Java 计算26个英文字母的状态转移矩阵（C++统计文章字母个数，MATLAB计算熵）

问题描述

计算一篇英文文章里26个英文字母的状态转移矩阵，以及这篇文章含有的信息熵

(一)问题分析

1. 首先统计文章里字母总数

2. 计算状态转移矩阵P
   把a字母后面出现a的概率记为aa，即a后面出现a的个数÷a的总个数，则矩阵P表示为：
   aa ab ac … az
   ba bb bc … bz
   …
   za zb zc … zz

3. 求该矩阵对应特征向量C
   即求解$(P^T-E)X=0$的非0解（正常情况下只有一个，即该矩阵的秩为25，原矩阵$rank(P)=26$），再归一化

4. 计算信息熵$H_{\infty }＝C\ast H(P)$

(二)问题求解

1.统计字母总数

• 满意：通过编程实现了对任意一篇英文文章的自然语言熵的计算
• 不足：没有考虑非英文字符串的情况，情况考虑不全面

//C++ 统计字母总数
#include <iostream>
using namespace std;
int main() {
   
char ch;
char s_letter[26]={
   'a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v','w','x','y','z'