3D-MICE：横截面和纵向插补的整合 要求 代码是用R编写的。 开始使用 要训​​练，跑步（最好以R减价跑步） source('tempMICEGPEvalTr.R') 这是一个包装器代码，调用各种子例程来生成训练数据，掩盖缺失值并执行3D-MICE插补，每个步骤都包装在其自己的R源文件中，并且应该是不言自明的。 同样地，进行训练，跑步（最好以R降级的方式跑步） source('tempMICEGPEvalTe.R') 引文 @article{luo20173d, title={3D-MICE: integration of cross-sectional and longitudinal imputation for multi-analyte longitudinal clinical data}, author={Luo, Yuan and Szolovits, Pe

这个matlab文件是通过计算均值和协方差矩阵的多变量高斯概率密度函数

影响股票交易与价格的因素变量分析.pdf

当面临许多变量时，很自然的要进行变量的初次筛选，以便减缓后续的建模计算压力。本文提出了一种新的有效的变量选择方法，不依赖于模型的清晰指定，故而具有很大的灵活性与适应范围。

MvCAT 是在 Matlab 中作为用户友好的工具箱（软件）开发的，可帮助科学家和研究人员进行严格而全面的多元相关性分析。 它使用具有1至3个参数的26个系动词科来描述两个随机变量的依存结构。 MvCAT使用局部优化以及贝叶斯框架内的马尔可夫链蒙特卡罗模拟，通过将copula系列与可用数据进行对比来推断copula系列的参数值。 如果使用 MCMC 模拟进行贝叶斯分析，则可以从 copula 参数的后验分布中获得每个 copula 族的不确定性估计。 贝叶斯框架内的 MCMC 不仅提供了对全局最优值的稳健估计，而且还近似了 copula 族的后验分布，可用于构建 copula 的预测不确定性范围。 局部优化方法容易陷入局部最优（有关更多信息，请参见 Sadegh 等人，2017）。 用户可以选择可用的 26 个 copula 的任何子集，MvCAT 将执行分析并根据它们的性能对选定的 c

函数“TruthTable.m”专门用于为“N”个输入变量生成逻辑组合真值表矩阵。 例如： 要使用此函数查找 N=3 的逻辑真值表矩阵： 在命令行窗口中输入： 真值表(3) 并按回车键。 限制：执行更高的“N”值需要相当长的时间。

matlab非参数代码收益率曲线和宏观经济相互作用：来自非参数函数滞后回归方法的证据。 论文支持材料：Rubin, T. arXiv:2007.02763 (2020) A. 内容 该存储库包含美国国债收益率曲线对美国经济宏观经济变量的依赖分析：工业生产的年度变化、年度通货膨胀率和联邦基金利率。 该方法遵循新颖的非参数工具箱，用于稀疏观察到的功能时间序列的频谱分析。 有关方法论和分析的详细信息，请参见 [1]。 本案例研究的代码可在 GitHub [2] 上公开获得。 master ：该文件夹包含所有用于估计、预测和回归处理稀疏观测函数时间序列的函数。 demo.m ：运行此脚本以查看案例研究结果的可视化。 us_macro.xlsx和us_yields.xlsx ：美国国债收益率曲线和宏观经济变量的数据。 B. 要求 这些脚本是用 MATLAB 编写的，并在其版本 R2018a 中运行/测试。 模拟需要包“fdaM”()。 包包含在主文件夹中。 C. 用法 个人可以自由地将代码用于学术研究，前提是得到适当的承认。 对于任何其他用途，必须首先与作者安排许可。 除非另有说明，代码作者为T

ˇ GDA（GJoy Dex分析仪） GDA是新的Dalvik字节码反编译器，以C ++实现，具有以下优点：分析速度更快，内存和磁盘消耗更低，并且反编译APK，DEX，ODEX，OAT文件的能力更强（自3.79开始支持JAR，CLASS和AAR文件） 。 GDA完全独立，并且无需安装Java VM即可运行，因此无需任何额外配置即可在任何新安装的Windows系统和虚拟机系统中正常运行。 GDA Decompiler项目始于2013年，2015年在发布了其第一个版本1.0。 GDA还是一个功能强大且快速的反向分析平台。 它不仅支持基本的反编译操作，而且还具有许多出色的功能，例如恶意行为检测，隐私泄漏检测，漏洞检测，路径解决，打包程序标识，变量跟踪分析，反混淆，Python和Java脚本，设备内存提取，数据解密和加密等 所有出色的功能如下：

多变量非线性控制的逆系统方法

高尔顿板模型与试验 高尔顿板实验.swf 导入