মনস্তাত্ত্বিক এবং জ্যামিতিক উপাদানগুলি সহ সমস্ত অন্তর্দৃষ্টি ক্যাপচার করে এমন একটি সহজ পদ্ধতি রয়েছে। এটি স্থানিক সান্নিধ্য ব্যবহারের উপর নির্ভর করে যা আমাদের উপলব্ধির ভিত্তি এবং যা কেবলমাত্র অসম্পূর্ণভাবে প্রতিসাম্য দ্বারা পরিমাপ করা হয় তা ক্যাপচার করার জন্য একটি অভ্যন্তরীণ উপায় সরবরাহ করে।
এটি করার জন্য, আমাদের স্থানীয় স্কেলের বিভিন্ন ক্ষেত্রে এই অ্যারেগুলির "জটিলতা" পরিমাপ করতে হবে। যদিও আমরা সেই স্কেলগুলি বেছে নেওয়ার এবং যে অর্থে আমরা "নৈকট্য" পরিমাপ করি তা চয়ন করার জন্য আমাদের অনেকটা নমনীয়তা রয়েছে তবে ছোট বর্গাকার পাড়া ব্যবহার করার জন্য এবং এগুলির মধ্যে গড় (বা সমতুল্য, অঙ্কগুলি) দেখার পক্ষে এটি যথেষ্ট সহজ এবং কার্যকর। এই শেষ, অ্যারে একটি ক্রম কোন থেকে আহরিত হতে পারে দ্বারা অ্যারে ব্যবহার চলমান আশপাশ অঙ্কের বিরচন দ্বারা দ্বারা এলাকাগুলোর, তারপর দ্বারা ,, ইত্যাদি পর্যন্ত দ্বারা (যদিও ততক্ষণে নির্ভরযোগ্য কিছু সরবরাহের জন্য খুব কম মান থাকে)।mnk=2233min(n,m)min(n,m)
এটি কীভাবে কাজ করে তা দেখতে, আসুন প্রশ্নের মধ্যে অ্যারেগুলির জন্য গণনাগুলি করি, যা আমি মাধ্যমে উপরে থেকে নীচে কল করব । এখানে ( আসল অ্যারে অবশ্যই) এর জন্য অঙ্কের প্লটগুলি রয়েছে প্রয়োগ করা হয়েছে ।a1a5k=1,2,3,4k=1a1
উপরের বাম দিক থেকে ক্লকওয়াইজ, সমান , , এবং । অ্যারে হয় দ্বারা , তারপর দ্বারা , দ্বারা এবং দ্বারা যথাক্রমে। এঁদের সবাই দেখতে এলোমেলো "এলোমেলো"। আসুন তাদের বেস -২ এন্ট্রপি দিয়ে এলোমেলোতা পরিমাপ করি। জন্য , এই entropies এর ক্রম । আসুন এটিকে এর "প্রোফাইল" বলুন ।k124355442233a1(0.97,0.99,0.92,1.5)a1
বিপরীতে, এখানে চলমান :a4
জন্য সামান্য প্রকরণ, কম এনট্রপি কোথা হয়। প্রোফাইলটি । এর মানগুলি এর মানগুলির তুলনায় ধারাবাহিকভাবে কম , এটি স্বজ্ঞাত জ্ঞানকে নিশ্চিত করে যে মধ্যে একটি শক্তিশালী "প্যাটার্ন" রয়েছে ।k=2,3,4(1.00,0,0.99,0)a1a4
এই প্রোফাইলগুলি ব্যাখ্যা করার জন্য আমাদের রেফারেন্সের একটি ফ্রেম দরকার। বাইনারি মূল্যবোধের পুরোপুরি র্যান্ডম অ্যারের প্রায় অর্ধেক তার মান সমান হবে এবং বাকী অর্ধেক সমান একজন এনট্রপি জন্য, । মধ্যে চলন্ত অঙ্কের দ্বারা এলাকাগুলোর তাদের আন্দাজের entropies দান (অন্তত বৃহৎ অ্যারে জন্য) যে আনুমানিক করা যেতে পারে, দ্বিপদ ডিস্ট্রিবিউশন আছে সাহায্য করে :011kk1+log2(k)
এই ফলাফলগুলি পর্যন্ত অ্যারে সহ সিমুলেশন দ্বারা বহন করা হয় । তবে প্রতিবেশী উইন্ডোজগুলির মধ্যে পারস্পরিক সম্পর্কের কারণে (একবার উইন্ডোর আকার অ্যারের প্রায় অর্ধ মাত্রা হয়ে থাকে) এবং অল্প পরিমাণে ডেটার কারণে তারা ছোট অ্যারেগুলিতে বিভক্ত হয় (যেমন এখানে দ্বারা অ্যারে)। এখানে কিছু বাস্তব প্রোফাইলের প্লট সহ সিমুলেশন দ্বারা উত্পাদিত এলোমেলো বাই অ্যারের রেফারেন্স প্রোফাইল রয়েছে :m=n=1005555
এই প্লটে রেফারেন্স প্রোফাইলটি বেশ নীল। অ্যারে প্রোফাইলগুলি : লাল, : স্বর্ণ, : সবুজ, : হালকা নীল। ( অন্তর্ভুক্ত করে ছবিটি অস্পষ্ট করবে কারণ এটি এর প্রোফাইলের নিকটবর্তী )) সামগ্রিক প্রোফাইলগুলি প্রশ্নের সাথে সামঞ্জস্য করে: আপাত ক্রমবর্ধমান ক্রম বৃদ্ধি পাওয়ার সাথে সাথে তারা সর্বাধিক মানকে কমিয়ে দেয়। ব্যতিক্রমটি : শেষ অবধি, , তার চলমান পরিমাণগুলি সর্বনিম্ন এনট্রোপিসের মধ্যে থাকে। এটি একটি আশ্চর্যজনক নিয়মিততা প্রকাশ করে: প্রতি বাই প্রতিবেশীa1a2a3a4a5a4ka1k=422a1 এর ঠিক বা কালো স্কোয়ার রয়েছে, কখনও কখনও কম বা কম হয় না। এটি কেউ মনে করতে পারে তার চেয়ে অনেক কম "এলোমেলো"। (এটি আংশিকভাবে প্রতিটি প্রতিবেশীর মান সংশ্লেষের সাথে সম্পর্কিত তথ্য ক্ষতির কারণে, এমন একটি পদ্ধতি যা সম্ভাব্য প্রতিবেশী কনফিগারেশনগুলিকে কেবল বিভিন্ন সম্ভাব্য পরিমাণে কনডেন্স করে। যদি আমরা সুনির্দিষ্টভাবে অ্যাকাউন্ট করতে চাই ক্লাস্টারিং এবং স্থিতিবিন্যাস প্রতিটি পাড়া মধ্যে, তারপর পরিবর্তে চলমান অঙ্কের ব্যবহারের আমরা concatenations চলন্ত ব্যবহার করেন। যে, প্রতিটি দ্বারা আশপাশ হয়েছে122k2k2+1kk2k2সম্ভাব্য বিভিন্ন কনফিগারেশন; তাদের সকলকে আলাদা করে, আমরা এনট্রপির আরও সূক্ষ্ম পরিমাপ পেতে পারি। আমি সন্দেহ করি যে অন্যান্য চিত্রের তুলনায় এ জাতীয় পদক্ষেপটি এর প্রোফাইলকে উন্নত করবে ))a1
চলমান পাড়া-মহল্লার মধ্যে মানগুলি সংশ্লেষ করে (বা সংযুক্ত করে বা অন্যথায় সংমিশ্রণ করে) আঁশির একটি নিয়ন্ত্রিত পরিসরে এনট্রপিজের প্রোফাইল তৈরির এই কৌশলটি চিত্র বিশ্লেষণে ব্যবহৃত হয়েছে। এটি প্রথমে অক্ষরের একটি সিরিজ হিসাবে পাঠ্য বিশ্লেষণের সুপরিচিত ধারণাটির দ্বি-মাত্রিক জেনারালাইজেশন, তারপরে ডিজিট্রাফ (দ্বি-বর্ণের অনুক্রম) এর ধারাবাহিকতা হিসাবে, তারপর ট্রাইগ্রাফ ইত্যাদির মতোও এর কিছু স্পষ্ট সম্পর্ক রয়েছে ract বিশ্লেষণ (যা সূক্ষ্ম এবং সূক্ষ্ম স্কেলে চিত্রের বৈশিষ্ট্যগুলি অনুসন্ধান করে)। যদি আমরা কোনও ব্লক মুভিং যোগ বা ব্লক কনটেনটেশন (যাতে উইন্ডোর মধ্যে কোনও ওভারল্যাপ থাকে না) ব্যবহার করার জন্য কিছুটা যত্ন নিই তবে একের পর এক এনট্রপিগুলির মধ্যে সহজ গাণিতিক সম্পর্ক অর্জন করা যায়; যাহোক,
বিভিন্ন এক্সটেনশন সম্ভব। উদাহরণস্বরূপ, আবর্তিতভাবে আক্রমণকারী প্রোফাইলের জন্য, বর্গাকারগুলির চেয়ে বৃত্তাকার আশেপাশের অঞ্চলগুলি ব্যবহার করুন। অবশ্যই বাইনারি অ্যারে ছাড়িয়ে সবকিছু জেনারালাইজ করে। পর্যাপ্ত পরিমাণে অ্যারে-সহ স্থিরত্ব সনাক্তকরণের জন্য স্থানীয়ভাবে পৃথক পৃথক এনট্রপি প্রোফাইলগুলিও গণনা করা যায়।
যদি কোনও একক সংখ্যাটি সম্পূর্ণ প্রোফাইলের পরিবর্তে পছন্দসই হয়, তবে সেই স্কেলটি চয়ন করুন যেখানে স্থানিক র্যান্ডম (বা এর অভাব) আগ্রহী। এই উদাহরণগুলিতে, সেই স্কেলটি দ্বারা বা দ্বারা চলন্ত প্রতিবেশীর সাথে সবচেয়ে উপযুক্ত হবে, কারণ তাদের নকশার জন্য তারা সকলেই তিন থেকে পাঁচটি কোষ বিস্তৃত গ্রুপগুলিতে নির্ভর করে (এবং দ্বারা প্রতিবেশী সমস্ত গড়কে পৃথক করে গড়ে গড়ে তোলে অ্যারে এবং তাই অকেজো)। পরের স্কেলে, এর মাধ্যমে , , , , এবং334455a1a51.500.81000 ; এই স্কেলটিতে প্রত্যাশিত এনট্রপি (একরকম এলোমেলো অ্যারের জন্য) হ'ল । এটি এই ন্যায়সঙ্গত করে যে "এর পরিবর্তে উচ্চতর এনট্রপি থাকা উচিত।" এই এন্ট্রপির সাথে আবদ্ধ , এবং পার্থক্য করার জন্য , পরবর্তী সূক্ষ্ম রেজোলিউশনটি দেখুন ( দ্বারা প্রতিবেশী): তাদের এনট্রপগুলি যথাক্রমে , , (যেখানে একটি এলোমেলো গ্রিড আশা করা হচ্ছে মান রয়েছে )) এই ব্যবস্থাগুলি দ্বারা, আসল প্রশ্নটি অ্যারেগুলি ঠিক সঠিক ক্রমে রাখে।1.34a1a3a4a50331.390.990.921.77