复杂时间序列的多元加权多尺度置换熵

时间序列的复杂度和熵可以对复杂度和熵有一定的理解。

多尺度熵程序代码，仅供参考一共四段，这是第一段function[h]=mseduochidu(x,m,r)a=length(x);fori=1:1:m%以1为步长1至mb=fix(a/i);%fix向

多通道多尺度熵的matlab代码。可对多通道的心电、脑电进行特征提取。

基于加权置换熵的管道泄漏检测

可对轴承振动信号等时间序列信号进行多尺度熵特征提取，再用于后续模式识别。

针对传统的多尺度时间序列重构方法无法完整地提取脑电图EEG信号特征的问题,提出了一种新的多尺度时间序列重构方法——移动方差化。将EEG信号使用移动方差化方法进行序列重构,进而在多个尺度上提取时间序列的

Multi-scale entropy data classification method

文档详细介绍了多元时间系列的建模方法，可对初学者提供参考。

多尺度熵分析对生理学信号复杂度的评价,文中涉及多尺度分析的原理以及实际应用

针对时间序列异常模式检测大多采用线性模式分割方式的局限性，研究了在Haar小波变换多尺度特征的基础上，结合时间序列模式分割技术，提出一种时间序列多尺度异常检测方法。该方法首先通过小波变换压缩时间序列，