马氏链的稳定分布matlab代码BayeZirChron.c 贝叶斯锆石喷发年龄估计代码的 C 版本来自 从命令行安装 从命令行安装需要一个有效的 C 编译器。 默认假设（或别名）可用。 在 linux/unix/bsd 上，这可能已经是正确的； 在 Mac OS 上，可以通过在命令行键入xcode-select --install来安装编译 C 源代码所需的工具。 # Download git clone https://github.com/brenhinkeller/BayeZirChron.c.git # Move to folder containing source code cd BayeZirChron.c/src/ # Compile make serial 要编译用于综合分布测试的并行代码，请另外运行： make parallel 或者 mpicc -std=c11 -O3 -o tzircrystestaccuracy tzircrystestaccuracy.c 编译和运行此并行版本还需要安装 MPI（或 ） 示例文件夹中提供了示例批处理文件： 用法 提供了一系

多尺度（样本）熵分析（MSE） 该代码的基础来自PhysioNet软件库（请参阅和 ）。 介绍了使用样本熵（SampEn）的MSE概念。 该软件包包含一个C库和一个围绕它的Python包装器。 C库编译 没有外部依赖项（数学库除外），只是： gcc -shared -o libsampen.so -O -Wall -fPIC sampen.c -lm 此命令在当前目录中生成文件“ libsampen.so”。 注意：请勿更改文件名，Python包装器将搜索该名称。 Python包装器 在python中，假设当前目录包含一个包含存储库文件和libsampen.so的目录（例如，名为MultiScaleEntropy ）， import MultiScaleEntropy 将加载MultiScaleEntropy模块，该模块具有两个最重要的功能： sampen ：计算序列的s

SampEn 是一种复杂性度量，可以轻松应用于任何类型的时间序列数据，包括心率变异性和 EEG 数据等生理数据。 SampEn 在概念上类似于近似熵 (ApEn)，但有以下区别： 1) SampEn 不计算自匹配。 通过在最后一步取对数可以避免使用 log(0) 可能带来的麻烦。 2) SampEn 不像 ApEn 那样依赖数据大小。 比较如上图所示。 此属性使其适用于数据量相对较短的应用程序。 此代码使用与 Fast Approximate Entropy 中相同的矢量化技术，这是同一作者的另一个提交。

该包在 MATLAB 中实现了近似熵 (ApEn)、样本熵 (SampEn) 以及范围熵 (RangeEn) A 和 B。 ApEn 和 SampEn 以两种方式实现：慢速和快速。 缓慢的实现更直观，更容易遵循。 快速实现的想法来自Python（ https://pypi.org/project/nolds/#description ）中'nolds'库的'sampen'函数。 RangeEn-A 和 RangeEn-B 分别基于 ApEn 和 SampEn 的快速实现。 您可以运行“fBm_entropy_analysis”以获得分数布朗运动的熵度量的“如何”示例（MATLAB 的“wfbm”函数）。 有关 Python 中的更多示例，请参阅我的 github 页面： https : //github.com/omidvarnia/RangeEn 。 ApEn 的参考资料：SM

免积分共享 UDP网络编译sample C语言实现 附件中包含udp_client.c udp_server.c

myappsampe：适用于教程的SampleApp

计算样本熵的Matlab程序，可用于机械故障诊断，生物医学信号处理（例如脑电、肌电、心电等）