C# 鼠标运动熵

我试图计算鼠标运动的熵。我不是一个C程序员，但我试图把C++代码移植到它里面，所以我可能把一些事情搞得超出了实际的数学（我不理解，因此我使用了在线资源）

我为每个位置（x和y）创建一个排序字典：

然后在循环结束时，我尝试计算每个循环的熵，如下所示：

    double entropyx = 0.0;
    foreach(KeyValuePair<int, int> entry in freqx)
    {
        double currfreq = Convert.ToDouble(entry.value) / 1;
        entropyx += currfreq * Log2(currfreq);
    }
    entropyx *= 1;

    double entropyy = 0.0;
    foreach (KeyValuePair<int, int> entry in freqy)
    {
        double currfreq = Convert.ToDouble(entry.Value) / 1;
        entropyy += currfreq * Log2(currfreq);
    }
    entropyy *= 1;

编辑：

试用代码：

public void GetMouseEntropy()
        {
            RichTextBox1.Text += "Started..." + Environment.NewLine;

            SortedDictionary<int, int> freqx = new SortedDictionary<int, int>();
            SortedDictionary<int, int> freqy = new SortedDictionary<int, int>();

            int curr_x = 0;
            int curr_y = 0;

            Stopwatch sw = new Stopwatch();
            sw.Start();

            while(sw.ElapsedMilliseconds < 2000)
            {
                curr_x = Cursor.Position.X;
                curr_y = Cursor.Position.Y;

                if (freqx.ContainsKey(curr_x))
                {
                    freqx[curr_x] += 1;
                }
                else
                {
                    freqx.Add(curr_x, 1);
                }

                if (freqy.ContainsKey(curr_y))
                {
                    freqy[curr_y] += 1;
                }
                else
                {
                    freqy.Add(curr_y, 1);
                }

                Application.DoEvents();
            }

            sw.Stop();

            double entropyx = 0.0;
            foreach (KeyValuePair<int, int> entry in freqx)
            {
                double currfreq = Convert.ToDouble(entry.Value) / 1;
                entropyx += currfreq * Log2(currfreq);
            }
            entropyx *= 1;

            double entropyy = 0.0;
            foreach (KeyValuePair<int, int> entry in freqy)
            {
                double currfreq = Convert.ToDouble(entry.Value) / 1;
                entropyy += currfreq * Log2(currfreq);
            }
            entropyy *= 1;

            RichTextBox1.Text += "X: " + entropyx + ", Y: " + entropyy;
        }

public void GetMouseEntropy（）
{
RichTextBox1.Text+=“已启动…”+Environment.NewLine；
SortedDictionary Frexx=新的SortedDictionary（）；
SortedDictionary Frequey=新的SortedDictionary（）；
int curr_x=0；
int curr_y=0；
秒表sw=新秒表（）；
sw.Start（）；
而（西南ElapsedMilliseconds<2000）
{
curr_x=Cursor.Position.x；
curr_y=Cursor.Position.y；
if（频率容器（电流）
{
freqx[curr_x]+=1；
}
其他的
{
增加频率（电流，1）；
}
if（频率容器（当前））
{
频率[curr_y]+=1；
}
其他的
{
增加频率（当前，1）；
}
Application.DoEvents（）；
}
sw.Stop（）；
双entropyx=0.0；
foreach（freqx中的KeyValuePair条目）
{
double currfreq=Convert.ToDouble（entry.Value）/1；
entropyx+=currfreq*Log2（currfreq）；
}
entropyx*=1；
双熵yy=0.0；
foreach（频率中的KeyValuePair条目）
{
double currfreq=Convert.ToDouble（entry.Value）/1；
entropyy+=currfreq*Log2（currfreq）；
}
entropyy*=1；
RichTextBox1.Text+=“X:+entropyx+”，Y:+entropyy；
}

香农熵的定义是（参见）：

H=-和（p（i）*log2（p（i）））

式中，p（i）是某个结果i发生的概率，且总和覆盖所有可能的结果

由于您的频率集合包含发生次数，而不是概率，因此在汇总时，您必须按样本总数进行划分

此外，公式中缺少“-”号

double entropyx = 0.0;
foreach(KeyValuePair<int, int> entry in freqx)
{
    double currfreq = Convert.ToDouble(entry.value) / sampleCount;
    entropyx += currfreq * Log2(currfreq);
}
entropyx *= -1;

double entropyy = 0.0;
foreach (KeyValuePair<int, int> entry in freqy)
{
    double currfreq = Convert.ToDouble(entry.Value) / sampleCount;
    entropyy += currfreq * Log2(currfreq);
}
entropyy *= -1;

---

它可以被称为ShannonEntropy（freqx.Values）

好的，完成了，兄弟。现在这些值更糟糕了。你在while循环中收集了多少样本？我收集了几千个。我还用随机数测试了Shannon熵算法的多种变体，{4,4,4,45}返回了一个超过200的假设熵，所以我在那里肯定做错了什么。我不确定在“currfreq”部分我应该如何计算它。我用随机数测试了你的代码，没有发现任何偏差

entropyx=2

意味着您只有两个共线（相同的y值两次），所有其他y值都是唯一的。我一定误解了它的工作原理，该值不应该在0和8之间吗？

    double Log2(double Nr)
    {
        return Math.Log(Nr) / Math.Log(2);
    }

public void GetMouseEntropy()
        {
            RichTextBox1.Text += "Started..." + Environment.NewLine;

            SortedDictionary<int, int> freqx = new SortedDictionary<int, int>();
            SortedDictionary<int, int> freqy = new SortedDictionary<int, int>();

            int curr_x = 0;
            int curr_y = 0;

            Stopwatch sw = new Stopwatch();
            sw.Start();

            while(sw.ElapsedMilliseconds < 2000)
            {
                curr_x = Cursor.Position.X;
                curr_y = Cursor.Position.Y;

                if (freqx.ContainsKey(curr_x))
                {
                    freqx[curr_x] += 1;
                }
                else
                {
                    freqx.Add(curr_x, 1);
                }

                if (freqy.ContainsKey(curr_y))
                {
                    freqy[curr_y] += 1;
                }
                else
                {
                    freqy.Add(curr_y, 1);
                }

                Application.DoEvents();
            }

            sw.Stop();

            double entropyx = 0.0;
            foreach (KeyValuePair<int, int> entry in freqx)
            {
                double currfreq = Convert.ToDouble(entry.Value) / 1;
                entropyx += currfreq * Log2(currfreq);
            }
            entropyx *= 1;

            double entropyy = 0.0;
            foreach (KeyValuePair<int, int> entry in freqy)
            {
                double currfreq = Convert.ToDouble(entry.Value) / 1;
                entropyy += currfreq * Log2(currfreq);
            }
            entropyy *= 1;

            RichTextBox1.Text += "X: " + entropyx + ", Y: " + entropyy;
        }

double entropyx = 0.0;
foreach(KeyValuePair<int, int> entry in freqx)
{
    double currfreq = Convert.ToDouble(entry.value) / sampleCount;
    entropyx += currfreq * Log2(currfreq);
}
entropyx *= -1;

double entropyy = 0.0;
foreach (KeyValuePair<int, int> entry in freqy)
{
    double currfreq = Convert.ToDouble(entry.Value) / sampleCount;
    entropyy += currfreq * Log2(currfreq);
}
entropyy *= -1;

double ShannonEntropy(IReadOnlyCollection<int> frequencies)
{
    var samples = frequencies.Sum();

    double entropy = 0.0;
    foreach (var freq in frequencies)
    {
        if (freq > 0)
        {
            double prob = Convert.ToDouble(freq) / samples;
            entropy -= prob * Math.Log(prob) / Math.Log(2);
        }
    }
    return entropy;
}