引言
熵值理论分析在时间序列分析中存在重要的作用。基于熵值理论的分析方法可以不经过数据的分解或变换,直接度量数据的复杂度,用于表征对应的时间序列,可结合先进的机器学习/深度学习方法完成相应的分类识别任务。前期也已推出了多种熵值方法,用于数据的分类,包括(点击可跳转):
-
【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
-
【时序分类-源自一区】12种排列熵Permutation entropy+7种分类器的状态识别/故障诊断-Matlab代码
-
【时序分类|源自顶刊】注意熵Attention Entropy及其5种多尺度熵+7种分类器的状态识别/故障诊断-Matlab代码
-
【源自一区】散度熵(Diversity Entropy)及其5种多尺度熵+多种分类器的状态识别和故障诊断(附Matlab代码)
本期推出一种最新发表的熵--玻尔兹曼-香农交互熵Boltzmann–Shannon interaction entropy,该方法于2023年12月最新发表在顶级SCI期刊Chaos上。非常非常新了,知道的人很少很少,也暂无任何相关应用的文献报道。和其他熵一样,将玻尔兹曼-香农交互熵扩展到多尺度,最新首创了以下4种多尺度熵,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。发文章全凭眼疾手快,赶快应用到自己的研究领域吧。参考其他熵,发个二/三区SCI没有任何问题,运气好一区也能行,水个中文核心更是不在话下。
-
多尺度玻尔兹曼-香农交互熵(Multiscale Boltzmann-Shannon interaction entropy)
-
层次玻尔兹曼-香农交互熵(Hierarchical Boltzmann-Shannon interaction entropy)
-
复合多尺度玻尔兹曼-香农交互熵(composite multiscale Boltzmann-Shannon interaction entropy)
-
时移多尺度玻尔兹曼-香农交互熵(time-shift multiscale Boltzmann-Shannon interaction
entropy)
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。
【最新顶级SCI,全新创新点】玻尔兹曼-香农交互熵及其多尺度系列-Matlab代码
点击链接跳转:
340种基础优化算法免费下载-matlab
matlab版的340种基础优化算法免费下载
求解cec测试函数-matlab
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!