BPS D3麸皮具有一个非超对称表亲，称为非敏感D3麸皮，这也是IIB型弦理论的解决方案。 黑色D3焊缝对应的对应物是“黑色”非多余的D3焊缝，并且与BPS D3焊缝一样，它也具有解耦限制，即解耦的几何形状（在我们感兴趣的情况下，这是渐近的AdS $ _ { 5} $×S $ ^ {5} $）是（3 + 1）维非共形，非超对称QFT的全息对偶。 在此QFT中，我们使用上述提到的球形子系统几何图形全息计算了纠缠熵（EE），复杂度和Fisher信息度量。 保真度和Fisher信息量度是使用文献中的两个不同建议，根据体积几何结构一个时间片的余维正则化极值体积计算得出的。 尽管对于AdS黑洞，两个提议给出的结果相同，但对于非超对称背景，结果却不同。

自然语言处理学习中的一个小例子。具体请见 http://www.cnblogs.com/finallyliuyu/archive/2010/03/12/1684015.html

MATLAB代码，有计算主程序，可以直接运行，可设置计算信号

输入： 一个字符串，请忽略所有非字母的字符(即只关注a-z, A-Z)，且不区分字母的大小写。 提示：可以用StdIn.readAll()读入字符串的所有内容 输出： 对应字符串的熵值，输出请用格式化输出("%4.2f\n") 样例输入： To□be□or□not□To□be,↵ that□is□the□question↵ 样例输出： 3.26↵

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