时间序列预测算法。支持5种常见的算法 移动平均 非线性回归 指数平滑等

				function Main
				% Main route
				% Include the Five Method
				% 指数平滑
				% AR
				% MA
				% ARMA
				% 非线性回归
				
				flag = 1;
				
				while flag == 1
				    disp('时间预测算法：指数平滑， 图像特征增强，图像分辨率增强，图像融合!');
				    disp(' ');
				    disp('图像去噪');
				    disp('contourlet硬阈值去噪----------------------------------------- 1');
				    disp('contourlet软阈值去噪----------------------------------------- 2');
				    disp('contourlet循环平移硬阈值去噪---------------------------------- 3');
				    disp('contourlet循环平移软阈值去噪---------------------------------- 4');
				    disp('contourlet树结构逐次扫描收缩去噪------------------------------ 5');
				    disp(' ');
				    
				    disp('图像特征增强');
				    disp('增益函数示例-------------------------------------------------- 6');
				    disp('contourlet特征增强-------------------------------------------- 7');
				    
				    disp(' ');
				    disp('图像分辨率增强');
				    disp('contourlet基于系数学习的快速算法------------------------------- 8');
				    disp('contourlet基于系数学习的算法----------------------------------- 9');
				    disp('wavelet基于系数学习的快速算法---------------------------------- 10');
				    disp('wavelet基于系数学习的算法-------------------------------------- 11');
				    
				    disp(' ');
				    disp('图像融合');
				    disp('contourlet系数极大值的图像融合---------------------------------- 12');
				    disp('contourlet基于区域能量的图像融合-------------------------------- 13');
				    
				    option = input('请输入你的选项','s');
				    disp(' ');
				    
				    switch option
				        case '1'
				            disp('contourlet硬阈值去噪');
				            harddenoisedemo;
				        case '2'
				            disp('contourlet软阈值去噪');
				            softdenoisedemo;
				        case '3'
				            disp('contourlet循环平移硬阈值去噪');
				            csharddenoisedemo;
				        case '4'
				            disp('contourlet循环平移软阈值去噪');
				            cssoftdenoisedemo;
				        case '5'
				            disp('contourlet树结构逐次扫描收缩去噪');
				            treedemo;
				        case '6'
				            disp('增益函数示例');
				            plotgain;
				        case '7'
				            disp('contourlet特征增强');
				            enhancedemo;
				        case '8'
				            disp('contourlet基于系数学习的快速算法');
				            cflearningdemo;
				        case '9'
				            disp('contourlet基于系数学习的算法');
				            clearningdemo;
				        case '10'
				            disp('wavelet基于系数学习的快速算法');
				            wflearningdemo;
				        case '11'
				            disp('wavelet基于系数的算法');
				            wlearingdemo;
				        case '12'
				            disp('contourlet系数极大值的图像融合');
				            maxfusiondemo;
				        case '13'
				            disp('contourlet基于区域能量的图像融合');
				            patchfusiondemo;
				      otherwise
				        disp('不正确的输入参数!')
				    end
				    
				    R=input('你希望退出程序吗? [Y/N] ','s');
				    disp(' ');
				    if strcmp(R,'') + strcmp(R,'y') + strcmp(R,'Y'), 
				        flag = 0;
				    end
				end
				
				
				% Parameter：
				nseq = [0.93 2.04 2.94 3.84 4.83 5.68 6.77 7.90 8.85 9.87 10.71 11.54 1.07 2.21 3.16 4.41 5.23 6.16 7.37 8.58 9.62 1.07 1.29 1.19 1.16 1.17 1.15 1.38 1.41 1.25 1.26 1.08 1.03];
				
				% Base the Input Predict Method to solve the nseq
				
				
				
				% Plot the orignal Graphic
				x = 1:1:33;    % 33个标本数据
				y = nseq;
				plot(x,y,'--bs','LineWidth',2,...
				                'MarkerEdgeColor','k',...
				                'MarkerFaceColor','g',...
				                'MarkerSize',2);
				
				title('全社会客货运输量', 'FontSize', 10);
				xlabel('月份', 'FontSize', 10);
				ylabel('铁路客户量(亿)', 'FontSize', 10);
				grid on