...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Nonlinear Dynamics >Entropy measures for biological signal analyses
【24h】

Entropy measures for biological signal analyses

机译：生物信号分析的熵测度

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Entropies are among the most popular and promising complexity measures for biological signal analyses. Various types of entropy measures exist, including Shannon entropy, Kolmogorov entropy, approximate entropy (ApEn), sample entropy (SampEn), multiscale entropy (MSE), and so on. A fundamental question is which entropy should be chosen for a specific biological application. To solve this issue, we focus on scaling laws of different entropy measures and introduce an ensemble forecasting framework to find the connections among them. One critical component of the ensemble forecasting framework is the scale-dependent Lyapunov exponent (SDLE), whose scaling behavior is found to be the richest among all the entropy measures. In fact, SDLE contains all the essential information of other entropy measures, and can act as a unifying multiscale complexity measure. Furthermore, SDLE has a unique scale separation property to aptly deal with nonstationarity and characterize high-dimensional and intermittent chaos. Therefore, SDLE can often be the first choice for exploratory studies in biology. The effectiveness of SDLE and the ensemble forecasting framework is illustrated by considering epileptic seizure detection from EEG.
机译：熵是用于生物信号分析的最流行和最有前途的复杂性度量之一。存在各种类型的熵测度，包括香农熵，Kolmogorov熵，近似熵（ApEn），样本熵（SampEn），多尺度熵（MSE）等。一个基本的问题是，对于特定的生物学应用应选择哪种熵。为了解决这个问题，我们专注于缩放不同熵测度的定律，并引入整体预测框架以找到它们之间的联系。集合预测框架的一个关键组成部分是比例依赖的Lyapunov指数（SDLE），其缩放行为被发现是所有熵测度中最丰富的。实际上，SDLE包含其他熵度量的所有基本信息，并且可以充当统一的多尺度复杂度度量。此外，SDLE具有独特的标度分离特性，可以适当地处理非平稳性并表征高维和间歇性混沌。因此，SDLE通常可以作为生物学探索性研究的首选。通过考虑从脑电图检测癫痫发作说明了SDLE和整体预测框架的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号