【疑问】关于C_C算法的效率问题
使用C_C算法求混沌序列的时延tau，发现不同程序之间的效率相差极大！1. 首先使用yuling在这个帖子中分享的程序。
max_d=200
算长度为500的序列用了10.5秒；1000个数据用了40.5秒；2000数据用了167秒。
可以估计下，如果用500*N个数据测算，那么花的时间是2^N*10.5秒，这就解释了昨晚我花了5个小时来算10000个点，都没有出结果，因为这需要（2^20*10）秒，俨然是个天文数字。
2. 今天早上改用陆振波工具箱里的程序，发现效率非常的高，算40000个点大约只用了10分钟，5000以内基本能在1分钟之内算出来。
请问为什么算法一样，效率确会差这么大呢？
由于陆振波的代码不开源，在此求一个效率更高的CC算法的程序，matlab或者c都行，小弟先行谢过~~
yuling的程序：
function =C_CMethod(data,max_d)
% 本函数用于求延迟时间tau和时间窗口tw
% data：输入时间序列
% max_d：最大时间延迟
% Smean，Sdeltmean,Scor为返回值
% tau：计算得到的延迟时间
% tw：时间窗口
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);
Scor=zeros(1,max_d);
sigma=std(data); %计算序列的标准差
% 计算Smean,Sdeltmean,Scor
for t=1:max_d
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
%计算C(1,N/t,r,t),相当于调用Cs1(tau)=correlation_integral1(Y,r)
Cs1(tau)=0;
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
% 寻找时间延迟tau：即Sdeltmean第一个极小值点对应的t
for i=2:length(Sdeltmean)-1
if Sdeltmean(i)<Sdeltmean(i-1)&Sdeltmean(i)<Sdeltmean(i+1)
tau=i;
break;
end
end
% 寻找时间窗口tw：即Scor最小值对应的t
for i=1:length(Scor)
if Scor(i)==min(Scor)
tw=i;
break;
end
end 同问，求一个可用于计算嵌入维和延迟时间的c-c代码参考一下。 沐雨柠檬 发表于 2013-7-24 15:05 static/image/common/back.gif
同问，求一个可用于计算嵌入维和延迟时间的c-c代码参考一下。
哪位高手大侠好心人请发到10914439@qq的信箱里。不胜感激。 沐雨柠檬 发表于 2013-7-24 15:06 static/image/common/back.gif
哪位高手大侠好心人请发到10914439@qq的信箱里。不胜感激。
论坛里貌似有，我先找找看。
页:
[1]