Złożoność danych pomiarowych i metody jej określania

• Autorzy: Czajka A. , Polak A.

Warianty tytułu

EN

Complexity of measurement data and methods for its assessment

• Języki publikacji: PL

Abstrakty

PL

W referacie przedstawiono problematykę określania złożoności danych pomiarowych oraz przegląd pewnej klasy algorytmów wyznaczających złożoność. Omówiono złożoność Kołmogorowa, entropię Shannona oraz entropię próbek. Celem przeprowadzonych prac była analiza wybranych algorytmów zastosowanych do określania złożoności sygnałów generowanych przez coraz bardziej złożony system. Badania miały charakter eksperymentów symulacyjnych. Ich wyniki pokazują, że miara złożoności danych generowanych przez badany system może być powiązana ze złożonością jego struktury i procesów zachodzących w samym systemie. Jest to krok wstępny do opracowania metody monitorowania zmian zachodzących w systemach złożonych poprzez oceny złożoności generowanych przez nie sygnałów. Do systemów takich należy m.in. układ oddechowy monitorowany podczas bezdechu sennego.

EN

In this paper the problem of assessment of measurement data complexity is presented together with a review of a certain class of algorithms for complexity calculation. The Kolmogorov complexity, Shannon entropy and sample entropy are discussed. The aim of this work was to analyse the chosen algorithms used in the assessment of complexity of signals generated by a more and more complex system. The investigations were performed as simulation experiments. Their results show that the measure of complexity of data generated by the system under investigation can be related to the complexity of both the system’s structure and internal processes. This is a preliminary step towards the elaboration of a method for monitoring changes in complex systems by assessment of the complexity of generated by them signals. Such systems include e.g. the respiratory system monitored during sleep apnoea.

Słowa kluczowe

PL

złożoność danych; złożoność systemu; ocena złożoności; entropia Shannona; entropia próbek

EN

data complexity; system complexity; assessment of complexity; Shannon's entropy; sample entropy

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2010
• Tom: R. 86, nr 9
• Strony: 9--12
• Opis fizyczny: Bibliogr. 18 poz., tab., wykr.

Twórcy

autor

Czajka A.

autor

Polak A.

• Politechnika Wrocławska, Katedra Metrologii Elektronicznej i Fotonicznej, ul. Prusa 55-57, 50-370 Wrocław,

Bibliografia

• [1] Polak A.G., Mroczka J., Pośrednie pomiary właściwości obiektów złożonych, W: Problemy metrologii elektronicznej i fotonicznej (red. J. Mroczka), Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław (2008), 15-78.
• [2] CobelliC., Carson E., Physiological complexity and the need for models, in: Introduction to Modeling in Physiology and Medicine, London, Academic Press (2008), 7-22.
• [3] Kaspar F., Schuster H.G., Easily calculable measure for the complexity of spatiotemporal patterns, Phys. Rev. A, 36 (1987), n.2, 842-848.
• [4] Pincus S., Approximate entropy (ApEn) as a complexity measure, Chaos, 5 (1995), n.1, 110-117.
• [5] Rezek I.A., Roberts S.J., Stochastic complexity measures for physiological signal analysis, IEEE Trans. Biomed. Eng., 45 (1998), n.9, 1186-1191.
• [6] Shiner J.S., Davison M., Landsberg P.T., Simple measure for complexity, Phys. Rev. E, 59 (1999), n.2, 1459-1464.
• [7] Fei Nan; Adjeroh, D., On complexity measures for biological sequences, Computational Systems Bioinformatics Conference, (2004), 522-526
• [8] Li M., Vitanyi P., An introduction to Kolmogorov Complexity and Its Applications, Springer Verlang, New York, (1993), 1-15
• [9] Nannen V.,A Short Introduction to Kolmogorov Complexity, (2003), (www.volker.nannen.com/pdf/short_introduction_to_k olmogorov_complexity.pdf)
• [10] Bozdogan H.,Akaike’s Information Criterion and Recent Developments in Information Complexity, Journal of Mathematical Psychology, 44 (2000), n.1, 62-91.
• [11] Radlinski J., Zou D., Latawiec W., Grote L.,Eder D., Hender J., Analiza wielkoskalowa entropii rytmu pracy serca potencjalnym predykatorem ryzyka sercowo – naczyniowego, materiały IX sympozjum, Krynica, (2009), 83-88.
• [12] Jabłoński I., Czajka A., Mroczka J., Quantification of the respiratory time-series regularity and complexity using approximate entropy and sample entropy, IMEKO XIX World Congress, 21(2009), 1609-1613.
• [13] Vitanyi, P. M. B. and Li, M., Minimum description length induction, Bayesianism, and Kolmogorov complexity. IEEE Trans. Inf. Theory, 46(2000), n.2, 446--464.
• [14] Richman J., Moorman J.: Physiological time – series analysis using approximate entropy and sample entropy, Am. J. Physiol Heart Circ Physiol, 278(2000), n.6, H2039 – 2049.
• [15] Seely A., Macklem P.: Complex systems and the technology of variability analysis, Critical care, 8 (2004), n.8, R367-R384.
• [16] Czajka A., Jabłoński I., Mroczka J., Wykorzystanie entropii próbkowanej do oceny zmienności systemu złożonego na przykładzie układu oddechowego, materiały IX sympozjum, Krynica, (2009), 107-110.
• [17] Chazan R, Przybyłowski T, Balcerzak J, Niemczyk K., Obturacyjny bezdech podczas snu – podstawy rozpoznawania, Otolaryngologia, 3(2004), n.4, 137-140.
• [18] Barron A., Rissanen J. Yu B., The minimum decription length principle in coding and modeling, IEEE Trans. Inform. Theory. 44(1998), n.6, 2743-2760