【源自一区IEEE Trans】模糊散布熵Fuzzy Dispersion Entropy及其5种多尺度系列-Matlab代码

引言

散布熵的作者为解决散布熵中的问题,提出了模糊散布熵Fuzzy Dispersion Entropy,于2022年发表在一区顶级期刊IEEE Transactions on Fuzzy systems。本期推出模糊散布熵Fuzzy Dispersion Entropy以及5种多尺度系列。可用于分析一切时间序列中,如:电能质量数据、振动数据、风速、功率、声音、温度、交通、水流、地震波、心率、脑电、肌电、金融等等,您能想到的时间序列皆有可能。

图片

5种多尺度模糊散布熵可能没有参考文献,具有一定的首创性5种多尺度的理论知识在中、英文期刊都有很多,可以参考其他论文,本期不在赘述。

模糊散布熵(Fuzzy Dispersion Entropy)多尺度模糊散布熵(Multiscale Fuzzy Dispersion Entropy)复合多尺度模糊散布熵(Composite Multiscale Fuzzy Dispersion Entropy)精细复合多尺度模糊散布熵(Refined Composite Multiscale Fuzzy Dispersion Entropy)时移多尺度模糊散布熵(Time-shift Multiscale Fuzzy Dispersion Entropy)层次模糊散布熵(Hierarchical Fuzzy Dispersion Entropy)

原文作者在两个领域内的时间序列上验证了模糊散布熵的能力。

  1. 两个生物时间序列:血压数据、癫痫发作和非癫痫发作脑电信号

    图片

  2. 三个机械时间序列:凯斯西储大学轴承数据、PHM2009齿轮箱故障数据、Paderborn University轴承故障数据

    图片

五个真实数据集的结果表明,在检测不同状态的生理和机械数据方面,模糊散布熵展现出更好的性能。希望模糊散布熵能够广泛用于各种实际应用中不同类型数据的表征。

按照原文给的示例数据验证代码复现的准确性: 

输入序列x={3.6,2.5,1.9,3.1,4.2,-2.3,3.1,4.6,8.3,6.8},设置参数m=2,d=1,c=3。最终计算结果为0.8519。

图片

图片

在matlab中输入x和设置一样的参数,最终结果为:0.8518,完美复现

clcclear%% 导入数据x = [3.6, 2.5, 1.9, 3.1, 4.2, -2.3, 3.1, 4.6, 8.3, 6.8];%% 设置参数m=2; % 嵌入维数, embedding dimensiontau=1;% 时间延迟,time delay,=1nc=3;% 类数mu=mean(x); %均值sigma=std(x);%方差%% 计算熵值% 模糊散布熵[FuzzDispE, ~]=FuzzDispEn(x,m,nc,tau,mu,sigma);

图片

Matlab代码下载

微信搜索并关注-优化算法侠,或扫描下方二维码关注,以算法名字搜索历史文章即可下载。

【源自一区IEEE Trans】模糊散布熵Fuzzy Dispersion Entropy及其5种多尺度系列-Matlab代码

点击链接跳转:


matlab版的340种基础优化算法免费下载

cec2017测试函数使用教程及matlab代码免费下载

cec2018测试函使用教程及matlab代码免费下载

cec2019测试函使用教程及matlab代码免费下载

cec2020测试函使用教程及matlab代码免费下载

cec2021测试函使用教程及matlab代码免费下载

cec2022测试函使用教程及matlab代码免费下载
绘制cec2017/018/2019/2020/2021/2022函数的三维图像教程,SO EASY!

215种群智能优化算法python库

Amazing!Python版215种群智能优化算法icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486669&idx=1&sn=6b439e55b37b6482b8d3831ca85f1d55&chksm=c12be0c8f65c69de71ad51d3b736b871ff52f8646e90624f95dd32b024dfaad369d654aaf8fc#rd

求解cec测试函数-matlab

最新最火!cec2022测试函数来了(附Matlab代码)icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247484693&idx=1&sn=ce311acb26bee2894db6fe90776288bd&chksm=c12be910f65c6006af080b1e97ad5514eee06b64d2caeeac2008b8c06fdc3ba379455e9ca709&scene=21#wechat_redirect

解决12工程设计优化问题-matlab

略微出手,工程设计问题(12)(附Matlab代码)icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247485052&idx=1&sn=80e5573c1c005ee5640e44935044ee35&chksm=c12bea79f65c636fc73758b4f4893502bd89cbd1c5d15d7db15e8b5c94eeae40450439d44944&token=681266555&lang=zh_CN#rd

求解11种cec测试函数-python

【选择自由,免费下载】215种优化算法求解11种cec测试函数-python代码icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486669&idx=2&sn=eea8fb04dc507ab9119e2c97c03ca2f6&chksm=c12be0c8f65c69decd6c8109f6b997986bf58725fdbbd7ab03752cb6f61aacdb5a2dc7fec762#rd解决30种工程设计优化问题-python

【一码解决】215种优化算法求解30个现实世界的工程设计优化问题,让你的论文增色10倍(附Python代码)icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486669&idx=3&sn=ea6d26ae7cb651e5c368f4c73ade228e&chksm=c12be0c8f65c69de739af72d9793838f59ab77bfee36bc2c204f96e2a9e5c6d87dfbbbae698e#rd

用于改进所有优化算法:21种混沌映射方法-混沌初始化(附matlab代码)

用于改进所有优化算法:21种混沌映射方法-混沌初始化(附matlab代码)21种混沌映射方法-混沌初始化,适用于所有优化算法icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486215&idx=2&sn=58f1a69175b0d6431a4c7cdfa114b84d&chksm=c12be702f65c6e14e6bd1ddc33b9cec74991d93303c325853049b7e4afd09039b13083fa79c5&token=25423484&lang=zh_CN#rd

沙场大点兵:24种信号分解方法(附matlab代码) 

沙场大点兵:24种信号分解方法(附matlab代码)icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486001&idx=1&sn=a87c24cb401017a78a90bd1b1439fcb0&chksm=c12be634f65c6f22368b7229a59ac5ef330b89d710c826dbfd1a1c34a02b1dd7e909c7f40d79&token=25423484&lang=zh_CN#rd

 沙场大点兵:27种一维数据转换成二维图像的方法-matlab代码沙场大点兵:27种一维数据转换成二维图像的方法-matlab代码icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486260&idx=1&sn=81b1970cb89364c0289ccdfb403e5388&chksm=c12be731f65c6e273a85456326b503b7f35d9f035405050932ff1926e0b1bfa8076b1bc2d1f2&token=25423484&lang=zh_CN#rd

  • 10
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: box-cox变换是一用于对数据进行变换的统计方法,用于使数据更加符合正态分布。在MATLAB中,可以使用BoxCox函数来实现box-cox变换。 以下是一个简单的示例代码: ```matlab % 假设有一组数据x,需要进行box-cox变换 x = [1, 2, 3, 4, 5]; % 调用BoxCox函数进行box-cox变换 [transformedX, lambda] = boxcox(x); % 打印变换后的数据和最优的lambda值 disp('变换后的数据:'); disp(transformedX); disp('最优的lambda值:'); disp(lambda); ``` 在这个例子中,我们假设存在一组数据x,包含了5个样本点。调用BoxCox函数进行box-cox变换后,会返回变换后的数据transformedX和一个最优的lambda值。transformedX是经过box-cox变换后的数据,lambda是使数据最符合正态分布的变换参数。 这个代码只是一个简单的示例,实际应用中可能需要根据具体的数据情况进行适当的调整和处理。 ### 回答2: Box-Cox变换是一常见的数据变换方法,可以用来改善数据的正态性和方差齐性。以下是一个使用Matlab进行Box-Cox变换的简单示例代码: ```matlab % 假设原始数据存储在变量data中 data = [1, 3, 5, 7, 9]; % 使用boxcox函数进行Box-Cox变换 [lmbda, data_trans] = boxcox(data); % 打印变换后的数据和lambda值 disp('变换后的数据:'); disp(data_trans); disp('lambda值:'); disp(lmbda); ``` 在上面的代码中,原始数据存储在变量data中,然后使用matlab内置的boxcox函数进行变换。这个函数返回两个值,第一个是lambda值,用于指定变换的类型(当lambda为0时表示进行log变换),第二个是变换后的数据。 在以上示例中,原始数据是[1, 3, 5, 7, 9],经过Box-Cox变换后的数据是[-1.5667, -0.4725, 0.6217, 1.7159, 2.8101],lambda值为1.6561。 通过Box-Cox变换,可以将原始数据变换为服从正态分布的数据,从而满足许多统计方法的假设。 ### 回答3: Box-Cox变换是一用于对数据进行幂变换的统计方法,常用于对非正态分布的数据进行转换,使其更接近于正态分布。以下为一个简单的Box-Cox变换的Matlab代码示例: ```matlab % 假设有一组非正态分布的数据存储在变量x中 x = [0.1, 0.2, 0.5, 1.0, 1.5, 2.0, 3.0, 4.0, 5.0]; % 调用boxcox函数进行Box-Cox变换 [transformedX, lambda] = boxcox(x); % 输出转换后的数据和变换参数lambda disp('转换后的数据: '); disp(transformedX); disp('变换参数lambda: '); disp(lambda); ``` 在这个例子中,我们定义了一个非正态分布的数据集x。然后,我们通过调用boxcox函数对数据进行Box-Cox变换。变换后的数据存储在transformedX中,而参数lambda表示变换所采用的指数。最后,我们输出转换后的数据和变换参数lambda。 需要注意的是,上述代码是一个简单的示例,实际应用中可能需要根据具体情况调整参数和函数的使用方式。同时,由于Box-Cox变换要求数据集中不能有负值或零,所以在应用之前需要确保数据满足该条件,可以通过对数据进行平移或加法等预处理操作来实现。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值