基于联合熵和C0复杂度的交通流复杂性测度

为了定量描述交通流系统的复杂性,将联合熵和C0复杂度应用到交通流序列分析之中,通过计算原始序列和替代序列的联合熵反应系统包含的非线性成分的多少,通过计算序列的C0复杂度反应系统包含的非规则成分的多少。计算周期序列,Logistic序列,Henon序列,随机序列,及5个不同时段的实测交通流速度序列的联合熵和C0复杂度,结果表明不同序列的两种复杂性测度存在明显的差异,且计算需要步长较短,交通流系统是一个介于有序和无序、规则和非规则之间的混沌系统,且不同时段交通流序列的联合熵和C0复杂度存在着明显的差异,可以用来定量刻画交通流系统的复杂性。     

基于香农熵的极化SAR相干矩阵信息量评价

极化SAR(Synthetic Aperture Radar)非相干分解是获取地物目标特性的重要手段。针对目前非相干分解所使用的极化相干矩阵包含的信息量尚未定量估计的问题,引入信息论中的香农熵(Shannon Entropy),系统分析了不同地物包括海洋、植被和建筑物在不同时段和波段下极化相干矩阵信息量随窗口大小的变化规律。研究发现,不同地物类型的极化相干矩阵包含的信息量差异较大。其中建筑物平均相干矩阵的信息量较低,且随窗口增加信息量呈现近线性增加,而海洋、植被的极化相干矩阵信息量偏高,且随窗口增加信息量先快速增加后趋于稳定。同种地物在不同波段及时段下,平均相干矩阵的信息量随窗口大小的变化规律相近。研究表明:基于香农熵的相干矩阵信息量评价方法,可以简单有效地定量评估相干矩阵包含的信息量,同时也可为计算极化相干矩阵滑动窗口的选择提供重要理论依据和指标参考,有助于后续进行极化目标分解和对目标散射机制的理解。     

符号序列间的LZ复杂性距离及其应用

在符号序列LZ复杂性的计算原理上,提出了序列间条件LZ复杂性的概念.基于条件LZ复杂性,定义了一个非空序列间的LZ复杂性距离并证明了该距离满足距离测度的4个基本性质.将LZ复杂性距离应用于计算语言学和生物信息学的研究领域,选取20种自然语言文本和29种有胎盘哺乳动物的全线粒体基因组,将它们视为不同符号集上的符号序列,分别计算两类符号序列的LZ复杂性距离矩阵.基于LZ复杂性距离矩阵,重构了20种语言的语言关系树和29种哺乳动物的系统进化树.其结果符合它们真实的演化关系,说明了LZ复杂性距离定量刻画符号序列间差异的有效性.     

基于元胞自动机的快速路交织区交通流仿真建模

城市快速路交织区由于复杂的交通流容易造成拥塞, 成为快速路交通的瓶颈。充分考虑到辅道交通流对交织区的影响,以元胞自动机NS模型为基础,通过设定跟车规则、换道规则,对一个包含入口匝道、出口匝道、主线车道和辅道的快速路交织区路网建立模型进行微观仿真。仿真得出交织区长度对流量、密度、速度等交通流参数的影响并给出了最优交织区长度参考值, 最后用HCM经验公式的计算结果验证了仿真模型。     

改进模糊熵算法及其在孤独症儿童脑电分析中的应用

模糊熵（Fuzzy entropy,FuzzyEn）是衡量时间序列在维数变化时产生新模式的概率,反映时间序列复杂性和无规则程度的参数指标.本文针对传统模糊熵算法只针对时间信号序列进行总体分析,忽略了瞬时信号变化的问题,提出了一种改进模糊熵的算法.算法将指数函数的宽度进行了优化设置,设置为0.15倍一阶差分时间序列的标准差,以此保证充分提取时间序列瞬时复杂性特征.与传统模糊熵相比,改进模糊熵包含更多时间模式信息.基于改进模糊熵结合锁相位算法,分析孤独症儿童脑电信号（Electroencephalogram,EEG）复杂性与同步性,结果表明:孤独症（Autism spectrum disorders,ASD）前颞叶的脑电信号同步性下降、复杂性降低,具有显著性差异（P < 0.05）.     

基于排列熵算法的混沌伪随机序列复杂性分析

运用排列熵算法分析了离散混沌系统产生的混沌序列和混沌伪随机序列的复杂性,讨论了混沌系统参数对序列复杂性的影响情况。研究表明:多次粗粒化后得到的混沌伪随机序列保持了原有混沌序列的复杂性特点;与Logistic系统和Henon系统相比,TD-ERCS系统产生的混沌伪随机序列的复杂性大且相对稳定,是一个极具密码学应用价值的安全混沌系统。     

离散混沌系统类随机性的符号熵分析法

采用符号熵分析法,分析和讨论了经典的Logistic映射和Henon映射的类随机性强弱.先将离散混沌系统产生的实数序列转化为二进制序列,然后进行编码,计算其符号熵,绘制其符号熵图,并深入讨论了系统参数和初始值对符号熵的影响.数值仿真分析表明,符号熵法能定量区别不同离散混沌系统类随机性的强弱.同时作为随机源,Logistic映射比Henon映射好.     

连续混沌系统类随机性的符号熵分析法

采用符号熵分析法,分析和讨论了经典的Lorenz连续混沌系统和Rssler连续混沌系统的类随机性强弱。先将连续混沌系统产生的实数序列转化为二进制序列,然后进行编码,计算其符号熵,绘制其符号熵图,并深入讨论了系统参数和初始值对符号熵的影响。数值仿真分析表明,符号熵法能定量区别不同连续混沌系统类随机性的强弱。同时作为随机源,Lorenz混沌系统比Rssler混沌系统好。     

基于C0复杂度和能量的语音端点检测算法

复杂性测度是反映信号序列的一个重要的非线性特征,复杂性测度的语音端点检测技术具有非线性技术的本质特征.对C0复杂度作出改进,并与增强后的短时能量相结合,提出了一种更有效的端点检测算法--C0复杂度能量的语音端点检测方法.实验证明,该算法对噪声有很强的鲁棒性,在低信噪比(0 d8)下仍能准确地检测出语音段.     

基于属性层次模型的柴油机故障证据融合方法

针对证据理论在覆盖率高的柴油机故障诊断中容易出现证据融合误差的问题,提出一种基于属性层次模型的证据融合方法.首先,通过余弦相似度改进目标层权重算法,得到反映目标层不同证据源差异的本质差异因子;然后,采用贝叶斯网络规则改进属性层权重算法,计算相关联的属性层证据源熵值权重;最后,通过故障层次关联特性和CWAA算子修正证据理论融合规则,将不同层次属性权重有效融合,减少系统复杂性引起的诊断误差.在R6105AZLD柴油机台架上的实验结果表明,引入所提方法后的诊断准确度和鲁棒性大幅提高.     

基于定量递归联合熵特征重构的缓冲区流量预测算法

对网络基站缓冲区的短时网络流量的准确预测是缓解和控制拥堵的关键.基站缓冲区的短时网络流量时间序列具有非线性混沌特征,其自相关特性较弱,而传统方法采用线性时间序列分析方法没能有效挖掘流量序列的非线性特征信息,流量序列预测性能不好.提出了一种基于非线性时间序列分析的定量递归联合熵特征重构网络基站缓冲区的短时网络流量预测算法,该算法提取流量序列的定量递归联合熵特征,并对特征序列进行相空间重构;把网络流量信号模型进行高维映射,在高维相空间对短时网络流量序列进行定量递归分析;采用自相关特征奇异分解对流量序列进行聚合后的线性叠加,采用平均互信息算法和虚假最近邻点算法计算最佳时延参数和最小嵌入维;进行插值拟合形成时频分析特征分流控制,实现对网络流量的预测.仿真结果表明,该算法预测精度较高,稳定性较好,预测偏差较传统方法低,具有较好的应用价值.     

基于CEEMDAN分解的短时交通流组合预测

短时交通流预测是实现交通流诱导与控制的重要保障,鉴于交通流的随机性和复杂性,提出基于自适应噪声完全集合经验模态分解（CEEMDAN）的短时交通流组合预测模型。利用CEEMDAN算法对非线性序列具有自适应分解的特性,将交通流时间序列通过CEEMDAN分解为频率不同、复杂度不同的多个时间序列分量;利用PE算法分析各个分量的随机特性,根据时间序列分量的不同随机特性分为高频序列分量、中频序列分量和低频序列分量,根据高频、中频和低频序列分量的随机特性分别建立GWO-BP模型、GWO-LSSVM模型和ARIMA模型进行预测;叠加高频、中频和低频各个分量的预测结果,得到短时交通流最终预测值。仿真分析结果表明,与其他预测模型相比,基于CEEMDAN分解的短时交通流组合预测模型提升了预测精度。     

交通流序列的Volterra自适应预测

基于混沌动力系统的相空间重构和非线性系统的Volterra级数,构建交通流的Volterra自适应预测模型.在应用小数据量法判定交通流存在混沌特性的前提下,分别用平均互信息法和虚假邻点法选取延滞时间和嵌入维数以实现对交通流时间序列的相空间重构.通过Volterra级数展开式建立非线性预测模型,采用LMS自适应算法实时调...     

分析Lorenz系统动力学特征的新方法

为表征Lorenz系统复杂的动力学特征,提出了一种多分辨率复杂度算法。运用小波变换将信号分解成不同尺度下的各分量,采用滑动窗口依次计算了窗口内各分量的能量值、各能量值的信息熵,获取了动态的小波熵值——小波熵序列。仿真结果表明,多分辨率复杂度算法能够很好地表征Lorenz系统的过渡特征和演变特征,为Lorenz系统在混沌控制、同步等领域的应用提供了一种途径。     

基于乘积耦合Volterra模型的短时交通流预测

基于混沌序列固有的非线性和确定性机制以及Volterra级数的非线性表征能力,提出一种短时交通流预测的三阶Volterra模型。针对Volterra模型随阶数增加复杂度以幂次方增加的问题,研究了该模型的乘积耦合近似实现结构。首先,采用互信息法和虚假邻点法选取时间延迟和嵌入维数,并采用小数据量法计算Lyapunov指数判定交通流是否具有混沌特性;然后,建立三阶Volterra滤波器的乘积耦合近似实现结构,并采用一种改进的非线性归一化最小均方(NLMS)算法实时调整模型系数;最后,对高速公路实测交通流的预测结果表明,交通流中存在混沌特征,应用构建的预测模型可有效地对交通流进行预测,且降低了模型的复杂性。     

基于排列熵与决策级多传感器数据融合的P2P僵尸网络检测方法

提出了一种基于排列熵和决策级多传感器数据融合的P2P僵尸网络检测算法。首先分别构建流量异常检测传感器和异常原因区分传感器:前者利用排列熵刻画网络流量的复杂度特征(该特征并不依赖于特定类型的P2P僵尸网络),通过利用Kalman滤波器检测该特征是否存在异常;后者利用TCP流量特征在一定程度上减弱P2P应用等网络应用程序对P2P僵尸网络检测的误差影响。最后利用D-S证据理论对上述传感器的检测结果进行决策级数据融合以获得最终的检测结果。实验表明,提出的方法可有效检测新型P2P僵尸网络。     

无检测器道路交通流数据质量检测方法

一般交通流数据质量检测方法要求的原始数据量较大,而无检测器道路可获得的交通流数据又非常有限。为此,提出一种基于灰色系统理论的无检测器道路交通流数据质量检测方法。该方法将不同检测点获得的原始交通流数据处理成一组数据序列,通过对数据序列的灰生成、灰色关联度计算及标准化处理,求得不同数据序列相互间关系的密切程度参数λ_i,根据需求选出阈值λ,比较λ_i与λ之间的大小,实现无检测器道路交通流异常数据检测的目的。运用杭州市某一局部路网的浮动车交通流原始数据,将该方法与基于相似系数和的检测方法进行对比实验,结果证明,该方法的检测效果优于基于相似系数和的检测方法,平均错检率降低了21.00%,平均准确率提高了28.64%。     

基于改进的C4.5算法的网络流量分类方法

在基于C4.5算法的网络流量分类方法中,网络流量数据量的海量性及其特征的多样性使得决策树的构建速度、分类速度成为评价网络流量分类器的重要标准。在原C4.5算法的基础上提出一种改进的信息熵的计算方法,通过减少计算函数的复杂度,提高决策树的构建速度。实验表明,基于改进后算法的分类器在达到原有分类准确率的同时,极大地缩短了决策树的构成时间。     

基于Renyi熵的SDN自主防护系统

针对SDN架构下的常见网络异常行为，提出了一套基于Renyi熵的SDN自主防护系统，该系统可实现网络异常行为检测、诊断及防御。系统无须引入第三方测量设备，直接利用OpenFlow交换机流表信息。首先，通过计算和检测特征熵值，实现异常网络行为的检测。然后，进一步分析OpenFlow流表信息，实现异常行为的诊断。最后，实施防御控制措施，建立一套黑名单机制，将产生异常行为的主机加入黑名单，并阻塞相应的异常流量。为了验证系统的有效性，在Floodlight控制器上开发了原型。Mininet上的仿真实验表明，系统能够有效检测、诊断及防御网络中常见的异常行为，且具有较低的部署成本，增强了SDN的安全性。