基于网络结构熵研究网络演化的一种新方法

为了定量描述网络的发展演化,提出了一种网络结构熵的演化表达形式,为更好研究网络的异质性提供了刻画度量,阐述了利用这种方法研究网络演化的原因及通用性。同时,以Internet AS网络为例。求出了其随时间演化关系,指出这种网络的演化发展的方向及其异质性的变化趋势。     

径向基函数（RBF）神经网络的一种极大熵学习算法

RBF神经网络中心向量的确定是整个网络学习的关键,该文基于信息论中的极大熵原理构造了训练中心向量的极大熵聚类算法,由此给出了网络的极大熵学习算法。文中最后分别用一个时间序列预测和系统辨识问题验证了该学习算法的有效性,同RBF网络和多层感知机的误差回传算法相比,该算法不仅在学习精度和泛化推广能力上有一定程度的提高,而且学习时间有显著的降低。     

一种基于极大熵的快速无监督线性降维方法

现实世界中高维数据无处不在,然而在高维数据中往往存在大量的冗余和噪声信息,这导致很多传统聚类算法在对高维数据聚类时不能获得很好的性能.实践中发现高维数据的类簇结构往往嵌入在较低维的子空间中.因而,降维成为挖掘高维数据类簇结构的关键技术.在众多降维方法中,基于图的降维方法是研究的热点.然而,大部分基于图的降维算法存在以下两个问题:(1)需要计算或者学习邻接图,计算复杂度高;(2)降维的过程中没有考虑降维后的用途.针对这两个问题,提出一种基于极大熵的快速无监督降维算法MEDR. MEDR算法融合线性投影和极大熵聚类模型,通过一种有效的迭代优化算法寻找高维数据嵌入在低维子空间的潜在最优类簇结构. MEDR算法不需事先输入邻接图,具有样本个数的线性时间复杂度.在真实数据集上的实验结果表明,与传统的降维方法相比, MEDR算法能够找到更好地将高维数据投影到低维子空间的投影矩阵,使投影后的数据有利于聚类.     

一种基于交叉熵的改进型PCNN图像自动分割新方法

脉冲耦合神经网络(PCNN)是20世纪90年代形成和发展的一种新型神经网络。为了自动地进行精确的图像分割，在基于图像处理的前提下，对现有的PCNN模型进行了改进，即从原始图像与分割图像的目标之间、背景之间的差异性出发，提出了一种基于最小交叉熵准则的改进型PCNN图像分割新方法。通过计算机仿真，该方法能够自动确定循环迭代次数和自动选取最佳阈值，并与基于最大香农熵的PCNN分割方法进行了比较。实验结果表明，该方法优于香农熵准则PCNN分割，其不仅对图像分割精度高，而且具有较强的适用性。     

一种估计前馈神经网络中隐层神经元数目的新方法

前馈神经网络中隐层神经元的数目一般凭经验的给出，这种方法往往造成隐单元数目的不足或过甚，从而导致网络存储容量不够或出现学习过拟现象，本研究提出了一种基于信息熵的估计三层前馈神经网络隐结点数目的方法，该方法首先利用训练集来训练具有足够隐单元数目的初始神经网络，然后计算训练集中能被训练过的神经网络正确识别的样本在隐层神经元的激活值，并对其进行排序，计算这些激活值的各种划分的信息增益，从而构造能将整个样本空间正确划分的决策树，最后遍历整棵树寻找重要的相关隐层神经元，并删除冗余无关的其它隐单元，从而估计神经网络中隐层神经元的较佳数目，文章最后以构造用于茶叶品质评定的具有较佳隐单元数目的神经网络为例，介绍本方法的使用，结果表明，本方法能有效估计前馈神经网络的隐单元数目。     

导数估计的一种新方法

在曲线曲面造型中,许多情况下都需要估计某些点的导数.为了获得精度更高的曲线曲面造型,提出了一种导数估计的新方法,即通过对使用Bessel导数估计方法得出的估计值进行修正来得到导数估计值,同时给出了方法的计算公式及其参数计算公式的推导,并对算法作了简要分析.最后通过实例测算比较分析了几种方法的精确度和插值曲线绘制结果.     

一种获得透视图的新方法

依据物体透视图的人工作图法，本文提出了确定透视变换矩阵的新方法，这种方法基于一组新的参数，而每个参数与透视变换的结果有明显关系，因此便于使用，并给出了计算机作图示例。     

一种结合二维熵和模糊熵的图像分割方法

基于二维熵的分割方法是一种常用的阈值分割技术,其基本假设是对象区域和背景区域占据了二维直方图的绝大部分区域,即假设对象区域和背景区域的概率和近似为1。该方法存在的不足是忽略了边界区域的信息对分割结果的影响,鉴于此,提出了一种结合二维熵和模糊熵的图像分割方法,先采用二维熵对图像进行初步分割,再采用模糊熵作后续处理以弥补忽略边界信息带来的问题。实验结果表明,对于含噪图像,该文方法的分割效果是比较理想的。     

一种新的直觉模糊集的熵

通过分析现有直觉模糊熵计算方法中存在的一些问题,基于直觉模糊集理论和熵的概念,提出一种新的直觉模糊集的熵,给出它的结构、性质,并将其与现有的几种直觉模糊集的熵进行比较,发现其计算结果介于其他几种方法的计算结果之间,因而能够对模糊问题的模糊性做出更好的界定,有助于人们对模糊问题的理解和把握。最后,通过实例验证了它的有效性。     

一种区间直觉模糊熵的构造方法

研究了区间直觉模糊熵。证明了三个直觉模糊熵公式的等价性。对直觉模糊熵公式进行推广,引入一个新的区间直觉模糊熵公式,该熵公式满足区间糊熵的公理化直觉模定义的4个条件。     

基于灰关联深度系数的评价指标客观权重极大熵配置模型

在多属性决策领域中,经典评价指标客观赋权的极大熵模型主要依据指标评价值的差异度进行赋权,极易导致对评价值差异度小的指标作出不重要(权值小)的错误判断,从而产生决策偏差.对此,首先提出灰关联深度系数的概念,以表征指标客观权重包含的信息量大小;同时运用极大熵理论建立评价指标客观权重的极大熵配置模型,以确定多属性决策指标权重,较好地解决了经典模型存在的严重缺陷;最后通过实际案例的对比分析,验证了所提出解决方案的优良性能.     

一种结合交叉熵和投影特征的图像匹配算法

基于图像交叉熵的图像匹配方法对于噪声不敏感,并且具有一定的抗几何失真能力,但算法复杂度高,不适合用于实时匹配系统中.而投影变换可将图像的二维灰度降为一维的特征向量,且还具有抗噪性好的特性,因此定义图像的局部交叉投影熵,提出了一种新的图像匹配算法.该算法首先计算模板图的行、列投影;然后计算模板图和实时图的交叉投影熵;最后根据行、列交叉投影矩阵确定出最优匹配坐标.新算法不仅具有较好的抗噪和抗几何失真性能,并且提高了在强光照射及云层遮挡情况下的匹配能力.通过实验仿真并对比局部熵、局部投影熵、局部交叉熵和局部交叉投影熵四种算法的匹配效果,表明该算法不仅匹配效果良好,并且计算速度快,是一种精确而实用的图像匹配方法.     

一种基于KS距离的OFDM子载波数估计法

针对正交频分复用(OFDM)信号子载波数估计的问题,利用OFDM信号的高斯性,提出一种基于KS距离的子载波数估计法。侦收端DFT模块输出的KS距离在DFT点数与发射端匹配时最小。理论分析及仿真结果证明,该方法能区分高斯分布与非高斯分布,正确估计OFDM信号的子载波数。     

一种最大熵图象恢复在IBM—PC机上实现的算法

本文在研究了把最大熵(ME)图象恢复问题简化为求解一个常微分方程问题的基础上,开发了一个适于用微型计算机对此问题求解的迭代算法。从而使在一般微型机(例如IBM-PC/XT)上运用最大熵方法进行图象恢复与重建成为可能。     

一种新的Vague集的熵

受Fuzzy集模糊熵的启发,提出了Vague集熵的公理化定义。充分考虑到Vague集的真隶属度、假隶属度和犹豫度三个方面,提出了新的Vague集的熵的计算公式,用于度量一个Vague集的模糊性。以实例来说明新的公式的有效性和实用性。     

一种改进的视图几何基本矩阵估计法

多视图几何中的基本矩阵估计需要利用准确的对应点,但是图像噪声或光线变化会产生错误匹配,进而严重影响基本矩阵估计的准确度。为提高基本矩阵估计的准确性,文章提出了一种基于对极约束梯度的迭代方法去估计基本矩阵。该方法能在最少的迭代次数下迅速剔除两视图匹配过程中的错误匹配点。然后再加入对应点相关性的约束,可以得到最佳对应点集合用于估计基本矩阵。通过在各类不同场景的图像上实验分析可以发现,该方法相比于其他方法估计基本矩阵误差至少降低20%。     

一种基于改进的最大熵模型的汉语词性自动标注的新方法

最大熵模型已成为自然语言处理领域中的研究热点,但由于熟语料库规模的限制,模型参数会出现稀疏现象,影响了模型的精确度.另外最大熵模型参数众多、计算量大,一个好的参数估计算法将会有效地提高模型的效率.实验证明,采用BLMVM算法的基于Gaussian prior平滑技术的最大熵模型具有出色的表现.基于以上认识,结合汉语自身的特点,设计了一个基于词和字特征的汉语词性自动标注系统,取得了较好的标注效果.     

一种参数优化VMD多尺度熵的轴承故障诊断新方法

现有基于变分模态分解算法(VMD)的轴承故障诊断方法,由于其参数K需要依据先验知识预先设定,缺乏对K值最优设定的理论支撑,难以保证故障特征提取及故障诊断的精确性.针对上述问题,提出一种基于参数估计优化的VMD与多尺度熵(MSE)的石化装备轴承特征提取及诊断新方法.首先,针对VMD分解参数K的难以实现最优设定问题,利用局部均值分解(LMD)自适应分解分量的频率分布特征,构建一种实现K值有效估计的方法;其次,在VMD分解的基础上,提出一种MSE和线性判别分析(LDA)协同特征提取方法,完成特征模型构建;然后,针对轴承故障特征样本过少,利用支持向量机(SVM)对提取故障特征进行识别;最后,利用石化装备实验室仿真平台的轴承故障数据进行实验,验证算法的有效性和工程实用性.对比分析表明,所提出的算法可以很好地提取故障特征且故障识别精度较高,具有较好工程操作性和扩展性.     

一种基于熵的聚类算法

给出了一种以Reny熵为评价准则的聚类算法,通过非参数估计法估计密度函数,再利用类内熵和类间熵进行聚类和确定聚类的数目。这种算法不需要用户输入与聚类有关的参数,能根据由数据的分布的特性自动获取要聚类的数目,并能发现任意形状和任意大小的聚类。实验结果显示了算法的有效性和优越性。     

一种基于Parzen窗法和Renyi熵的图像分割阈值选取新方法*

采用Parzen窗技术来估计图像灰度值的空间概率分布,再用Renyi熵来构造目标函数,最后在图像灰度范围内搜索,使此目标函数最小的灰度值作为最佳全局阈值。实验结果表明,此方法对图像分割的精度非常高,且适应性强。