Stereo Processing by Semiglobal Matching and Mutual Information 原文

Multi-focus image fusion using a morphology-based focus measure in a quad-tree structure的matlab实现

重击 用于计算符号互信息和熵的符号传递的Python模块

现在有大量关于模糊熵和模糊互信息理论的文章。 然而，这些概念的 Matlab 实现明显缺乏。 根据学生和研究人员的大量要求，我编写了此代码以简化此类概念并提供一个您可以直接尝试的工具。 当然，您可能会发现许多不同的方法可以增强代码的功能，因此请随时通知我和其他任何此类更新。 如果您使用此代码，请引用以下任何一篇论文： [1] RN Khushaba、A. Al-Jumaily 和 A. Al-Ani，“基于模糊熵和小波包变换的新型特征提取方法用于肌电控制”，第 7 届国际通信和信息技术研讨会 ISCIT2007，澳大利亚悉尼，第 352 – 357 页。 [2] RN Khushaba、S. Kodagoa、S. Lal 和 G. Dissanayake，“使用基于模糊小波包的特征提取算法的驾驶员睡意分类”，IEEE 生物医学工程汇刊，卷。 58，没有。 1，第 121-131 页，

pent 估计Copula熵和传递熵 介绍 实现了估计参数熵和传递熵的非参数方法。 估计copula熵的方法由两个简单步骤组成：通过等级统计估计经验copula和使用k最近邻法估计copula熵。 Copula熵是用于多元统计独立性测量和测试的数学概念，并被证明等同于互信息。与Pearson相关系数不同，Copula熵是为非线性，高阶和多元情况定义的，这使其普遍适用。估计copula熵可以应用于很多情况，包括但不限于变量选择[2]和因果发现（通过估计传递熵）[3]。有关更多信息，请参阅Ma and Sun（2011） 。有关中文的更多信息，请点击。 用于估计传递熵的非参数方法包括两个步骤：估计三个copula熵和从估计的copula熵计算传递熵。还提供了条件独立性测试的功能。有关更多信息，请参阅Ma（2019） 。 功能 pent-估计copula熵; Construct_empir

这是我们为基于BBPSO的特征选择而开发的Matlab工具箱，称为MIBBPSO。 该程序的详细信息可以在论文“Feature Selection Using Bare-Bones Particle Swarm Optimization with Mutual Information”中找到，该论文已提交给Pattern Recognition杂志。 在这个工具箱中，主函数被命名为“main”。

互信息计算matlab代码互信息代码 互信息的计算代码是用Matlab编写的。 互信息是衡量一个随机变量告诉我们另一个变量的数量的其中之一。 它是具有（通常）比特单位的无量纲量，并且可以被认为是在已知另一个随机变量的情况下，其不确定性的降低。 相互之间的信息丰富，表明不确定性大大降低； 相互信息量低表示减少幅度很小； 两个随机变量之间的相互信息为零意味着变量是独立的。

Estimating Mutual Information.pdf

非均匀分簇matlab代码time-delay_mutual-信息 此源包含针对非均匀采样总体的TDMI计算的非优化版本，有时甚至是愚蠢的并行化版本。 假定数据文件是以下形式的矩阵：mrn时间值 下面列出了代码的三个不同版本： single_case_raw ---包含TDMI计算的高度可调（因此使用起来有些困难）版本。 single_case_clean ---包含不可调整但易于使用的TDMI计算版本 cluster_code ---包含示例脚本和运行该脚本的代码，用于通过扭矩队列群集将TDMI计算的愚蠢并行版本提交给matlab。

该函数将估计用核密度函数估计互信息