差分符号熵Differential symbolic Entropy，多尺度差分符号熵，层次差分符号熵，时移多尺度差分符号熵，复合多尺度差分符号熵，精细复合多尺度差分符号熵-matlab

差分符号熵Differential symbolic Entropy，多尺度差分符号熵，层次差分符号熵，时移多尺度差分符号熵，复合多尺度差分符号熵，精细复合多尺度差分符号熵（Matlab代码获取链接：https://mbd.pub/o/bread/mbd-ZZmblZlv）

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。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，在进一步的研究中有很大的改进和定制空间。

（最近几年新提出的方法，知道的人还很少，快来尝试）

参考文献：

包括：

1.差分符号熵（Differential symbolic Entropy），

2.多尺度差分符号熵（Multiscale Differential symbolic Entropy），

3.复合多尺度差分符号熵（composite multiscale Differential symbolic entropy），

$CMEn=\frac{1}{\tau} \sum_{k=1}^\tau E\left(\mathbf{y}_k^{(\tau)}\right)$

4.精细复合多尺度差分符号熵（refined composite multiscale Differential symbolic entropy），

$RCMEn=-\sum_{\pi=1}^{c} \tilde{P} \left(\pi\right) \ln \left(\tilde{P}\left(\pi\right)\right)$

$\tilde{P}=\frac{1}{\tau} \sum_{k=1}^\tau P_k(t)$

5.时移多尺度差分符号熵（time-shift multiscale Differential symbolic entropy），

6.层次差分符号熵（Hierarchical Differential symbolic Entropy）

最后编辑于：2024.01.15 16:47:10

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。