基于信息熵的IP网端到端行为分析与建模

具有开放、分布式、不协作、异构、无中心控制等特点的Internet复杂巨系统的管理、容量规划、新一代网络体系结构设计与分析和性能预测都离不开对网络行为的充分理解。而端到端行为作为网络行为的一个重要组成部分,具有一定的研究价值。该文利用信息熵原理建立用于分析端到端整体宏观行为的信息熵模型,该模型能很好地反映端到端整体宏观行为与链路上各节点的状态概率之间关系,根据该模型可以分析端到端链路上各节点之间的相互作用关系以及它们是如何引起端到端整体宏观行为的。最后,给出了该模型的有效性和稳定性定量分析的判别式。     

基于信息熵的非线性动态系统的宏观分析*

本文针对一类Ｉｔｏ型随机非线性动态系统，分别基于微观ＦＰＫ方程和宏观信息熵方法推断系统特性，进而分析系统的熵结构，结果表明，宏观方法不仅能获得与微观方法相似的结果，而且能以统一简洁的方式各类系统，通过对一类非线性动态系统的应用进一步说明宏观信息熵分析方法。     

融合信息熵和CNN 的基于手绘的三维模型检索

基于手绘草图的三维模型检索(SBSR)已成为三维模型检索、模式识别与计算机视 觉领域的一个研究热点。与传统方法相比,基于卷积神经网络(CNN)的三维深度表示方法在三 维模型检索任务中性能优势非常明显。本文提出了一种基于手绘图像融合信息熵和CNN 的三 维模型检索方法。首先,通过计算模型投影图的信息熵得到模型的代表性视图,并将代表性视 图经过边缘检测等处理得到三维模型投影图的轮廓图像;然后,将轮廓图像和手绘草图输入到 CNN 中提取特征描述子,并进行特征匹配。本文方法在Shape Retrieval Contest (SHREC) 2012 数据库和SHREC 2013 数据库上进行实验。实验证明,该方法的效果较其他传统方法检索准确 度更高。     

一种基于信息熵离散化算法的研究

该文研究连续属性的离散化问题。首先,详细介绍了基于熵的离散化算法（EBD）,并对其存在的问题进行了分析。随后,给出了用于度量区间密度的定义;接着,在自适应思想的启发下,对EBD算法进行了改进,提出了基于熵的变阀值离散化算法,区间密度的引入使得该算法能够随样本集在区间上密度的变化适当调整熵的阀值。实验结果表明,与EBD算法相比,改进算法不仅保持简单性、一致性和精确性,而且容易操作。     

基于云模型理论的网络用户行为评判模型研究

由于网络的异构性使得网络中的用户纷繁复杂,而众多的网络用户行为表现方式又多种多样,也直接影响到网络的安全性.本文借鉴已有的研究工作,以复杂的网络环境为研究背景,通过对复杂网络环境中用户行为的研究,引入云模型理论,研究并提出了一个基于云模型理论的网络用户行为评判模型,实现了对网络用户行为定量描述及评判;同时研究结果还体现了网络用户行为的不确定性和评判标准的差异性,这样使网络行为评判结果更加符合客观事实.仿真实验进一步验证了本文研究的网络用户行为评判模型能够对复杂的网络环境中网络用户行为做出合理的评判,为复杂的网络环境中网络行为评判的研究提供了有价值的新思路.     

一种基于信息熵离散化算法的研究

该文研究连续属性的离散化问题。首先,详细介绍了基于熵的离散化算法(EBD),并对其存在的问题进行了分析。随后,给出了用于度量区间密度的定义;接着,在自适应思想的启发下,对EBD算法进行了改进,提出了基于熵的变阀值离散化算法,区间密度的引入使得该算法能够随样本集在区间上密度的变化适当调整熵的阀值。实验结果表明,与EBD算法相比,改进算法不仅保持简单性、一致性和精确性,而且容易操作。     

一种基于CAS的代理主体行为仿真模型

科技创新系统是一个复杂适应系统。对该系统代理主体行为进行仿真研究，有助于进一步探讨代理主体行为对环境的影响，代理主体对企业技术进化过程以及创新对社会发展的影响，建立测算代理主体行为对社会影响的定量化模型。研究的最终目的是期望能为科技创新系统的建设和创新政策的制定提供科学的依据，使创新在推动经济和社会的发展中发挥更大的作用。研究模型选用Repast平台，Repast平台具有支持完全并行的离散事件操作、内置的系统动态模型等诸多特点。仿真结果表明：在科技创新系统的发展过程中，有必要加强代理的推广作用和政府的引导作用，使其能够与环境协调一致。该结论与实际相符合，证明了模型的有效性。     

一种基于信息熵的神经网络规则表示

把信息熵引入到逆向传播神经网络的代价函数中，通过对分类规则的学习，在隐层获得有组织的激励模式，并据此裁剪多余的隐节点和连接，使得每条分类规则能够与唯一的隐层节点，输出节点对应，因此网络中的每五个节点有了明确的意义并可以跟踪解释网络的推理过程。     

一种基于信息熵的数据库数字水印算法

提出了一种利用信息熵的概念优化选择关系数据库数字水印属性列的算法,依据此算法对于水印的嵌入及提取性能可获得明显的改善,同时该算法在嵌入的环节还引入了冗余地址的因素来降低误判率进而提高了水印的抗攻击性,并通过实验对该方案进行了验证和比对分析,取得了较好效果.     

基于信息熵的复杂网络社团划分建模和验证

社团结构是复杂网络最普遍和最重要的拓扑属性之一,社团结构的划分方法对分析复杂网络相关统计特性具有十分重要的理论意义.为了提高社团划分精度,提出了一种新的基于信息熵(information entropy)模块度的社团划分算法(简称IE算法).在有着确定社团结构的数据集和不确定社团结构的数据集上,通过选取Q值、社团划分个数、社团最大连通分量大小和强弱社团个数比例4个重要参数,将IE算法与两种最主要的基于模块度的划分算法GN(Girvan-Newman)和FastGN(Fast Girvan-Newman)进行对比,实验结果证明了IE算法在社团划分性能上优于GN和FastGN;将IE和其他7种最主要的经典社团算法进行时间复杂度分析,并在随机网络和真实网络上进行实验,结果表明该算法时间复杂度在GN与FastGN之间,时间复杂度小于GN而精确度优于GN,证明了在大多数数据集上IE算法的社团划分准确度优于传统基于点边比率的社团划分算法的准确度.     

新的信息熵属性约简

在粗糙集不确定性度量公式中,模糊熵和模糊度是重要的度量方式。根据粗糙集不确定性度量中模糊熵和新的模糊度公式,提出了在决策信息系统中修正条件信息熵和相对模糊熵的概念,并分别用两种方式证明了熵在属性约简过程中的单调性。然后利用向前添加属性算法进行属性约简,约简结果在RIDAS(roughset based intelligent data analysis system)平台上进行识别率测试,通过实验对比分析了两种新的信息熵与条件信息熵的约简结果,为基于信息熵的属性约简提供了参考。     

基于条件信息熵的覆盖约简算法

针对覆盖算法中识别精度与泛化能力存在的矛盾,在信息论观点的Rough集理论基础上,提出覆盖熵概念,以决策属性相对于分类器的条件信息熵为约束条件,在确保算法分类能力不降低的情况下,对一组覆盖中信息熵最大的覆盖进行约简,减少了分类器的不确定因素。实验结果证明,该算法具有很好的识别精度与泛化能力,对模糊、不确定的数据也具有较好的处理能力。     

基于信息熵的多电飞机供电可靠度评估

由于多电飞机拓扑结构复杂且发生故障的概率较低,采用传统的蒙特卡罗采样方法进行可靠度评估时存在采样次数多,仿真时间长等缺点。通过信息熵引入多元件系统的近似概率分布,从而提出一种适用于多电飞机供电可靠度评估方法,在信息熵中引入最优参数,改变了元件的故障概率分布,构造了元件零方差概率密度函数的近似函数,然后利用差分进化求解最优参数。结合对偶抽样的信息熵法可进一步降低采样过程的方差,提高了传统蒙特卡罗方法的采样效率。最后使用一个多电飞机电源系统为应用案例,对几种可靠度分析方法进行收敛性和准确性分析,其结果表明本文方法在小概率事件评估问题上优势明显。     

统计语言模型在信息检索中的应用

首先介绍了统计语言模型(SLM)的发展及常用的N元(n-gram)模型,对信息检索过程中的主要模型作了公式化描述并比较了不同模型,指出了它们之间及与传统概率检索方法的异同,分析了统计语言模型的弱点,最后介绍了对其可能的改进方法及最新研究进展,讨论了在中文信息检索中的应用和面对的挑战。     

基于信息熵和信息融合的直肠压力信息分类分析

为重建肛门失禁患者的直肠感知功能,设计了一种新型的人工肛门括约肌;针对采集的直肠压力活动信号,利用小波分析在时域-频域提取其信息熵特征,并进行了信息熵特征提取实验;实验表明,信息熵特征对不同的信号具有较好的分类能力。利用提取的直肠压力信息熵特征,基于决策级信息融合方法构建直肠感知功能预测模型;最后通过仿真实验,验证了此预测模型在不同信噪比下都具有较高的预测准确率,能够重建患者直肠感知功能,预测患者排便时间。     

基于标签的评分信息熵推荐算法

由于标签是由用户根据自己的理解和喜好随意进行标注的因此存在大量的噪声标签,导致基于标签的推荐系统准确率不高.针对这种情况,提出了结合评分信息熵的标签推荐算法.算法通过判断用户在标注标签的评分稳定程度来确定该标签对于用户的重要性从而过滤掉噪声标签将重要标签赋予较高权重,并构建用户的兴趣模型,最后应用到协同过滤算法中产生推荐.该算法能有效地利用评分权重并结合信息熵来增强推荐准确率,与以往的基于标签的推荐算法进行对比,能获得满意的推荐效果.     

信息熵在粗糙集中衍生的几个概念

随着对粗糙集理论研究的的深入,基于信息论的信息熵陆续被引入到粗糙集研究中,陆续产生了一些如条件熵、联合熵、知识熵、决策熵、知识粗糙熵、粗集粗糙熵等新的概念,尽管丰富了粗糙集理论和应用,但使用中存在语义不统一的地方,甚至缺乏必要的说明和证明。对这些有价值的新概念作了系统的、严格的、规范的定义及阐述,给出了它们的公式表示,同时,通过相关熵的运算揭示彼此间的关系,最后指出这些熵的应用范畴,以便研究人员在清楚概念的基础上作进一步研究。     

一种基于信息熵的记录约简度量方法

提出一种记录约简的信息量度量方法--基于语义贴近度的信息熵,它将关系看成离散有限集,用统计概率计算关系中记录的概率,基于语义贴近度定义关系中记录的信息量,再用数学期望求出关系的平均信息量(信息熵)作为关系的信息量。