近似熵、样本熵、模糊熵、排列熵摘抄总结
本文总结摘抄于多个网上链接,用于学习和整理用途
1、模糊熵、样本熵、近似熵都是什么?反映了什么?
2、近似熵理论相关知识与代码实现
3、样本熵理论相关知识与代码实现
4、模糊熵理论相关知识与代码实现
5、脑电信号特征提取——排列熵
熵值,说白了就是混乱度。这三个数据都是评价波形前后部分之间的混乱程度的,或者说是评价波形前后重复性的,也就是包含的子频率。熵越大,波形中各个频率越多,熵越小,波形中乱七八糟的频率越少。
1. 近似熵(1991)
定义
近似熵是一个随机复杂度,反应序列相邻的m个点所连成折线段的模式的互相近似的概率与由m+1个点所连成的折线段的模式相互近似的概率之差。
作用
用来描述复杂系统的不规则性,越是不规则的时间序列对应的近似熵越大。反应维数改变时产生的新的模式的可能性的大小。
对于eeg信号来说,由于噪声存在、和信号的微弱性、多重信号源叠加,反映出来的是混沌属性,但是同一个人在大脑活动相对平稳的情况下,其eeg近似熵应该变化不大。
算法分析
参数选择:通常选择参数m=2或m=3;通常选择r=0.2∗std,其中std表示原时间序列的标准差.
2. 互近似熵
从近似熵定义引申出来的,近似熵描述的是一段序列的自相似程度,互近似熵比较的是两段序列的复杂度接近程度;熵值越大越不相似,越小越相似;
互近似熵计算和近似熵的步骤一样,把计算X(i)和X(j)之间的距离改为计算序列a的向量X(i)和序列b的向量Y(j)的距离;相似容限r为两个原序列的0.2倍协方差;
3. 样本熵(2000)
样本熵(SampEn)是基于近似熵(ApEn)的一种用于度量时间序列复杂性的改进方法,在评估生理时间序列的复杂性和诊断病理状态等方面均有应用
算法分析
其中, ln表示自然对数, m和r由第2步定义.
参数选择:嵌入维数 m 一般取1或2;相似容限 r的选择在很大程度上取决于实际应用场景,通常选择 r = 0.1 ∗ std ∼ 0.25 ∗ std ,其中 std表示原时间序列的标准差.
近似熵与样本熵理论上的对比[2]
设 B 为维数为 m时,时间序列的自相似概率; A为维数为 k=m+1时,时间序列的自相似概率,得出 CP=A/B。近似熵的计算是以 −ln(CP)为模型,并且计算出了所有模型的平均值。为了防止出现计算 ln(0)的情况,近似熵在算法的第4步中包含了与自身向量的比较,这种方式与新信息观点是不相容的,所以一定会存在偏差。不同的是,样本熵计算的是和的对数,且不包含与自身向量的比较,所以其优势在于包含更大的A、B,以及更加准确的CP估计.
与近似熵相比,样本熵具有两个优势:样本熵的计算不依赖数据长度;样本熵具有更好的一致性,即参数m和r的变化对样本熵的影响程度是相同的.
4. 模糊熵(2007)
与近似熵(ApEn)和样本熵(SampEn)的物理意义相似,模糊熵(FuzzyEn)衡量的也是新模式产生的概率大小(Fuzzy思想,给出概率而不是定论),测度值越大,新模式产生的概率越大,即序列复杂度越大。
算法
通常情况下,较大的m能更细致地重构系统的动态演化过程。相似容限r的取值也是一个值得考虑的问题,过大的相似容限会导致信息丢失,相似容限值越大,丢失的信息越多,而太小的相似容限度则会增加结果对噪声的敏感性,一般定义r为r*SD,其中SD(Standard Deviation)为原一维时间序列的标准差[1,2]。
5. 排列熵
排列熵同样和前面提到的近似熵、样本熵以及模糊熵一样,都是用于衡量时间序列复杂程度而的指标。只不过,它在计算重构子序列之间的复杂程度时,引入了排列的思想。
算法
排列熵 Hp 的大小衡量信号时间序列的随机变化程度, Hp 的值越大,表示信号时间序列越随机,信号越复杂;反之,则说明信号序列越规则,复杂度较小。
近似熵、样本熵、模糊熵、排列熵摘抄总结相关推荐
- 【熵与特征提取】从近似熵,到样本熵,到模糊熵,再到排列熵,究竟实现了什么?(第一篇)——近似熵及其MATLAB实现
在特征提取领域,近似熵.样本熵.排列熵和模糊熵是比较经常出现的概念. 首先一句话总结一下:这几个熵值都是用来表征信号序列复杂程度的无量纲指标,熵值越大代表信号复杂度越大.信号复杂程度的表征在机械设备状 ...
- 【熵与特征提取】从近似熵,到样本熵,到模糊熵,再到排列熵,究竟实现了什么?(第四篇)——“排列熵”及其MATLAB实现
今天讲排列熵,之前用了三篇文章分别讲述了近似熵.样本熵和模糊熵: Mr.看海:[熵与特征提取]从近似熵,到样本熵,到模糊熵,再到排列熵,究竟实现了什么?(第一篇)--"近似熵"及其 ...
- 参数优化多尺度排列熵算法
目录 一.多尺度排列熵原理 1.1 排列熵(PE) 1.2 多尺度排列熵(MPE) 1.3 参数对MPE的影响 二.参数优化方法 2.1 遗传算法(GA) 2.2 粒子群优化算法(PSO) 2.3 多 ...
- 排列熵、模糊熵、近似熵、样本熵的原理及MATLAB实现之近似熵
说明:"本博文为排列熵.模糊熵.近似熵.样本熵的原理及MATLAB实现"系列博文的最后一篇,关于排列熵.模糊熵.样本熵的内容请阅读博客: 排列熵 模糊熵 样本熵 近似熵 四.近似熵 ...
- 排列熵、模糊熵、近似熵、样本熵的原理及MATLAB实现之模糊熵
目录 二.模糊熵 1.概念 2.基本原理 3.MATLAB代码 4.参考文献 说明:关于排列熵的内容请阅读博客:排列熵.模糊熵.近似熵.样本熵的原理及MATLAB实现 二.模糊熵 1.概念 在样本熵的 ...
- 排列熵、模糊熵、近似熵、样本熵的原理及MATLAB实现
目录 一.排列熵 1.概念 2.基本原理 补充说明 3.MATLAB代码 参考文献 一.排列熵 1.概念 一种检测动力学突变和时间序列随机性的方法,能够定量评估信号序列中含有的随机噪声. 2.基本原理 ...
- 样本熵、排列熵及散布熵优缺点对比
样本熵 样本熵是由Richman和Moornan于2000年提出的一种新的衡量时间序列复杂度的方法.样本熵值表示非线性动力学系统产生新模式的概率,主要用来定量刻画系统的复杂度和规则度.系统的样本熵值越 ...
- 时间序列分析之排列熵(Permutation Entropy)
排列熵(Permutation Entropy,PeEn) 概念 排列熵同样和前面提到的近似熵.样本熵以及模糊熵一样,都是用于衡量时间序列复杂程度而的指标.只不过,它在计算重构子序列之间的复杂程度时, ...
- 排列熵算法--用于时间序列信号的复杂度检测
排列熵算法(Permutation Entropy PE) 出发点:用于脑电信号的信号判别,提取该排列熵特征,以区分不同的类 其它突变信号检测方法: 总结: 1.傅里叶变换在全局上提供了信号整体奇异性 ...
最新文章
- 为什么机器学习项目非常难管理?
- java内部类的定义原则
- hdu 1879 继续通畅工程(最小生成树)
- MOCTF-Web-PHP黑魔法
- 服务器系统上1068错误,错误1068,详细教您启动网络服务错误1068怎么解决
- Jmeter跨线程组传递参数
- 每天进步一点点《ML - 线性回归》
- python3项目源代码下载_资源整理 | 36个惊人的Python开源项目,都在这了
- CodeForces - 3B Lorry【贪心】
- MFI认证——苹果MFI账号申请
- raspberry pi_Raspberry Pi入门指南
- 全数字实时仿真平台SkyEye经典案例——卫星
- PHP实现图片合并功能(根据群用户头像生成群logo图片)
- LightGBM原理简介
- 什么是舆情监测系统,如何选择舆情监测系统?
- ThinkPHP多语言文件包含RCE(QVD-2022-46174)
- 你只是想学好linux而已
- hihocode_1082 沼跃鱼
- APP的图标测试之震惊!双11快到了,你的app在偷偷更换图标?
- html按钮怎么正方形,css怎么画正方形?
热门文章
- 认识微型计算机 ppt,认识微型计算机PPT课件).ppt
- 随记:关于团队管理的思考
- 剖析如何做会员模式?充值1000得3000会不会赔本?
- Yii1.1之 request组件
- 怪异报错:Wrong number of type arguments
- 【数据篇】SpringBoot 整合 Elasticsearch 实践数据搜索引擎
- winPcap函数-pcap_open()
- C/C++ 毕业生就业管理系统(源码 + 详解)
- [ctfshow web入门]常用姿势801-806
- 火车售票系统(纯C语言)