltmean,Scor

S=zeros(4,4);

Sdelt=zeros(1,4);

for m=2:5

for j=1:4

r=sigma*j/2;

Xdt=disjoint(data,t);                                          %将时间序列data分解成t个不相交的时间序列

s=0;

for tau=1:t

N_t=floor(N/t);                                            %分成的子序列长度

Y=Xdt(:,tau);                                              %每个子序列

Cs1(tau)=0;                                                %计算C(1,N/t,r,t),相当于调用Cs1(tau)=correlation_integral1(Y,r)

for ii=1:N_t-1

for jj=ii+1:N_t

d1=abs(Y(ii)-Y(jj));                               %计算状态空间中每两点之间的距离,取无穷范数

if r>d1

Cs1(tau)=Cs1(tau)+1;

end

end

end

Cs1(tau)=2*Cs1(tau)/(N_t*(N_t-1));

Z=reconstitution(Y,m,1);                                   %相空间重构

M=N_t-(m-1);

Cs(tau)=correlation_integral(Z,M,r);                       %计算C(m,N/t,r,t)

s=s+(Cs(tau)-Cs1(tau)^m);                                  %对t个不相关的时间序列求和

end

S(m-1,j)=s/tau;

end

Sdelt(m-1)=max(S(m-1,  :  ))-min(S(m-1,  :  ));                            %差量计算

end

Smean(t)=mean(mean(S));                                                %计算平均值

Sdeltmean(t)=mean(Sdelt);                                              %计算平均值

Scor(t)=abs(Smean(t))+Sdeltmean(t);

end

for i=2:length(Sdeltmean)-1                                                %寻找时间延迟tau:即Sdeltmean第一个极小值点对应的t

if Sdeltmean(i)

tau=i;

break;

end

end

for i=1:length(Scor)                                                       %寻找时间窗口tw:即Scor最小值对应的t

if Scor(i)==min(Scor)

tw=i;

break;

end

end

%**************************************************************************

我的程序:

clc;clear;close all;

data=xlsread('Sunspot_17531_200112.xlsx');

d0=data(:,3);

figure;plot(d0,'r');grid on;xlabel('时间/月');

ylabel('太阳黑字数');title('1753年1月--2001年12月太阳黑子曲线图');

%--------------------------------------------------------------------------

[Smean,Sdeltmean,Scor,tau,tw]=C_CMethod(d0,400);                           %tau=31,tw=81,m=4这样的结果与书上m=8不相符合?????

这个怎么办呢?

附件是所有涉及到的程序(其中xlsx为太阳黑子月度数据,数据的第三列是月度数据,第四列是方差)

c语言混沌序列,混沌时间序列的C-C法计算太阳黑子月度数据的tau和tw与书上的不同,咋么办?...相关推荐

  1. R语言水文序列突变点检验之滑动平均差法

    刚入手R语言,代码有些无脑,仅做参考. 以某站44年年径流系列为例,分析序列的突变点. 下面展示一些 内联代码片. #滑动平均差法 Q <- read.csv("D:/1Study/T ...

  2. 混沌序列 java,基于Logistic映射混沌加密算法的研究_韩凤英

    第7卷第1期长沙航空职业技术学院学报 Vo1.7No .1 2007年3月 CHANGS HA AERO NAUT I CAL VOCATI ONAL AND TECHN I CAL COLLEGE ...

  3. Logistic混沌序列加密

    Logistic混沌置乱,先不说有多复杂,其实很简单. Logistic函数是源于一个人口统计的动力学系统,其系统方程形式如下:  X(k+1) = u * X(k) * [1 - X(k)],(k= ...

  4. 混沌序列加密matlab,基于三维Lorenz混沌系统和Matlab仿真工具实现混沌数字视频加密...

    近年来,混沌保密及其应用成为了信息安全领域的一个研究重点,特别是混沌数字图像.语音及视频加密问题引起了研究者的极大关注.但目前对混沌保密的研究主要局限于数字图像和语音的加密,而对于有关视频加密的研究却 ...

  5. 基于Logistic混沌序列和DNA编码的图像加解密算法仿真

    目录 1.算法概述 2.仿真效果 3.MATLAB仿真源码 1.算法概述 离散的Logistic映射对初值和结构参数的改变具有极端的牧感性,在一定条件下能够产生混沌,并且产生的混沌序列具有类白噪声统计 ...

  6. 【图像加密】图像处理之Logistic混沌序列加密

    前言:本文原发表在新浪博客http://blog.sina.com.cn/s/blog_b27f71160101h5bm.html,现新浪博客将其搬家至CSDN,原新浪博客停止更新. ①申请搬家后,迟 ...

  7. 基于Logistic混沌序列图像加密

    Logistic映射方程形式如下: X k + 1 = u X k ( 1 − X k ) , ( k = 1 , 2 , 3 - ) X_k+1 = uX_k ( 1- X_k),(k=1,2,3- ...

  8. 【混沌加解密调制解调】基于FPGA的混沌自同步混沌数字保密通信系统

    1.软件版本 quartusii12.1 2.本算法理论知识 本系统的基本结构,我们遵循你所提供的结构进行,整个框图如下所示: 各个部分的功能如下: 加密算法模块采用异或运算,它将来自信源编码的二进制 ...

  9. R语言学习之xts时间序列

    可扩展的时间序列xts R的极客理想系列文章,涵盖了R的思想,使用,工具,创新等的一系列要点,以我个人的学习和体验去诠释R的强大. R语言作为统计学一门语言,一直在小众领域闪耀着光芒.直到大数据的爆发 ...

最新文章

  1. spring-redis-data的一个坑
  2. 前端开发使用工具 gulp
  3. 如何实现一个java窗口_如何实现多个弹出窗口?
  4. JDBC入门案例及相关API概述
  5. 去除list集合中重复项的几种方法
  6. Java 即将迎来转折点?
  7. python黑色背景_如何去除Matplotlib图中的黑色背景
  8. ES6_字符串模板以及其使用
  9. 特斯拉造人、小鹏骑马、小米遛狗,准车企们为何集体盯上了机器人生意?
  10. matlab双立方插值法_双三次插值(Bicubic interpolation)缩放图片
  11. 索益Mike的excel商品操作
  12. 介绍数据库中的wal技术_简介事务ACID的实现机制
  13. python下批量修改图片格式和大小
  14. 制作网站需要什么技术呢?
  15. 有关公司治理的一些收获
  16. C/C++中的逻辑右移和算术右移
  17. 小程序发布上线流程_微信小程序发布流程:公司、个人如何注册小程序
  18. c语言以字符输出88,C语言88案例完整版
  19. anyRTC2020年 年终总结
  20. Android四大组件和启动模式(面试总结)

热门文章

  1. 利用计算机软件模拟光栅衍射实验,光栅衍射实验的MATLAB仿真学案.doc
  2. win10重置网络命令_win10如何重置网络设置
  3. IAR Error[Li006]: duplicate definitions for “g_stLosVersion“;
  4. 安卓版Edge设置默认显示为电脑版布局
  5. 问题1484:小鱼的刷剧时光
  6. 微信模板信息群发实现
  7. java--面向对象之oracle 超市(初学者)
  8. 教育培训app开发过程中有哪些难点?应如何解决?
  9. android设置系统锁屏时间或屏保显示时间
  10. BM与V神再次交锋 EOS针对DPOS BFT共识机制做出改进