专业经典:介绍了信息熵,条件熵,相对熵.学习统计语言模型用来处理语言识别问题,或者其他统计相关模型必备之基础知识

该程序用于计算信号复合多尺度陈列熵，matlab环境下程序

MATLAB完成jpeg编码和解码，包括编码DCT，哈夫曼编码，熵编码

图像压缩的代码，使用DCT,变换，量化，熵编码。
可以直接运转，运转结果很好。

时频分析工具箱中提供了计算各种线性时频表示和双线性时频分布的函数，本帖主要列出时频分析工具箱函数简介，以号召大家就时频分析应用展开相关讨论。
一、信号产生函数：amexpo1s单边指数幅值调制信号amexpo2s双边指数幅值调制信号amgauss高斯幅值调制信号amrect矩形幅值调制信号amtriang三角形幅值调制信号fmconst定频调制信号fmhyp双曲线频率调制信号fmlin线性频率调制信号fmodany任意频率调制信号fmpar抛物线频率调制信号fmpower幂指数频率调制信号fmsin正弦频率调制信号gdpower能量律群延迟信号altes时域Altes信号anaask幅值键移信号anabpsk二进制相位键移信号anafsk频率键移信号anapulse单位脉冲信号的解析投影anaqpsk四进制相位键移信号anasingLipscjitz奇异性anaste单位阶跃信号的解析投影atoms基本高斯元的线性组合dopnoise复多普勒任意信号doppler复多普勒信号klauder时域Klauder小波mexhat时域墨西哥帽小波二、噪声产生函数noiseecg解析复高斯噪声noiseecu解析复单位高斯噪声tfrgaborGabor表示tfrstft短时傅立叶变换ifestar2使用AR(2)模型的瞬时频率估计instfreq瞬时频率估计sqrpdlay群延迟估计三、模糊函数ambifunb窄带模糊函数ambifuwb宽带模糊函数四、Affine类双核线性时频处理函数tfrbert单式Bertrand分布tfrdflaD-Flandrin分布tfrscalo尺度图tfrspaw平滑伪Affine类Wigner分布tfrunterUnterberger分布五、Cohen类双核线性时频处理函数tfrbjBorn-Jordan分布tfrbudButterworth分布tfrcwChoi-Williams分布tfrgrd归一化的矩形分布tfrmhMargenau-Hill分布tfrmhsMargenau-Hill频谱分布tfrmmce谱图的最小平均互熵组合tfrpagePage分布tfrwv伪Wigner-Ville分布tfrriRihaczek分布tfrridb降低交叉项的分布（Bessel窗）tfrridbn降低交叉项的分布（二项式窗）tfrridh降低交叉项的分布（汉宁窗）tfrridt降低交叉项的分布（三角窗）tfrsp谱图分布tfrspwv平滑伪Wigner-Ville分布tfrwvWigner-Ville分布tfrzamZhao-Atlas-Marks分布六、其他处理函数：friedman瞬时频率密度htl图像直线检测中的Hough变换margtfr时频表示的能量momftfr时频表示的频率矩momttfr时频表示的时间矩renyiRenyi信息度量ridges波峰提取plotifl绘制归一化的瞬时频率规律tfrparam前往用于显示时频表示的参数tfrqview时频表示的快速可视化tfrsave保存时频表示的参数tfrview时频表示的可视化

LZ复杂度分析随着人们对非线性方法的分析越加深入，他们发现，虽然关联维度和最大李雅谱诺夫指数在分析脑电时具有一定的协助，但是它们对数据的依赖性太强，对干扰和噪声太敏感，而且要得到可靠的结果需要大量的数据，这对于高度不平稳的脑电波来说无疑是相当大的局限。
科研人员迫切需要一种数据量少且具有一定抗干扰能力的方法，这时LZ复杂度算法应运而生，它是一种表征时间序列里出现新模式的速率的方法。
这个方法最先由Lempel和Ziv提出，因此取名为Lempel-Ziv复杂度。
直到1987年，才由Kaspar和Schuster提出了该算法的计算机实现方法。
对于一个待求字符串S(S1，S2，…，Sn)以及另一个字符串Q(q1，q2，…，qn)，SQ表示S和Q的级联，SQ=(S1，S2，…，Sn，q1，q2，…，qn)。
令SQv是SQ减去最后一个字符所得字符串。
判断Q是否是SQv的一个子串，如果Q是SQv的一个子串，说明Q中的字符是可从S复制的，这时把待求序列的下一个字符级联到Q。
如果Q不是SQv的一个子串，则表示Q是插入字符。
这时把Q级联到S，S=SQ，重新构造Q，重复以上过程直到Q取待求序列的最后一位结束。
每次Q级联到S，表明出现一种新模式，用c表示一个字符串中新模式的数量。
例如对于S=(10101010)，应用上面的方法可以得到c(8)=3个新模式：1，0，101010。

这是我从网上找到的一份决策树Cart算法代码，其中在确定分枝时采用的是熵不纯度确定的方法,代码可以运行.声明这份代码不是我原创的，是从某个网页上下载下来的，不过原作者的代码中许多变量没有作详细注释，我在阅读这份代码时加了许多自己的理解，几乎每个变量每句代码都作了解释，对于学习决策树CART算法的同学具有比较好的入门指导作者，这里将代码贡献出来与大家一起分享，如果有注释不准的地方，请发表评论提示我。
也向原作者致谢(不好意思，忘记在哪个网页上下载的了)

图像分割是目标识别的首要和关键步骤。
目前的图像分割方法有多种,其中阈值方法优点比较突出,但是采用阈值方法分割的关键是要能高效率地找到被分图像的最佳熵阈值。
针对这一问题,将Geese-LDW-PSO算法的位置更新公式作了改进,即用当前种群的全局极值取代所有粒子的当前位置,并将之用于熵阈值图像分割中。
仿真实验表明,该算法可以快速稳定地获得一幅图像的最佳分割阈值。
仿真结果显示,该方法对车牌分割具有较好的功能。
专业论文，为广大做毕设同学提供资源

熵权法用于客观评价常用工具，matlab编码可迅速完成熵权计算

本文针对学生成绩定性评价问题，提出了一种基于梯形云理论的定性评价方法。
首先，将一门课程一组学生的历史成绩，用新的云变换算法，确定出学生成绩的每个定性概念所对应的梯形云数值区间，接着把需要评价的学生N次成绩看成云滴，依据逆向云生成器，计算出学生成绩云的特征值：期望值、熵、超熵，接着依据条件云生成器，计算出学生成绩与每个定性评价的隶属度值，最初运用隶属度最大值法确定出了学生成绩定性概念。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。