weixin_44028734的博客

2025年2月，研究者在国际顶级期刊《Chaos, Solitons & Fractals》（JCR 1区，中科院1区 Top）上发表科学研究成果，以“Global ordinal pattern attention entropy: A novel feature extraction method for complex signals”为题。在。

2024年4月，研究者在信息融合领域国际顶级期刊《Information Fusion》（JCR 1区，中科院1区 Top，IF：14.8）上以“Multivariate multiscale dispersion Lempel–Ziv complexity for fault diagnosis of machinery with multiple channels”为题发表最新科学研究成果。

Lempel-Ziv复杂度（Lempel-Ziv complexity，LZC）是一种无量纲的非线性动态方法，具有计算灵活、方便、不需要调整参数等优点。由于这些优点，LZC已经在各个领域得到了成功的应用，包括监测睡眠质量、材料损伤检测、故障诊断等。

2025年3月，研究者在国际机械领域顶级期刊《Mechanical Systems and Signal Processing》（JCR 1区，中科院1区 Top，IF：7.9）上以“Rating entropy and its multivariate version”为题发表科学研究成果。提出了 Rating entropy，等级熵（暂译），RaE，并将其应用于公开可用的船舶和Southeastern University东南大学轴承数据集。

2024年9月，研究者在数学领域国际顶级SCI期刊《Chaos, Solitons & Fractals》（JCR 1区，中科院1区 Top）上以“Fusion entropy and its spatial post-multiscale version: Methodology and application”为题发表最新科学研究成果。提出了全新的特征提取方法，，并将其应用于Southeast University Bearing 、Gear Dataset的特征提取与故障识别。

2024年9月，研究者在数学领域国际顶级SCI期刊《Chaos, Solitons & Fractals》（JCR 1区，中科院1区 Top）上以“Fusion entropy and its spatial post-multiscale version: Methodology and application”为题发表最新科学研究成果。

2024年9月，研究者在数学领域国际顶级SCI期刊《Chaos, Solitons & Fractals》（JCR 1区，中科院1区 Top）上以“Fusion entropy and its spatial post-multiscale version: Methodology and application”为题发表最新科学研究成果。提出了全新的特征提取方法，Fusion entropy，融合熵。

2025年3月，研究者在国际机械领域顶级期刊《Mechanical Systems and Signal Processing》（JCR 1区，中科院1区 Top，IF：7.9）上以“Rating entropy and its multivariate version”为题发表科学研究成果。提出了 Rating entropy，等级熵（暂译），RaE，并将其应用于公开可用的船舶和Southeastern University东南大学轴承数据集。

2025年3月，研究者在国际机械领域顶级期刊《Mechanical Systems and Signal Processing》（JCR 1区，中科院1区 Top，IF：7.9）上以“Rating entropy and its multivariate version”为题发表科学研究成果。提出了 Rating entropy，等级熵（暂译），RaE，并将其应用于公开可用的船舶和Southeastern University东南大学轴承数据集。

2024年11月，研究者在测量领域国际顶级期刊《》（IF= 5.6，JCR 1区，中科院二区）上发表科学研究成果，以“Optimized Fuzzy Slope Entropy: A Complexity Measure for Nonlinear Time Series”为题。提出了，并应用于将FuSE应用于水声信号和生物医学信号。结果表明，与以前的方法相比，FuSE具有更好的分类性能和泛化能力。本文复现了 模糊斜率熵 Fuzzy Slope Entropy，FuSE，并将其扩展到5种多尺度。

2025年2月，研究者在国际顶级期刊《Chaos, Solitons & Fractals》（JCR 1区，中科院1区 Top）上发表科学研究成果，以“Global ordinal pattern attention entropy: A novel feature extraction method for complex signals”为题。在。

2025年2月，研究者在国际顶级期刊《Chaos, Solitons & Fractals》（JCR 1区，中科院1区 Top）上发表科学研究成果，以“Global ordinal pattern attention entropy: A novel feature extraction method for complex signals”为题。在。

2024年11月，研究者在测量领域国际顶级期刊《》（IF= 5.6，JCR 1区，中科院二区）上发表科学研究成果，以“Optimized Fuzzy Slope Entropy: A Complexity Measure for Nonlinear Time Series”为题。提出了，并应用于将FuSE应用于水声信号和生物医学信号。结果表明，与以前的方法相比，FuSE具有更好的分类性能和泛化能力。本文1.模糊斜率熵(Fuzzy Slope Entropy)

2024年11月，研究者在测量领域国际顶级期刊《IEEE Transactions on Instrumentation and Measurement》（IF= 5.6，JCR 1区，中科院二区）上发表科学研究成果，以“Optimized Fuzzy Slope Entropy: A Complexity Measure for Nonlinear Time Series”为题。提出了 模糊斜率熵 Fuzzy Slope Entropy，FuSE，并应用于将FuSE应用于水声信号和生物医学信号。

2025年，研究者在非线性科学领域国际著名期刊《Nonlinear Dynamics》（IF= 5.2，JCR 1区，中科院二区）上发表科学研究成果，以“A novel scheme of condition monitoring and fault recognition based on time-shift multi-scale weighted slope entropy for rolling bearings under variable speed conditions ”为题。提出了。

推出一种最新发表的改进排列熵--，该方法于最新发表在顶级SCI期刊Chaos上。非常非常新了，。和其他熵一样，，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第1步：根据Takens的延迟嵌入定理的一维时间序列重构。第2步：将原始数据从相空间转换为符号空间第3步：采用变异系数（CV）来捕捉向量内的幅度变化第4步：计算重复模式出现的概率第5步：得到ASPE总体流程图。

排列熵(PE)是时间序列的复杂度估计器，它有很多优点，缺点很少。其中一个缺点是PE忽略了时间序列振幅信息。为了将这些信息引入到计算中，提出了一些PE算法的修改。提出了一种新的方法，斜率熵(Slope Entropy)，它也解决了这一缺陷，但以不同的方式，使用一种基于两个连续数据样本生成的斜率的新颖编码方法来保持子序列的符号表示。

加权斜率熵于2025年提出的一种符号熵分析技术，应用于特征分析心率变异性分析、脑电图信号处理、运动生理学、设备状态监测与故障诊断、模式识别等多个领域。

推出一种最新发表的改进排列熵--，该方法于最新发表在顶级SCI期刊Chaos上。非常非常新了，。和其他熵一样，，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第1步：根据Takens的延迟嵌入定理的一维时间序列重构。第2步：将原始数据从相空间转换为符号空间第3步：采用变异系数（CV）来捕捉向量内的幅度变化第4步：计算重复模式出现的概率第5步：得到ASPE总体流程图。

熵值理论分析在时间序列分析中存在重要的作用。基于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。排列熵（Permutation entropy， PE）是Bandt和Pompe于2002年提出的一种符号熵分析技术，它通过分析有序模式的频率来度量时间序列的复杂性和动态行为。该方法已广泛应用于心率变异性分析、脑电图信号处理、运动生理学、设备状态监测与故障诊断等多个领域但是PE有两个主要的缺点。首先，对信号进行符号化时，只考虑幅度值的顺序，而有关幅度的信息被丢弃。

推出一种最新发表的改进排列熵--，该方法于最新发表在顶级SCI期刊Chaos上。非常非常新了，。和其他熵一样，，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。第1步：根据Takens的延迟嵌入定理的一维时间序列重构。第2步：将原始数据从相空间转换为符号空间。

散布熵的作者为解决散布熵中的问题，提出了，于2022年发表在一区顶级期刊IEEE Transactions on Fuzzy systems。本期在推出。除了可以用于基于时间序列数据的机械、电力设备故障诊断，也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。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。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。

非常好用！

熵值理论分析在时间序列分析中存在重要的作用。基于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。本期推出Lempel-Ziv。。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。

熵值理论分析在时间序列分析中存在重要的作用。基于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，。本期推出一种最新发表的熵--，该方法于最新发表在顶级SCI期刊Chaos上。非常非常新了，。和其他熵一样，。。

example.m是示例文件，时间序列采用了神户（kobe）地震数据，调用5种熵的函数，可直接运行。和其他熵一样，前期将玻尔兹曼-香农交互熵扩展到多尺度、分数阶，最新首创了4种多尺度熵（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，最新发表在应用数学顶级SCI期刊Chaos上的一种新的数据分析方法。5种熵都是独立的matlab函数形式（看前面的图标fx。word文档：分数阶玻尔兹曼-香农交互熵的数学公式。熵值理论分析在时间序列分析中存在重要的作用。），便于调用，不可直接运行哦。

非常好用！

熵值理论分析在时间序列分析中存在重要的作用。基于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。本期推出Lempel-Ziv。。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。

熵值理论分析在时间序列分析中存在重要的作用。基于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，。本期推出一种最新发表的熵--，该方法于最新发表在顶级SCI期刊Chaos上。非常非常新了，。和其他熵一样，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。。

熵值理论分析在时间序列分析中存在重要的作用。基于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。本期推出。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。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。

熵值理论分析在时间序列分析中存在重要的作用。基于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，。本期推出一种最新发表的熵--，该方法于最新发表在顶级SCI期刊Chaos上。非常非常新了，。和其他熵一样，。。

散布熵的作者为解决散布熵中的问题，提出了，于2022年发表在一区顶级期刊IEEE Transactions on Fuzzy systems。本期推出。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。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。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。：血压数据、癫痫发作和非癫痫发作脑电信号。

可以不经过数据的分解或变换，直接度量数据的复杂度，可完成不同时间序列的分类。随机选择了5类状态（当然可以加入更多的状态），选用DE端的振动数据，暂且命名为正常，故障1，故障2，故障3，故障4。中，如：电能质量数据、振动数据、风速、功率、声音、温度、交通、水流、地震波等等，您能想到的时间序列皆有可能。计算每个样本的熵值（以上6种熵可随意切换），形成500*n的特征空间，将特征输入到后续的分类器中。3.文中有一些内容引自网络，会注明出处或引为参考文献，难免有未尽之处，如有不妥，请随时联系删改。

【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）example.m是示例文件，时间序列采用了神户（kobe）地震数据，调用5种熵的函数，可直接运行。和其他熵一样，前期将玻尔兹曼-香农交互熵扩展到多尺度，最新首创了4种多尺度熵（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，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。

熵值理论分析在时间序列分析中存在重要的作用。基于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，。本期推出一种最新发表的熵--，该方法于最新发表在顶级SCI期刊Chaos上。非常非常新了，。和其他熵一样，。。

熵值理论分析在时间序列分析中存在重要的作用。基于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，。本期推出一种最新发表的熵--，该方法于最新发表在顶级SCI期刊Chaos上。非常非常新了，。和其他熵一样，。。

【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）example.m是示例文件，时间序列采用了神户（kobe）地震数据，调用5种熵的函数，可直接运行。仅需一行，可改进所有优化算法：21种混沌映射方法-混沌初始化（附matlab代码）和其他熵一样，前期将玻尔兹曼-香农交互熵扩展到多尺度，最新首创了4种多尺度熵（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，【有经典，有最新】24种信号分解方法（附matlab代码）

熵值理论分析在时间序列分析中存在重要的作用。基于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，。本期推出一种最新发表的熵--，该方法于最新发表在顶级SCI期刊Chaos上。非常非常新了，。和其他熵一样，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。

散布熵的作者为解决散布熵中的问题，提出了，于2022年发表在一区顶级期刊IEEE Transactions on Fuzzy systems。本期推出。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。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。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。：血压数据、癫痫发作和非癫痫发作脑电信号。

熵值理论分析在时间序列分析中存在重要的作用。基于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。本期推出。可用于分析一切中，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。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。