全局排列熵
机器学习
2025-08-28 v1 信息论
math.IT
摘要
排列熵由Bandt和Pompe提出，是一种用于实值时间序列的复杂性度量，基于固定长度连续片段中值的相对顺序。通过将每个片段标准化为排列并计算这些排列的频率分布，然后应用香农熵来量化序列的复杂性。我们引入了全局排列熵 (GPE)，一种新指标，它考虑给定长度的所有可能模式，包括非连续的模式。其计算依赖于最近开发的算法，使能够高效提取完整的排列轮廓。我们展示了GPE的一些性质，并通过对合成数据集的实验表明，它揭示了标准排列熵无法获取的结构信息。我们提供了一个 Julia 软件包，用于计算GPE，地址为 `https://github.com/AThreeH1/Global-Permutation-Entropy`。
引用
@article{arxiv.2508.19955,
title = {Global Permutation Entropy},
author = {Abhijeet Avhale and Joscha Diehl and Niraj Velankar and Emanuele Verri},
journal= {arXiv preprint arXiv:2508.19955},
year = {2025}
}
备注
12 pages, 10 figures