Oil monitoring methods based on information theory

To evaluate the wear condition of machines accurately,oil spectrographic entropy,mutual information and ICA analysis methods based on information theory are presented. A full-scale diagnosis utilizing all channels of spectrographic analysis can be obtained. By measuring the complexity and correlativity,the characteristics of wear condition of machines can be shown clearly. The diagnostic quality is improved. The analysis processes of these monitoring methods are given through the explanation of examples. The availability of these methods is validated and further research fields are demonstrated.     

离散型随机变量的条件独立及其性质

应用条件概率引入条件独立的概念．给出了离散型随机变量条件独立的含义及其性质。     

关于信息量的两个新的不等式

在文献[1]的基础上,建立关于互信息和联合熵的新的不等式,并且对它们给予证明。     

萨特与波娃存在主义思想浅析及比较——兼读波娃《第二性》

法国乃至世界著名的文学家、哲学家、戏剧家、文论家、社会活动家萨特,及被誉为二十世纪西方最具影响的女性之一、存在主义文学家和思想家、西方女权主义运动的接触理论家西蒙.波娃,两人在精神追求、事业理想、人生态度等方面的一致,谱写了一曲爱情史上的"神话"。不仅如此,作为战后世界历史进程中的精英知识分子,他们用自己的哲学思想为找后的世人努力探寻着出路,代表了人类的良知。萨特哲学理论体系的核心是存在主义人学理论,文章通过解读波娃最具世界影响的《第二性》来挖掘其思想,特别是她的女性主义存在主义思想,并试图分析二人思想的相交和相异之处。     

Ad hoc网络时钟同步研究*

为解决时钟同步方案存在依赖特殊节点以及算法精度不高等问题,在组网过程与自组网互同步相结合的基础上,完成网络节点的时钟同步,并通过测量网络延迟以提高同步精度.方案在一跳场景下验证,可将误差维持在15μs左右,提高了同步精度,并且本方案不需要特殊节点,各个节点只需要收到一个同步帧就可以自发地调整时钟,同步帧的开销小、实现简单,适用于多跳和灵活易变的Ad hoc网络.     

基于互信息和众数的类间关系研究

簇间关系的评估对于确定许多现实中的关键未知信息具有重要作用,可被广泛应用在犯罪侦查、进化树、冶金工业和生物嫁接等领域。提出了一种称为“众数模式+互信息”的方法对簇间关系进行排序。该方法使用众数模式从每个簇中寻找具有代表性的对象,使用互信息衡量簇间的关联程度。由于该方法利用簇间关系判断簇与簇的联系程度,所以它不同于传统的分类和聚类。在图形和癌症诊断数据上的实验表明了该算法的有效性。     

双流网络信息交互机制下的微表情识别

针对深度学习的方法用于微表情识别时微表情识别的实验数据库非常稀缺,导致神经网络在学习的过程中知识获取有限而难以提高精度及泛化能力的问题,提出基于双流网络信息交互的微表情识别方法.通过改进的深度互学习策略引导图像序列不同模态之间的交互训练,提高网络的识别率.方法基于RGB图像序列建立主体网络,基于光流建立辅助网络;在训练阶段,通过设计互学习损失中的有监督学习损失和拟态损失,优化训练过程,使得每一种模态都能学习正确地预测训练样本的真实标识,同时能与其他模态的预测相匹配;在测试阶段,由于互学习机制增强了RGB分支的判别能力,因此可对光流分支进行剪裁,在保证精度的前提下提高识别速度.在CASME,CASMEⅡ和SMIC数据库上的实验结果表明,该方法有效地提高了识别精度,整体性能优于已有方法.     

基于互信息F统计量特征选择技术的地基气象云图分类

在地基气象云图的云状(云类)识别研究中,基于局部二值模式(Local Binary Pattern,LBP)描述子的特征选择技术由于它的简单性和有效性成为最通用的方法.然而,LBP特征的高维特性使得云状识别的性能和计算开销不能令人满意.为此,本文提出一种基于互信息构造的F检验统计量的LBP特征选择算法,可以实现高维LBP特征的有效降维,同时保证云状识别的准确性,极大减少了特征选择过程的计算开销.     

基于双向选择的伪近邻算法

针对伪近邻分类算法（LMPNN）对异常点和噪声点仍然敏感的问题,提出了一种基于双向选择的伪近邻算法（BS-PNN）。利用邻近性度量选取[k]个最近邻,让测试样本和近邻样本通过互近邻定义进行双向选择;通过计算每类中互近邻的个数及其局部均值的加权距离,从而得到测试样本到伪近邻的欧氏距离;利用改进的类可信度作为投票度量方式,对测试样本进行分类。BS-PNN算法在处理复杂的分类任务时,具有能够准确识别噪声点,降低近邻个数[k]的敏感性,提高分类精度等优势。在UCI和KEEL的15个实际数据集上进行仿真实验,并与KNN、WKNN、LMKNN、PNN、LMPNN、DNN算法以及P-KNN算法进行比较,实验结果表明,基于双向选择的伪近邻算法的分类性能明显优于其他几种近邻分类算法。     

基于tPUF的物联网设备安全接入方案

针对现有的物联网设备安全接入方案不适用于资源受限的物联网设备的问题,提出一种基于tPUF的物联网设备安全接入方案。利用物理不可克隆函数技术（Physical Unclonable Function,PUF）,物联网设备不需要存储任何秘密信息,实现设备与认证端的双向认证以及协商会话秘钥;利用可信网络连接技术（Trusted Network Connect,TNC）,完成认证端对物联网设备的身份认证、平台身份认证、完整性认证。安全性分析表明,方案能够有效抵抗篡改、复制、物理攻击等。实验结果表明,相较于其他方案,该方案明显降低了设备的资源开销。