6种图像评价原理（UCIQE、UICM、PSNR、SSIM、等效圆偏检测、图像信息熵）

本文为softmax 的交叉熵 求导公式，来源于斯坦福cs224n 其中一题

子图查询是指输入一个图数据库和查询子图, 输出图数据库中包含查询子图的图集合, 它广泛应用于社会网、生物网和信息网的查询应用中。目前的子图查询算法大多采用静态消耗测算模式, 此类测算模式在图中点数和连接边数呈指数分布时, 会在少数节点上花费较多时间遍历其邻节点, 导致查询算法效率低下。根据信息熵在信息度量中的作用, 将条件信息熵作为启发式匹配的依据, 提出了基于信息熵的子图匹配算法。实验表明, 基于信息熵的子图匹配算法具有更高的查询效率, 且在指数分布的数据集上效果更明显。

一篇从IEEE上下的文章上面的一个算法，用于图像分割，可以得到不错的结果，就编了出来，

改进CRITIC法、CRITIC法、熵权法、结合TOPSIS法、线性加权法，多种定权综合评价#####简单易懂代码#####；适用于指标定权，多指标评价；后期可将评价结果可视化； 针对属性评价研究中的不足，提出一种改进CRITIC法定权并结合TOPSIS方法对路段重要性进行综合评价。该方法在考虑指标内部信息量时用指标的变异系数来表示，有效避免了标准差过于绝对性；同时考虑指标间的冲突性时对相关系数取绝对值，消除正负号影响；结合指标的相对重要程度加权到TOPSIS综合评价模型，其能充分利用原始数据的信息，其结果能精确地反映各评价方案之间的差距，最终通过武汉市路网进行实例验证分析。 将改进CRITIC与TOPSIS法简称为改进CT，同理将以往文献方法简称为未改进CT、熵权法T、线性加权法。由图7可知，改进CT方法相比未改进CT、线性加权方法，评价结果分层更加明显，可以路段重要梯次分为四个阶梯，每个阶梯路段重要程度以次下降；由于熵权法没有考虑到指标间的相关性，当两个指标间相关性高且指标值同时大或同时小就会出现综合评价结果偏大或偏小，由图7可知，改进CT法综合评价值区间跨度小于熵权法T区间。

函数包括广延香农和非广延萨利斯、护送萨利斯和仁义熵。 函数名称以 K_q_ 开头表示相对熵所有七个功能的用法： 如果我们假设 DATA 是 M*N 的矩阵。 那么格式应该是sum(DATA(:,i))=1,for i=1:N，N是时间序列的长度

最大熵模型和BP神经网络的短句对齐比较.docx

用于以下元启发式的 Python 库：自适应随机搜索、蚁狮优化器、算术优化算法、人工蜂群优化、人工鱼群算法、蝙蝠算法、基于生物地理学的优化、交叉熵方法、乌鸦搜索算法、布谷鸟搜索、差分进化,分散 苍蝇 优化,蜻蜓 算法,萤火虫 算法,流向 算法,花授粉算法，遗传算法，蚱蜢优化算法，重力搜索算法，灰狼优化器，哈里斯鹰优化器，改进的灰狼优化器，改进的鲸鱼优化算法，Jaya，水母搜索优化器，磷虾群算法，模因算法，飞蛾火焰优化，多元 宇宙 优化 器,粒子 群 优化,随机 搜索, Salp Swarm 算法,模拟退火,正余弦算法,鲸鱼优化算法。

基于ADC采样的真随机数发生器的熵估计

计算l两段信号的传递熵 传递熵其实就是一个条件分布带来的探测到时间序列间的不对称性