再研究最大熵解卷的真解问题

194 9年Ｓｈａｎｎｏｎ和Ｗｅａｖｅｒ在《通信的数学理论》一书中明确给出了信息熵的概念[1] ,195 7年Ｊａｙｎｅｓ指出 ,最大熵原理可以作为衡量可能分布的一种尺度[2 ] 。目前最大熵方法已经被广泛应用于信息处理和图像恢复等不同领域。最大熵原理在电子显微学领域中同样得到了很好的应用 ,主要工作集中在消除像的噪声和改善像的质量。 1991年胡建军和李方华等成功地将最大熵原理应用于高分辨电子显微像的解卷处理[3 ] 。随后报导了最大熵解卷中出现形式上的“多解”现象[4] ,并指出“多解”源于傅里叶像效应[5] ,讨论了确定真解的办法。…     

基于组合赋权和BP神经网络的高校学生综合素质评价研究

考虑到主客观赋权的弊端,以高校学生综合素质评价为例,提出了一种基于最小相对信息熵原理的组合赋权方法,建立了综合职业能力视角下的评价模型。为了提高综合评价的便捷性,以单项指标为输入样本,评价成绩为输出样本构建BP神经网络。仿真结果表明,BP神经网络的预测平均相对误差为0.61%,最大相对误差为1.57%,说明该模型在合理的范围内能快速给出评价结果,避免了繁琐的计算过程,具有一定的应用前景。     

一种基于相关的属性选择改进算法

基于相关的属性选择算法是一种属性子集评价方法,该算法通过启发式评价消除属性子集中属性之间的相关性,使用评价值选择与类属性相关度高而属性之间相关度低的属性子集。提出在基于相关的属性选择算法中加入属性之间相关度方差的影响,能够在基于相关的属性选择算法选择的属性集子的基础上,去除属性子集中那些与其他属性相关度大的属性。通过实验证明,改进后的算法选择的属性子集属性数不多于基于相关的属性选择算法选择的属性子集属性数。使用改进算法选择的属性子集,在对分类器分类正确率影响很小的情况下,有较高的分类效率。     

在线用户兴趣多样性的实证研究

在线用户的群体兴趣对于分析在线社会网络以及个性化推荐至关重要。研究的目的是引入信息熵这一指标来准确度量用户兴趣的多样性。分别在电影网站MovieLens和音乐网站Last．FM数据上进行实证分析,即统计度相同的用户所选产品的信息熵值。MovieLens的结果表明,随着用户度的增加,熵值出现先上升后下降的趋势,即度小的用户和度大的用户的兴趣比较专一,而一般用户的兴趣较为多样;而Last．FM的结果表明,度小用户的兴趣非常多样,但随着用户听过的音乐数量越多,兴趣越明确。通过建立随机模型与实证结果进行比较,可以发现绝大多数用户在真实数据集上的兴趣的多样性比随机情况要大,可见用户的兴趣对用户行为模式的影响显著。     

代数约简的条件信息熵表示及其高效约简算法

给出如何保持正区域不变的语义分析,提出一种修正条件信息熵计算公式,证明保持修正条件信息熵不变与保持正区域不变相互等价。在此基础上,给出代数约简概念的修正条件信息熵表示。给出反例说明修正条件信息熵不具有单调性,导致没法给出自底向上的启发式约简算法,证明了代数协调集中不可删除属性的不可逆性质,提出一种自顶向下直接删除属性的高效约简算法。它从所有条件属性集出发,逐步删除不必要的属性,只需遍历各属性一次,即可保证得到原始决策表的一个代数约简。数值算例和实验验证了该算法的正确性和高效性。     

混合SVM结合信息熵检测ICMP隐通道*

攻击者可以将生成的任意信息隐藏在ICMP的有效负载中传递出去,构成了ICMP负载隐通道。在分析ICMP数据流熵标准差和熵值分布特性的基础上,提出了基于信息熵的样本集缩减策略。为提高采用标准支持向量机(SVM)的学习能力与推广能力,建立了若干选取规则,构造出一种有效的混合核函数。最后采用混合SVM结合信息熵的方法检测ICMP隐通道,取得了较快的分类速度和较高的检测率。实验结果表明,采用混合SVM结合信息熵检测ICMP隐通道的方法,是有效的、可行的。     

基于侧抑制的红外图像自适应预处理

针对复杂海空背景下的红外图像,提出了一种基于侧抑制的红外图像自适应预处理的方法。根据不同背景图像方差加权信息熵的变化,建立了方差加权信息熵与侧抑制网络作用调节因子的对应关系。通过对不同实际场景自适应地调整侧抑制网络作用强度,实现了不同背景条件下实时红外序列图像的自适应处理。仿真实验表明,该方法能有效提高杂波背景下图像的信杂比,具有突出目标特征和适应复杂背景的能力。     

一种基于H．264的自适应空域错误隐藏算法

H．264／AVC中Ⅰ帧的传输错误不仅会破坏当前的解码帧,还会在时间上扩散,对后续P帧的预测带来严重的影响。因此本文提出了一种通过计算受损宏块周围边缘方向的信息熵来自适应的选择双线性内插或方向性内插的错误隐藏方法。实验表明,该方法与单独使用双线性内插法或方向内插法相比,具有较好的误码掩盖效果,PSNR相比至少提高了0．27dB。     

基于信息熵度量的高斯尺度空间角点检测算法

图像的多尺度表示是指从原始图像出发,导出一系列越来越平滑、简化的图像,这种简化意味着图像信息的丢失。图像角点是图像的一个重要的局部特征,本文结合尺度空间理论,实现了多尺度下Harris角点检测,并利用信息熵计算每一尺度下图像的信息量,信息熵是衡量不同尺度下图像信息的可靠方法。通过实验对提取出的特征点进行攻击,证明了这些点具有很好的鲁棒性,与单尺度Harris角点检测相比,该特征点具有更高的重复率,即尺度不变性。     

数据挖掘技术在学生评估中的应用

近几年随着科技和现代教育的发展,数据库和网络技术得到飞速的发展和广泛的应用,智能教学系统也就大量地出现,这样就有大量的数据伴随着出现,而怎样处理这些数据使人们从中获得有用的信息变成一个热门的话题。数据挖掘技术就是将大量数据以一定的方式进行处理,得到对人们有用的信息,来帮助人们学习和预测。将数据挖掘技术引入到教学过程中学生的个人学习素质评估当中,创新性地通过决策树算法和聚类算法相结合的方法对学生数据分析,挖掘潜在的信息资源,找出影响个人综合素质的关键因素及各因素之间的关系,总结优秀学生的个人综合素质的培养方法,弥补不足,提高学生的个人综合素质。