基于信息熵和模糊综合评判的动力电池性能评估

本文将围绕新能源汽车动力电池匹配和分组这一关键科学问题开展研究,建立了基于信息熵和模糊评价矩阵构建动力电池的综合性能评价模型。实验表明该方法可信度和有效性较高,对动力电池组进行状态对比和实时掌握动力电池组的运行状态具有较好的指导意义。     

基于信息熵的粮食干燥塔温度预测控制

针对混流式粮食干燥塔生产过程中,物理化学变化复杂,温度变化呈现的非线性和滞后性,难以准确检测的问题,提出了一种基于信息熵的温度预测方法;首先分别采用支持向量机和灰色预测独立建立第一降速段的温度模型;利用加权方法对两种模型进行集成,最后利用信息熵算法,对加权因子进行优化,提升模型的预测精度;运行结果表明干燥后的稻谷含水量与设定值误差从原来的±24.7%,降低至8.5%,验证本方法在实际生产中的有效性。     

超声背散射信息熵成像评价脂肪肝的新方法

提出超声背散射Tsallis信息熵成像评价脂肪肝的新方法。利用滑动窗口法,估算窗口内局部背散射包络信号的Tsallis信息熵参数值,对信息熵参数值矩阵进行扫描变换、颜色映射及感兴趣区域设置,叠加到超声B模式图像,实现Tsallis信息熵成像。分析72名肝脏捐献者和204名患者的超声背散射信号,参考标准分别为磁共振波谱测得的肝脏脂肪分数(Hepatic Fat Fraction, HFF)和肝活检组织学检查测得的脂肪肝程度。对于72名肝脏捐献者,Tsallis信息熵与lg(HFF)的相关系数r=0.67(P<0.000 1)。对于204名患者,受试者工作特征曲线下面积分别为0.82、0.88、0.89(≥轻度、≥中度、≥重度),而超声背散射零差K成像分别为0.76、0.82、0.82。超声背散射Tsallis信息熵成像可以直观定征并定量评价脂肪肝的严重程度,其诊断性能优于超声背散射零差K成像,可作为一种超声评价脂肪肝的新方法。     

粗糙集理论在计算机基础教学测评中应用

计算机基础课的教学,从内容、方法到手段不断改进,但缺乏灵活、有效的教学测评方法。参加计算机基础等级考试的师生,如何在考前能够快速、准确了解教学效果并及时发现存在的问题,有针对性地做好考前辅导工作。依据粗糙集理论中条件属性对决策属性重要性的不同,确定对考试结果有重要影响的教学内容。知识约简的信息论观点包含了知识约简的代数观点[1],利用信息熵计算属性重要性,通过对属性重要性分析,为今后的教学重点供了理论依据。     

ID3算法在入侵检测系统中的研究与改进

ID3算法是数据挖掘中经典的分类算法。它往往选择取值较多的属性进行分裂训练集,而选取的这个属性并非是最优的。针对这一缺点,提出了一种改进的ID3算法。通过改进信息增益公式,选取最优的划分属性,对采集的数据进行分类处理,建立决策树,这样的决策树包括较少的分支,并且树的高度较低。改进后的算法结合模式匹配算法来检测是否有入侵行为发生。通过实验验证了该算法减少了误报率和漏报率,并且比修改前在速度上有所提高,空间消耗有所减少。     

基于正交小波变换和伪彩色的遥感图像增强

针对基于正交小波分析的图像增强技术一般只适用于黑白图像;而伪彩色处理技术不能够充分处理图像中某些细节信息的缺陷.提出了基于正交小波分析和伪彩色的遥感图像增强处理方法;实验结果表明,增强后的遥感图像无论在视觉效果上还是在噪声特性上都有了很大的改善;该方法简便易行且计算量小,在应用中有较大的灵活性;该方法还具有运算速度快和可操作性强等特点,在遥感图像增强研究方面具有广泛的应用前景.     

粗糙集和信息熵的属性约简算法及其应用

阐述粗糙集理论和信息熵的基本概念,并为寻找属性约简的有效方法,提出一种基于粗糙集和信息熵的属性约简算法。在决策表中添加某个属性引起的互信息变化的大小,以反映该属性的重要性,并求相对约简。研究表明,该算法不仅能得到最优的决策规则,而且能够减少信息系统所需的搜索空间,得到更优的属性约简效果。     

基于信息熵的空间对象群聚类算法

针对利用空间关系建立空间对象群聚类的问题,提出一种基于信息熵的空间对象群聚类算法ESOGC。该算法考虑空间数据的复杂性和数据之间的联系,根据邻域范围内信息熵的变化情况,捡起或放下当前空间对象群,从而实现对空间对象群的聚类。实验结果表明,该算法能解决空间对象群中对象类型、对象属性值和对象数量不一致性的问题。     

一种粗糙集属性约简算法

基于粗糙集理论提出一种新的属性重要度的度量方法,引入决策强度的概念,克服经典粗糙集理论约简定义的不完备性及无法获得最优属性约简的缺陷,改进基于信息熵的启发式属性约简算法,通过对既有线CTCS-2级车站列控中心软件测试平台的测试数据的实证分析,成功获得最优属性约简,发现数据之间的潜在联系及规律,给出决策规则,使决策分析更为高效。     

基于信息熵多种群遗传算法的组播路由

针对网络信息不确定性和链路负载不均匀所造成的网络拥塞,提出基于信息熵的组播路由算法。该遗传算法从最小代价树开始,在多种群中不断选择信息熵较大的种群,以求得满足延时要求且路径负载较小的组播树。结果表明,该算法性能快速、有效地构造最小时延组播树,且保证网络负载均衡分布。