为了准确分析混沌伪随机序列的结构复杂性，采用谱熵算法对Logistic映射、Gaussian映射和TD-ERCS系统产生的混沌伪随机序列复杂度进行了分析。谱熵算法具有参数少，对序列长度N(唯一参数)和伪随机进制数K鲁棒性好的特点。采用窗口滑动法分析了混沌伪随机序列的复杂度演变特性，计算了离散混沌系统不同初值和不同系统参数条件下的复杂度。研究表明，谱熵算法能有效地分析混沌伪随机序列的结构复杂度；在这三个混沌系统中，TD-ERCS系统为广域高复杂度混沌系统，复杂度性能最好；不同窗口和不同初值条件下的混沌系统复杂度在较小范围内波动。为混沌序列在信息安全中的应用提供了理论和实验依据。

Matlab计算变量的熵权和TOPSIS指标，简单好用

安德森《计算流体力学及其应用》第七章拟一维喷管流动的数值解 7.3节 亚声速—超声速等熵喷管流动的CFD解法 。

maxent-srl 使用最大熵分类器的语义角色标记

英语信源熵实验。搜集10段英文文献，每段1万个字符以上，文献不要相关性太强 （1）预处理：把大写字母改写为小写（后面统计不分大小写），去掉标点符号、换行、回车等符号（全部用1个空格代替），去掉连续空格； （2）计算信源熵：统计26个字母和空格符，共27个符号的概率，计算信源熵H1； （3）H2熵：统计字符出现的一阶条件概率，计算H2熵；并和课本上的做一下对比。 （4）利用信源概率、一阶马尔科夫概率（H2）分别随机生成一段英文序列，对比生成序列的可读性。 要求：10段文献分别做，对比（2）（3）（4）步的结果；附上代码，做好注释。 资源带有源代码以及论文，详细讲述了代码如何实现以及运行过程。

决策树——ID3算法1.信息熵2.信息增益3.西瓜数据集来构造决策树 用信息增益大小作为决策树属性选择划分的依据是ID3算法构造决策树的核心思想 1.信息熵 在讲信息增益之前就不得不提到信息熵，信息熵定义为： 其中： D —— 样本集合 Pk —— 第k类样本所占比例（k取1,2,…,|y|） 它是度量样本集合纯度最常用的指标，通常En(t)越小样本集合纯度越高。 2.信息增益 信息增益定义为： 其中： a —— 样本中的一个属性 D —— 样本集合 Dv ——实际属性值v对应的样本集合 V —— 属性a对应的实际属性值个数 v —— 某一个实际属性值计数 Ent(D) —— D的信息熵

使用MATLAB实现信息熵的计算

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

物元分析方法是中国学者蔡文于20世纪80年代提出的用于解决矛盾问题的技术方法,是研究物元及其变化规律,解决现实世界中不相容问题的有效方法,可应用于生态环境,水资源承载力,农用地分级和土地生态水平等综合评价研究中.物元分析法的主要思想是把事物用"事物,特征,量值"(分别用N,C,V表示)3个要素以有序三元组的形式来描述,这个三元组就叫物元.其它相关概论不在赘述。本模型采用Java语言编写，如果用这个模型请提前安装好JDK并正确配置相关环境变量，相关代码见压缩包。

医学图像融合后的评价指标：交叉熵；应该使用标准图像&融合后图像，使用方法cross_entro=num2str(cross_entropy(data.M1,data.M2));