QSerial_port.zip
Qt实现串口通信(C++实现串口通信小助手)---串口收发及串口数据解码、串口通信模拟器。本资源基于Qt实现串口通信小助手,包含串口通信的收发,解码、以及发报模拟器,其中发报和收报均具备文本和16进制数据的显示和发送,同时也进行了接收报文的字节数统计,及选取txt文件进行模拟串口发报功能,其中串口模拟器功能通过选取一个txt文件,该txt文件将16进制的数存储在一行中,然后以每秒40字节长度进行发报。(注意txt格式中的换行查看并不代表数据是换行的,所为一行数据指数据中不包含换行符号)
PrefixSpan.ppt
该PPT中的内容以prefixspan为基础详细讲解了算法的原理,及前缀,投影,后缀,以及相关延伸的freeSpan等算法的原理,PPT文档共31页。
PrefixSpan-py-master.zip
该代码中包含一系列的序列模式挖掘算法,从最原始的prefixspan逐渐简化,每个算法有不同的功能,程序中只需要调用相关的函数就可以实现,该程序是基于python来实现,基本涵盖了典型的序列模式挖掘算法,能够实现序列模式挖掘,连续模式挖掘,公共子序列挖掘。
granger_cause.m
格兰杰因果检验是由格兰杰提出的一种基于统计学的因果检验方法,该方法可以用于判断两个时间序列的因果关系,通过F检验与置信度进行判别时间序列x与y之间的相互因果关系来完成,程序中采用BIC原则来自适应时间序列所选取的最佳迭代长度。
基于python中的sklearn.cluster库做k-means聚类
本程序是在python中完成,基于sklearn.cluster中的k-means聚类包来实现数据的聚类,对于里面使用的数据格式如下:(注意更改程序中的相关参数)
138 0
124 1
127 2
129 3
119 4
127 5
124 6
120 7
123 8
147 9
188 10
212 11
229 12
240 13
240 14
241 15
240 16
242 17
174 18
130 19
132 20
119 21
48 22
37 23
49 0
42 1
34 2
26 3
20 4
21 5
23 6
13 7
19 8
18 9
36 10
25 11
20 12
19 13
19 14
5 15
29 16
22 17
13 18
46 19
15 20
8 21
33 22
41 23
69 0
56 1
49 2
40 3
52 4
62 5
54 6
32 7
38 8
44 9
55 10
70 11
74 12
105 13
107 14
56 15
55 16
65 17
100 18
195 19
136 20
87 21
64 22
77 23
61 0
53 1
47 2
33 3
34 4
28 5
41 6
40 7
38 8
33 9
26 10
31 11
31 12
13 13
17 14
17 15
25 16
17 17
17 18
14 19
16 20
17 21
29 22
44 23
37 0
32 1
34 2
26 3
23 4
25 5
25 6
27 7
30 8
25 9
17 10
12 11
12 12
12 13
7 14
6 15
6 16
12 17
12 18
39 19
34 20
32 21
34 22
35 23
33 0
57 1
81 2
77 3
68 4
61 5
60 6
56 7
67 8
102 9
89 10
62 11
57 12
57 13
64 14
62 15
69 16
81 17
77 18
64 19
62 20
79 21
75 22
57 23
73 0
88 1
75 2
70 3
77 4
73 5
72 6
76 7
76 8
74 9
98 10
90 11
90 12
85 13
79 14
79 15
88 16
88 17
81 18
84 19
89 20
79 21
68 22
55 23
63 0
62 1
58 2
58 3
56 4
60 5
56 6
56 7
58 8
56 9
65 10
61 11
60 12
60 13
61 14
65 15
55 16
56 17
61 18
64 19
69 20
83 21
87 22
84 23
41 0
35 1
38 2
45 3
44 4
49 5
55 6
47 7
47 8
29 9
14 10
12 11
4 12
10 13
9 14
7 15
7 16
11 17
12 18
14 19
22 20
29 21
23 22
33 23
34 0
38 1
38 2
37 3
37 4
34 5
24 6
47 7
70 8
41 9
6 10
23 11
4 12
15 13
3 14
28 15
17 16
31 17
39 18
42 19
54 20
47 21
68 22
python内置K-means聚类算法对鸢尾花数据的聚类情况
上述代码是利用python内置的k-means聚类算法对鸢尾花数据的聚类效果展示,注意在运行该代码时需要采用pip或者其他方式为自己的python安装sklearn以及iris扩展包,其中X = iris.data[:]表示我们采用了鸢尾花数据的四个特征进行聚类,如果仅仅采用后两个(效果最佳)则应该修改代码为X = iris.data[2:]
格兰杰因果关系判别(BIC自适应获取构建模型所需时间序列长度)
格兰杰因果关系(Granger causality)是以统计假设检验为基础的,这一观点认为因变量能够帮助目标变量进行预测。更具体地说,如果根据变量x和变量y的过去值的y的自回归模型比仅基于y的过去值的y的自回归模型有更准确的预测结果,那么变量x与变量y满足格兰杰因果关系。该过程中同样采用了BIC方式来迭代获取用于构建最优模型所需要的时间序列过去时刻的长度(lag)
经典SAX符号化算法
经典的时间序列符号化算法SAX,该算法通过将一条时间序列等区间划分,利用每个区间的均值代表该区间序列,进而采用相应的符号进行描述,该算法可以实现时间序列的符号化表示,达到降维的目的,并能够通过MATLAB进行可视化描述