人体运动学非线性分析（一）—熵特征

Baby and Gray

于 2019-03-11 22:23:44 发布

阅读量2.2k

点赞数

CC 4.0 BY-SA版权

分类专栏：人体运动学非线性特征文章标签：人体运动学熵步态

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/shiliang12/article/details/88387899

本文介绍了熵在人体运动学分析中的应用，特别是近似熵和样本熵。熵用于衡量步态的重复性，低熵值表示更好的规律性。近似熵和样本熵分别在老年人跌倒预测和脚型区分中发挥作用，样本熵能消除自匹配影响且不受序列长度影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

近似熵和样本熵的原理及在人体运动学分析中应用

熵的基本概念

在信息理论中熵被认为代表着信息的丢失，它是基于我们对于当前系统状态的理解以及能够在多大程度上准确预测该系统的下个状态。如果某系统的熵值很低时，意味着该系统具有很强的可预测性。

shannon（贝尔实验室）最早将熵的概念应用于信息理论中，即我们所熟知的香农熵。

$Hs=−∑ipilog⁡piH_{s}=-\sum_{i}p_{i}\log_{}p_{i}$

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。