Python 基于熵的数据库选择性直方图

我正试图在此基础上实现一个基于熵的直方图（PDF警告！），但最大熵算法伪代码一点也不清楚

他们正在计算一个桶的“面积”，做ai=fi*si（第4.2节），其中fi是i值的频率，si是“排列”。第一个问题是，我不确定价差是多少，但根据参考文献[16]，价差应该是（v_（I+1）-v_I），意思是“与下一项的距离”

然而，在算法中，他们使用Ab作为第7行的区域列表（例如），并作为第14行的频率（例如）。所以不清楚ab是否是一个区域、频率的列表，或者它们是否只是随机交换

你能帮我清除伪代码吗？我用python做了一个实现，但它不起作用，我得到了

localMinH

的负值：

def build_struct(self):
    self.conn = sqlite3.connect(self.db)
    self.cursor = self.conn.cursor()
    self.calculateFrequency()
    self.calculateArea()
    self.splits = []
    self.entropies = {}
    minHeap = [(self.H(self.frequency.keys()), 0, len(self.frequency), 0)]
    while len(self.splits) < self.parameter:
        previous = minHeap
        minHeap = []
        for bucket in previous:
            a = bucket[1]
            b = bucket[2]
            wb = sum(self.areas[a:b])
            if wb > 1:
                tr = sum(self.frequency.keys()[a:b])
                locCutPos = tl = hl = 0
                localMinH = -1
                hr = ho = self.H(self.frequency.keys()[a:b])
                for j in xrange(len(self.areas[a:b]) - 1):
                    x = self.frequency[self.frequency.keys()[j+a]]
                    tl += x
                    tr -= x
                    hl = self.H2(x/(x+tl), tl/(x+tl)) + (tl/(tl+x))*hl
                    #print a,b,x,tr
                    hr = (hr - self.H2(x/tr, (tr-x)/tr))* (tr/(tr-x))
                    hmenos = ho - (hl + hr)
                    if (localMinH == -1) or (hmenos < localMinH):
                        locCutPos = j
                        localMinH = hmenos
                print wb, localMinH
                heapq.heappush(minHeap, (wb*localMinH, a, a+locCutPos, locCutPos))
                heapq.heappush(minHeap, (wb*localMinH, a+locCutPos, b, locCutPos))
        bucket = minHeap[0]
        self.splits.append(bucket[1] + bucket[3])
        self.entropies[bucket[1] + bucket[3]] = bucket[0]

def build_struct（self）：
self.conn=sqlite3.connect（self.db）
self.cursor=self.conn.cursor（）
自计算频率（）
self.calculateArea（）
self.splits=[]
自熵={}
minHeap=[（self.H（self.frequency.keys（）），0，len（self.frequency），0]
而len（self.splits）1：
tr=sum（self.frequency.keys（）[a:b]）
locCutPos=tl=hl=0
localMinH=-1
hr=ho=self.H（self.frequency.keys（）[a:b]）
对于X范围内的j（透镜（自面积[a:b]）-1）：
x=self.frequency[self.frequency.keys（）[j+a]]
tl+=x
tr-=x
hl=自身H2（x/（x+tl），tl/（x+tl））+（tl/（tl+x））*hl
#打印a、b、x、tr
hr=（hr-self.H2（x/tr，（tr-x）/tr））*（tr/（tr-x））
hmenos=ho-（hl+hr）
如果（localMinH==-1）或（hmenos

self.frequency

是一个dict，其值为键，频率为值。self.areas只是一个区域列表