1) Kolmogorov entropy
柯尔莫哥洛夫熵
1.
Method Kolmogorov entropy (KE) was applied to measure the chaotic degree of physiological central fatigue and the changes of KE of different subjects’ EEG under different mental fatigue status were analyzed.
方法对不同人在不同生理性精神疲劳状态下的脑电信号进行无序程度度量,分析柯尔莫哥洛夫熵在不同生理性精神疲劳状态下的变化规律。
2) Kovmogolov entropy
柯尔莫哥洛夫
1.
In the thesis,the definition of Kovmogolov entropy is described,and the method for acquiring K 2_entropy is given based on time series.
由于非线性系统存在长期不可预测性 ,基于此 ,建立了基于时间序列的柯尔莫哥洛夫熵求解方法 ,并利用柯尔莫哥洛夫熵求取了复杂机械系统状态的最大可预测的点数。
3) Kolmogorov test
柯尔莫哥洛夫检验
1.
Then after a series of data transformations on original data,the quasi-distribution function is obtained and Kolmogorov test is used to evaluate the similarity of fingerprints of two classes of samples.
采用秩变换将色谱峰面积值转化为相对秩次,然后通过一系列变换将原数据转换成拟分布函数的形式,再利用柯尔莫哥洛夫检验实现不同类别样品的色谱指纹图谱之间的相似性分析。
2.
By analyzing the current methods for deter mining the failure distribution model,a new determination method is proposed that uses kolmogorov test to verify the validity of the distribution model and then uses two-level comprehensive fuzzy evaluation method to validate the model.
在对现有的可靠性故障分布模型确定方法进行分析的基础上,提出首先应用柯尔莫哥洛夫检验方法对分布模型进行有效性验证,然后应用二级模糊综合评判方法对故障分布模型进行确认的新方法。
4) Kolmogorov criterion
柯尔莫哥洛夫检验
1.
Under the given level,this distribution function can pass the Kolmogorov criterion,thus it can approximate sample s real distribution function.
用这种方法构造的分布函数在给定的水平下可通过柯尔莫哥洛夫检验,从而可很好的逼近母体之真实分布函数。
5) Kolmogorov-Smirnove test
柯尔莫哥洛夫检测
6) Kolmogorov's forward equations
柯尔莫哥洛夫向前方程
补充资料：柯尔莫哥洛夫熵
柯尔莫哥洛夫熵（以下简称k熵）是刻划混沌系统的一个重要的量。在不同类型的动力学系统中，k熵的数值是不同的。k熵的数值可以用来区分规则运动、混沌运动和随机运动。在随机运动系统中，k熵是无界的；在规则运动系统中，k熵为零；在混沌运动系统中，k熵大于零，k熵越大，那么信息的损失速率越大，系统的混沌程度越大，或者说系统越复杂［3］。在信息论中，香农熵（shannon熵，简称s熵）定义为
（1）
式中pi是系统处于状态i的概率；h是与熵的单位有关的常数。根据香农的信息理论，s熵可用来刻划对系统未知的程度，当s熵的数值大于零时，系统总存在我们无法认识的侧面。
根据s熵的定义，可以引入k熵的定义如下：如果奇怪吸引子动力系统的轨道为x（t）={x1（t）,…,xd（t）},设d维空间被划分成一系列尺寸为ld的盒子，系统的状态可在时间τ的间隔内观察，设pi0…in是x（0）在盒子i0中，x（τ）在盒子i1中，x（nτ）在盒子in中的联合概率，根据香农公式有
（2）
它正比于以长度l确定系统在特殊轨道i*0,…,i*n所需要的信息。因此kn+1-kn是系统于已知单元i*0,…,i*n中和系统在预测单元i*n+1中的信息之差，这意味着kn+1-kn量度了系统从时间nτ到（n+1）τ的信息损失。k熵定义为信息的平均损失率为
极限l→0说明k熵与相空间的划分无关。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条