基于Matlab实现了多个分数阶熵。值得注意的是，下面?有些方法文献中并未提及，这里是全网首发。分数阶微积分(Fractional Calculus, FC)由莱布尼茨引入数学，并在生物学、物理学和工程领域得到了应用。这一进展推动了新的熵指标和分数算子的形成，通常放宽了一些性质，并允许它们在复杂动力系统中的应用。从FC的角度出发，提出了α 阶的信息和熵具体有：# 1.分数阶近似熵（Fraction
熵或复杂性度量区分时间序列类别和理解潜在动态的能力是众所周知的。模糊散布熵(Fuzzy dispersion entropy，python代码：https://www.jianshu.com/p/1f2542dd8fc1)是采用一种新颖编码方法来保持子序列的符号表示。该算法非常简单，易于实现，作为特征提取方法可以与机器学习、深度学习结合，解决复杂的分类或预测问题，可用于生物医学、神经科学、电气、交
熵在实际工程应用中还有其他优点:对噪声的鲁棒性、良好的聚类能力和较少的参数设置。提出了一类新的基于嵌入向量相似度的熵估计器，余弦相似熵（Cosine Similarity Entropy）。与样本熵不同，余弦相似熵在广泛的嵌入维度范围内显示出有效的熵值。（matlab版见：https://www.cnblogs.com/huakaifugui/p/17471819.html）T. Chanwima
冒泡熵Bubble Entropy，多尺度冒泡熵，层次冒泡熵，时移多尺度冒泡熵，复合多尺度冒泡熵，精细复合多尺度冒泡熵（matlab版见：https://www.cnblogs.com/huakaifugui/p/17471825.html）熵已成为量化时间序列复杂性的常用指标，应用于生物医学、神经科学、电气、交通、气象、能源动力、水利、海洋科学、经济、土木、计算机科学、机械、工业工程等领域时间序
增长熵Increment Entropy，多尺度增长熵，层次增长熵，时移多尺度增长熵，复合多尺度增长熵，精细复合多尺度增长熵熵已成为量化时间序列复杂性的常用指标，应用于生物医学、神经科学、电气、交通、气象、能源动力、水利、海洋科学、经济、土木、计算机科学、机械、工业工程等领域时间序列分析和特征提取。X. Liu, A. Jiang, N. Xu, and J. Xue, “Increment En
Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号
