各种熵的代码包括模糊熵、样本熵、相似熵等等

本代码真实有效，可以运行，包括各种熵的matlab代码，样本熵、近似熵、模糊熵等等。

function [apen] = approx_entropy_bbd（nra）
%% Code for computing approximate entropy for a time series: Approximate
% Entropy is a measure of complexity. It quantifies the unpredictability of
% fluctuations in a time series

% To run this function- type: approx_entropy（‘window length‘‘similarity measure‘‘data set‘）

% i.e  approx_entropy（50.5a）

% window length= length of the window which should be considered in each iteration
% similarity measure = measure of distance between the elements
% data set = data vector

% small values of apen （approx entropy） means data is predictable whereas
% higher values mean that data is unpredictable

% concept boorowed from http://www.physionet.org/physiotools/ApEn/

% Author: Avinash Parnandi parnandi@usc.edu http://robotics.usc.edu/~parnandi/



data =a;


for m=n:n+1; % run it twice with window size differing by 1

set = 0;
count = 0;
counter = 0;
window_correlation = zeros（1（length（data）-m+1））;

for i=1:（length（data））-m+1
    current_window = data（i:i+m-1）; % current window stores the sequence to be compared with other sequences
    %%  计算两个之间的差超过多少的个数
    for j=1:length（data）-m+1
    sliding_window = data（j:j+m-1）; % get a window for comparision with the current_window
    
    % compare two windows element by element
    % can also use some kind of norm measure; that will perform better
    for k=1:m
        if（（abs（current_window（k）-sliding_window（k））>r） && set == 0）
            set = 1; % i.e. the difference between the two sequence is greater than the given value  只要有两个的距离大于r就置为1
        end
    end%k=1:m
    if（set==0） 
         count = count+1; % this measures how many sliding_windows are similar to the current_window
    end
    set = 0; % reseting ‘set‘
    
    end%j=1:length（data）-m+1 end结束后得到所有落在模板i的r内的个数
   counter（i）=log（count/（length（data）-m+1））; % we need the number of similar windows for every cuurent_window
   count=0;
i;
end  %  for i=1:（length（data））-m+1 ends here


counter;  % this tells how many similar windows are present for each window of length m
%total_similar_windows = sum（counter）;

%window_correlation = counter/（length（data）-m+1）;
correlation（m-n+1） = （（sum（counter））/（length（data）-m+1））;


 end % for m=n:n+1; % run it twice   
   correlation（1）;
   correlation（2）;
apen = correlation（1）-correlation（2）;
% apen = log（correlation（1）/correlation（2））;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2417  2011-04-12 09:20  Entropy\approx_entropy_my.m

     文件       1737  2011-04-13 15:20  Entropy\Fuzzy_entropy_my.m

     文件       2019  2011-04-13 11:19  Entropy\Sample_entropy_my.m

     文件       1735  2017-12-14 11:43  Entropy\模糊熵.m

     文件       2610  2017-12-15 13:29  Entropy\相对熵.m

     目录          0  2018-05-04 10:31  Entropy

----------- ---------  ---------- -----  ----

                10518                    6