526互联

模糊散布熵Fuzzy dispersion entropy，多尺度模糊散布熵，层次模糊散布熵，时移多尺度模糊散布熵，复合多尺度模糊散布熵，精细复合多尺度模糊散布熵

发布时间 2023-06-26 22:02:02作者: RagdollCat

模糊散布熵Fuzzy dispersion entropy，多尺度模糊散布熵，层次模糊散布熵，时移多尺度模糊散布熵，复合多尺度模糊散布熵，精细复合多尺度模糊散布熵（Matlab代码获取链接： https://mbd.pub/o/bread/mbd-ZJqamJds ）

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)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。

参考文献：

[1] M. Rostaghi, M. M. Khatibi, M. R. Ashory, and H. Azami, “Fuzzy Dispersion Entropy: A Nonlinear Measure for Signal Analysis,” IEEE Transactions on Fuzzy Systems, vol. 30, no. 9, pp. 3785–3796, Sep. 2022, doi: 10.1109/TFUZZ.2021.3128957.

包括：

1.模糊散布熵（Fuzzy dispersion Entropy），

2.多尺度模糊散布熵（Multiscale Fuzzy dispersion Entropy），

  

3.复合多尺度模糊散布熵（composite multiscale Fuzzy dispersion entropy），

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

 

 
 

 

 

 4.精细复合多尺度模糊散布熵（refined composite multiscale Fuzzy dispersion 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.时移多尺度模糊散布熵（time-shift multiscale Fuzzy dispersion entropy），

 

 

6.层次多尺度模糊散布熵（Hierarchical multiscale Fuzzy dispersion entropy）