【SCI一区】模糊斜率熵 Fuzzy Slope Entropy+状态分类、故障诊断！

【SCI一区】模糊斜率熵 Fuzzy Slope Entropy+状态分类、故障诊断！ - 教程

引言

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。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（部分暂无任何文献应用报道，属全球首创），可用于分析一切时间序列中，如：电能质量数据、振动信息、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没有任何困难，运气好一区也能行，水个中文核心更是不在话下。

1.模糊斜率熵(Fuzzy Slope Entropy)

2.多尺度模糊斜率熵(Multiscale Fuzzy Slope Entropy)

3.层次模糊斜率熵(Hierarchical Fuzzy Slope Entropy)

4.复合多尺度模糊斜率熵(Composite multiscale Fuzzy Slope Entropy)

5.精细复合多尺度模糊斜率熵(Refined Composite multiscale Fuzzy Slope Entropy)

6.时移多尺度模糊斜率熵(Time-shift multiscale Fuzzy Slope Entropy)

斜率熵 Slope Entropy 为子序列的每个元素分配了一个符号，形成了一个新的符号模式。但实际上，符号之间的边界是模糊的，原有的斜率熵无法准确描述符号边界处元素的正确分类。所得到的符号模式不能完全表示时间序列中的信息。为此，提出了模糊斜率熵 Fuzzy Slope Entropy，FuSE，利用模糊隶属函数来确定每个差异属于每种符号的程度。该方式思路与模糊散布熵Fuzzy Dispersion Entropy 类似，见往期内容：【源自一区IEEE Trans】模糊散布熵Fuzzy Dispersion Entropy及其5种多尺度系列-Matlab代码。

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：从两个连续值xi+1和xi之间的差：

第3步：利用模糊隶属函数（梯形隶属函数和三角隶属度）计算符号的隶属度：

第4步：每个子序列Ri被映射到一个不同的符号序列模式{ai， ai+1，…， ai+m−1}根据其成员的隶属度计算子序列的隶属度。

第5步：计算每个符号模式出现的概率及FuSE熵值。

03.实验结果

原文作者给出了一个具体的例子，进一步说明了FuSE计算过程。给出了长度N = 6，嵌入维数m = 3的时间序列 T ={4,7,2,3,9,5} 在 γ=1 的前提下的FuSE计算过程。原论文里的给出的结果：FuSE = 1.0397。

FuSE计算过程

那么我们的复现结果如何呢？

将论文中的示例信息输入到代码中，设置了同样的参数，最后得到结果是：1.0397。

完美复现！！！

参考文献

Y. Li, G. Tian, Y. Cao, Y. Yi and D. Zhou, "Optimized Fuzzy Slope Entropy: A Complexity Measure for Nonlinear Time Series," inIEEE Transactions on Instrumentation and Measurement, vol. 73, pp. 1-14, 2024, Art no. 2536314, doi: 10.1109/TIM.2024.3493878.

Matlab代码下载

微信搜索并关注-优化算法侠（英文名：Swarm-Opti），或扫描下方二维码关注，以算法名字搜索历史文章即可下载。

完整代码

完整代码

https://mp.weixin.qq.com/s/8Sc1QOMagNUnt0M7id7hTg

点击链接跳转：

400多种优化算法免费下载-matlab

https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247488871&idx=1&sn=ea026691584099bc23b5d9a8c0d9d9cf&scene=21&poc_token=HG5-tWijLKDzrao_cHY0NlLHnIgBxRgsfIQFxbLihttps://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247488871&idx=1&sn=ea026691584099bc23b5d9a8c0d9d9cf&scene=21&poc_token=HG5-tWijLKDzrao_cHY0NlLHnIgBxRgsfIQFxbLi

求解cec测试函数-matlab

cec2017测试函数使用教程及matlab代码免费下载

cec2018测试函使用教程及matlab代码免费下载

cec2019测试函使用教程及matlab代码免费下载

cec2020测试函使用教程及matlab代码免费下载

cec2021测试函运用教程及matlab代码免费下载

cec2022测试函使用教程及matlab代码免费下载
绘制cec2017/018/2019/2020/2021/2022函数的三维图像教程，SO EASY！

215种群智能优化算法python库

Amazing！Python版215种群智能优化算法https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486669&idx=1&sn=6b439e55b37b6482b8d3831ca85f1d55&chksm=c12be0c8f65c69de71ad51d3b736b871ff52f8646e90624f95dd32b024dfaad369d654aaf8fc#rd

解决12工程设计优化问题-matlab

略微出手，工程设计疑问（12）（附Matlab代码）https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247485052&idx=1&sn=80e5573c1c005ee5640e44935044ee35&chksm=c12bea79f65c636fc73758b4f4893502bd89cbd1c5d15d7db15e8b5c94eeae40450439d44944&token=681266555&lang=zh_CN#rd

求解11种cec测试函数-python

【选择自由，免费下载】215种优化算法求解11种cec测试函数-python代码https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486669&idx=2&sn=eea8fb04dc507ab9119e2c97c03ca2f6&chksm=c12be0c8f65c69decd6c8109f6b997986bf58725fdbbd7ab03752cb6f61aacdb5a2dc7fec762#rd

解决30种工程设计优化疑问-python

【一码解除】215种优化算法求解30个现实世界的工程设计优化障碍，让你的论文增色10倍（附Python代码）https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486669&idx=3&sn=ea6d26ae7cb651e5c368f4c73ade228e&chksm=c12be0c8f65c69de739af72d9793838f59ab77bfee36bc2c204f96e2a9e5c6d87dfbbbae698e#rd

《一行破万法》：80余种改进策略仅需一行，可改进所有优化算法（附matlab代码）

https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247487693&idx=1&sn=2e112a6ecad1a302179ed83a955fb26b&scene=21&poc_token=HBF_tWijdJadHRqwV2szg8ee9k-p1DTwa8W7GF4Chttps://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247487693&idx=1&sn=2e112a6ecad1a302179ed83a955fb26b&scene=21&poc_token=HBF_tWijdJadHRqwV2szg8ee9k-p1DTwa8W7GF4C

【有经典，有最新】24种信号分解方法（附matlab代码）

沙场大点兵：24种信号分解方法（附matlab代码）https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486001&idx=1&sn=a87c24cb401017a78a90bd1b1439fcb0&chksm=c12be634f65c6f22368b7229a59ac5ef330b89d710c826dbfd1a1c34a02b1dd7e909c7f40d79&token=25423484&lang=zh_CN#rd