曲折度熵：动物运动数据中行为变化空间复杂性的度量

动物运动分析的目标是理解生物体如何探索和利用复杂多变的环境。动物通常表现出多样且复杂的运动，从看似确定的行为到高度随机的行为。这对于评估运动效率以及用于量化和分析运动轨迹的策略至关重要。在此，我们引入了一种曲折度熵 (TorEn)，它基于对运动轨迹中连续点的参数（例如航向、方位、速度）的比较，这是一种在细粒度上量化动物运动数据中行为变化的简单度量。在我们的方法中，成对连续轨迹点之间的差异被转换为符号序列，然后我们将这些符号映射为一组模式向量并计算模式向量的信息熵。曲折度熵可以轻松地应用于任意现实世界数据——确定性或随机性、平稳或非平稳。我们在模拟轨迹和真实轨迹上测试了该算法，结果表明合成数据中的混合片段和真实运动数据中的不同阶段均被准确识别。结果显示该算法适用于各种情况，表明我们的方法是揭示运动数据中行为模式的一个有前景的工具。