基于层次分析和信息熵的塑料包装产品绿色度评价方法

根据塑料包装的生命周期过程,参考国内外的评价原则,确定了绿色度评价的一级和二级指标,运用层次分析法构建判断矩阵,确定主观权重值,通过信息熵进行数据的标准化处理,获得熵权,确定客观权重值,采用和积法计算各指标相对于塑料包装产品绿色度的综合权重值。结合行业相关标准和企业相关统计资料,构建各指标的隶属度函数,获得隶属度。通过综合重要度和隶属度的线形加权,得到塑料包装产品的绿色度。并以一款塑料包装产品为例,印证方法的可行性,为塑料包装产品绿色度的评价提供了有效参考。     

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。…     

DCKPDP：改进k-prototype聚类的差分隐私混合属性数据发布方法

当前混合属性数据发布中隐私保护方法大多存在隐私保护效果不佳或数据效用较差的问题,采用差分隐私与优化的k-prototype聚类方法相结合,提出改进k-prototype聚类的差分隐私混合属性数据发布方法(DCKPDP)。为解决传统k-prototype聚类算法没有考虑不同数值型属性对聚类结果有较大影响的问题,利用信息熵为每个数值型属性添加属性权重;为解决聚类初始中心点人为规定或者由随机算法随机确定,导致聚类结果精确度不高的问题,结合数据对象的局部密度和高密度对聚类过程中初始中心点进行自适应选择;为解决数据信息泄露风险较高的问题,对聚类中心值进行差分隐私保护。实验结果表明,DCKPDP算法满足差分隐私保护所需的噪声量更小,数据的可用性更好。     

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。     

导向滤波和自动白平衡融合的遥感图像除雾算法应用研究

针对目前除雾算法实时性差、除雾后影像色彩失真严重等问题,从带雾图像本质出发,对导向滤波和自动白平衡算法进行深入研究,提出一种基于导向滤波和自动白平衡融合的除雾新算法.该算法首先对暗通道后的图像进行导向滤波计算,其次将自动白平衡算法应用于导向滤波处理后的图像中,最后获得除雾后的图像.研究结果表明,该方法能有效解决先前除雾方法引起的色彩暗淡和颜色失真等问题,获取的地物特征更明显,有效提高除雾速度.研究成果解决了遥感图像的全天候使用问题,为遥感图像的除雾算法提供了一种新思路.     

基于页面分块与信息熵的评论发现及抽取*

提出了一种新颖的REA(Review Extract Algorithm)算法进行评论信息的发现与抽取.算法采用了页面分块与信息熵的迭代计算技术实现了评论块的自动发现与抽取.其中,页面分块技术的运用有效地去除了噪声信息;基于块的熵值计算精确定位了每一个用户评论.实验结果证明该算法具有较高的查全率与查准率.     

基于重尾分布的风电功率波动特性概率分布

研究风电功率波动特性对于提高风电功率预测精度、促进风电并网消纳、抑制风电并网对电力系统安全运行的不利影响等均具有重要意义.利用风电场实测数据,归纳风电功率波动特性的时变性、异方差性、波动集聚性和"尖峰厚尾"4个基本特征;为定量描述风电功率概率分布,在不同的时空尺度下分别采用正态分布、混合高斯分布以及重尾分布中的t Location-scale分布、稳定分布、拉普拉斯分布对风电功率波动率进行拟合,引入相对熵作为衡量拟合分布优劣的评价指标,并对比分析不同拟合分布的评价结果.仿真结果表明风电功率概率分布更适合采用重尾分布函数来描述,且重尾分布中的t Location-scale分布函数具有最佳的拟合效果.     

基于CMFS-MIC特征选择的跳频电台个体识别方法

针对跳频电台细微特征集中存在冗余特征等导致电台识别时存在计算量大、识别准确率低等问题,提出了一种基于CMFS-MIC特征选择的跳频电台个体识别方法。首先计算采集到的各个跳频电台信号样本的细微特征集,然后采用关联信息熵度量特征子集的组合效应,兼顾考虑特征间的关联关系和冗余关系对各个特征进行降序排序。在此基础上,采用最大信息系数度量的近似马尔可夫毯方法删除冗余特征,实现对特征子集进行优化和降维。最后,设计了投票组合分类器实现对4部跳频电台信号的识别。仿真结果表明,本文算法具有更高的分选识别率。     

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。