3.1周期序列的离散傅立叶级数 3.1.1周期序列的傅立叶级数（DFS） 对于周期为N的周期序列 可用 基序列 { } 来展开

本问题是一个“有人管理分类问题”． 首先分别列举出 20 个学习样本序列中 1 字 符串、2 字符串、3 字符串出现的频率，构成含 41 个变量的基本特征集，接着用主成分分析 法从中提取出 4 个特征．然后用 Fisher 线性判别法进行分类，得出了所求 20 个人工制造序列 及 182 个自然序列的分类结果如下：

在对混沌时间序列与随机序列的不同特征进行分析的基础上,提出一种可对二者予以区分的判定算法.并结合具有优异特性的小波函数,构造一种小波神经网络.最终给出基于小波网络的集成的混沌时间序列判定一预测算法

研究了判断时间序列是否具有分形特征的几个参数:庞加莱映射、李雅普诺夫指数、关联维数、功率谱及赫斯特指数,分析了它们各自的优缺点,认为:在已知动力学系统时,使用庞加莱映射和李雅普诺夫指数就能准确地判断该时间序列是否分形;在不知道动力学系统时,使用功率谱及赫斯特指数更好些,最后给出了分形在时间序列分析中适用的场合

第一节主要介绍了时间序列分析和预测的基本方法。首先解释了时间序列的形态，常常通过它帮助我们考虑时间序列的四种独立成分：趋势、循环、季节和不规则。通过分离这些成分和测量它们的明显影响，可以预测时间序列的未来值。◼第二节主要介绍了回归分析预测法。市场活动中的许多现象也不例外，其变化与各种影响因素变化之间存在着一定的依存关系。回归分析预测法就是从各种经济现象之间的相互关系出发，通过对与预测对象有联系的现象变动趋势的分析，推算预测对象未来状态数量表现的一种预测方法

本文提出了辨识非线性动态系统的两个方法。非线性系统近似由线性动态系统和非线性部件组成。在所提出的二个方法中,m序列和逆重复m序列用于输入信号或相关信号,这些方法可用于估算高阶多项式非线性部件的全部系数,并有足夠多的脉冲响应栅点值。此外,所提出的方法还适于存在缓慢随机漂移干扰时的在线辨识。由辨识试验的数字模拟可以证实所提方法的正确性

◼ 方法性工具 ◼ ARMA模型 ◼ 平稳序列建模 ◼ 序列预测

第一节 时间序列基本概念 伪回归问题 随机过程的概念 时间序列的平稳性 第二节 时间序列平稳性的单位根检验 单位根检验 Dickey－Fuller检验 Augmented Dickey－Fuller检验 第三节 协整 协整的概念 协整检验 误差修正模型 第四节 案例分析

◼ 什么是基因组 ◼ 什么是基因 ◼ DNA测序的方法 ◼ DNA序列的组装 ◼ 人类基因组计划 ◼ 水稻基因组计划 ◼ 后基因组学 ◼ 寻找基因 ◼ 获取基因的全长cDNA序列 ◼ 确定DNA顺序中基因的位置 ◼ 研究基因的功能 ◼ 基因表达 ◼ 蛋白质组学

11.1 时间序列定义 11.2 时间序列模型的分类 11.3 Wold 分解定理 11.4 自相关函数（不讲理论，只分析特征） 11.5 偏自相关函数（不讲理论，只分析特征） 11.6 时间序列模型的建立与预测 11.7 案例分析（中国人口、粮食产量 ARIMA 模型） 11.8 回归与 ARMA 组合模型