交叉熵方法

MinCEP是一个使用最小交叉熵进行阈值选择的函数，用于处理2D灰度图像中的非空白空间。该算法根据图像的最小和最大强度计算出ILow和IHigh图像，并输出MinCEP选择的阈值。该实现基于Brink和Pendock的论文，提高阈值选择的精度和效率。例如，您可以使用该函数处理包含轮胎图像的示例：img = imread('轮胎.tif'); [ILow, IHigh, T] = minCEP(img);

这些代码能够计算出MOORA、TOPSIS、modTOPSIS、VIKOR和ARAS等五种不同MCDM技术的最优解。使用AHP和交叉熵方法可以计算出标准权重。使用这些代码的研究人员，请引用以下论文：“Hussain，SAI，Sen，B.，Das Gupta，A.和Mandal，UK（2020）。新颖的多目标决策和折衷方法，用于选择Inconel-800超合金的最佳加工参数。科学与工程，45，5833-5847。”、“Sen B.，Hussain，SAI，Gupta，AD，Gupta，MK，Pimenov，DY和Mikołajczyk，T。（2021）。类型2模糊AHP-ARAS在选择最佳WED

熵值法优化TOPSIS计算公式，提出改进熵权TOPSIS法，结合定性定量因素对电力营销服务进行评价，验证了该方法的实用性。

本包含两个文件：运行主文件和熵权TOPSIS函数。运行主文件可从我的个人主页文章中获取详细说明。函数中附有代码注释。我认为熵权TOPSIS是一种相对简单的多准则决策方法。

该脚本利用Kozachenko-Leonenko方法对一维日期数据进行熵的点估计。

（3）基于数据挖掘和知识发现的信息分析方法伴随着这些技术的发展，信息分析开始担负起发现知识、运用知识和提供服务的任务，即从海量原始数据中挖掘出决策所需的深层次信息，转化成知识并有效地加以运用。这些知识通常具备有效性、新颖性、潜在有用性、易于理解等特点。它们是集数据库和数据仓库技术、人工智能、机器学习、神经网络、统计学、模式识别、知识库系统、知识获取、信息提取、高性能计算和数据可视化等为一体的交叉性研究领域。

方法概述 该方法融合信息熵和TOPSIS法进行综合评价。首先，利用信息熵计算指标权重，客观反映指标信息量；随后，应用TOPSIS法，基于指标权重计算综合得分，对评价对象进行排序。 步骤 数据标准化处理 计算信息熵 确定指标权重 计算各方案与理想解的距离 计算综合得分 排序 优势 客观性：权重由数据自身决定，避免主观因素影响 综合性：考虑指标信息量和方案与理想解的距离 可操作性：步骤清晰，易于实现

PEMF 交叉验证是一种利用预测增强模型（PEM）评估代理模型预测性能的方法，特别适用于交叉验证场景。

该方法利用粗糙集理论处理不确定信息，通过计算条件信息熵来量化属性重要性，进而确定权重。

MATLAB开发：硬件加速的射线盒交叉方法。SMITS射线盒交叉方法的GPU可移植实现（1998年）。