基于优化熵函数二维最大熵阈值算法改进

根据熵函数在等概率场下取到最大值性质，对二维最大熵阈值法中的熵函数进行优化，将熵函数中对数和乘积运算简化为减法运算，得到目标函数具有意义明确、形式简洁、计算速度快的二维阈值自动选取方法。该法在保持二维最大熵阈值法对图像分割效果同时，又大大提高阈值选取速度，增强算法实时处理能力。这些结论正确性，既从理论推导过程中得到证明，也从对足迹图像分割的大量实验中得到验证。这种方法是保持二维最大熵阈值法分割效果不变、具有更快计算速度和实时处理能力、并在足迹图像分割中得到较好应用的一种自动阈值选取方法。     

基于改进的二维交叉熵及Tent映射PSO的阈值分割

最近提出的二维交叉熵阈值分割方法所依据的灰度级-平均灰度级直方图存在错分,且寻求最优阈值时,即使采用递推算法仍需遍历整个搜索空间,运行速度有待进一步提高。为此,本文给出改进的灰度级-梯度二维直方图,据此导出了相应的二维最小交叉熵阈值选取公式及其递推算法,并且采用改进Tent映射混沌粒子群优化(particle swarm optimization, PSO)算法搜寻二维最优阈值。大量实验及与现有二维交叉熵方法的对比表明,所提出的方法在计算最优阈值时尽可能考虑了所有目标点和背景点,从而使分割结果更加精确;而求取阈值因只需遍历其中小部分解空间,使运行时间约减少到原来的10%~40%。     

基于遗传算法的熵算法在人类染色体图像的分割中的应用

染色体图像分割是染色体图像分析与识别的重要内容之一。文中提出了实现染色体的自动分割的熵分割算法,该算法充分考虑了每个视野中分割目标(染色体)的数量大以及人类显带染色体被明暗交迭的带纹分割为若干不连续的片段等特点。文中还对传统的分割方法和熵方法进行了对比。传统的方法容易受噪声的影响从而将染色体分割开来。1维熵方法没有考虑灰度空间在空间的分布。2维熵方法在图像分割时较为费时。为了改善分割的精度和速度,在遗传算法的基础上运用1维和2维的熵方法。运用遗传算法的方法一场景分割不到一分钟并且得到得很好的染色体形态。算法的优越性通过实验来体现。     

熵理论的几个基本问题研究述评

通过对熵理论的几个基本问题所存在的主要观点进行评述，从而明确得出：１．熵能作为系统无序度的量度，但对复杂系统必须区分不同层次上的熵概念；２．负熵的科学定义应力；当一个开放系统的总熵变小于系统内部的熵增时，可以说系统产生了负熵流，或说系统引进了负熵；３“熵量守恒”及“熵与信息的守恒”都是不成立的。     

基于参数估计的步进频ISAR成像运动补偿方法

分析了基于步进频雷达运动目标的回波信号模型,讨论了目标运动对ISAR成像的影响,针对当目标有速度或加速度时会造成高分辨距离像移位和畸变,并使二维像散焦的情况,提出了一种基于高斯包络线性调频信号自适应分解、高分辨距离像互相关法及多普勒横向像最小熵法的运动补偿算法。该算法利用高斯包络线性调频信号自适应分解得到回波多普勒调频率和目标运动的加速度,通过距离像移动对目标运动速度进行初估计,并用高分辨距离像互相关法及多普勒横向像最小熵准则提高目标速度及加速度的估计精度,然后进行运动补偿。该算法计算量小,估计精度高,仿真结果验证了它补偿效果好,能获得清晰的ISAR像。     

信息融合的熵理论

本文提出的信息融合熵理论包括：对信息融合中存在着两种信息源的分析、利用信息熵概念定义信息融合熵、论述融合过程中信息融合熵的变化和传递以及提出信息融合熵二定理，由此揭示了信息融合过程中多源信息的管理（选择）和信息融合有效性及系统性能极限间的内在联系。并且我们还应用这一理论具体分析了目标状态估计（跟踪）融合与检测融合这两个融合应用问题，以说明该熵理论的应用。     

熵——度量随机变量不确定性的一种尺度

本文首先论述了不确定性的概念，而后介绍熵及其性质。在此基础上，引进了微分熵。最后论述离散随机过程熵，并且得到了一些结论。     

ISAR成像中多径效应的消除

对于逆合成孔径雷达(ISAR)而言,多径效应会在ISAR的二维目标重建像上引入两个伪像,这将会影响雷达的目标识别与分类.为了消除ISAR像重建中的多径效应对于ISAR成像的影响,应用二维图像熵作为代价函数并通过模拟退火算法来搜寻对应于最优参数的最小图像熵,从而可以实现对目标参数的估计,进而消除多径效应的影响.仿真结果显示,这种方法可以有效地消除ISAR像的伪像,并为下一步的目标识别和分类奠定了基础.     

基于二维能量检测的舰船SAR图像阈值分割

鉴于传统阈值分割算法过于依赖背景杂波分布模型,以及在抗噪性、鲁棒性等方面的不足,文章通过改进传统能量检测算法的局部信杂比模型,提出了基于 λ检测的算法,解决了阈值不能自适应选择的问题。并针对图像存在大量相干斑及拖影时,算法处理能力不足的问题,考虑邻域像素均值 μ 将其拓展到二维,提出了基于二维能量检测的阈值分割法。最后,通过引入域内一致性、域间差异性和形状复杂度3个指标,与目前流行的最大熵阈值法以及改进的二维最大类间差法做对比实验,结果证明了本文算法简单有效。     

基于熵理论的上市公司信息披露质量测度

上市公司信息披露质量的测度关系到资本市场稳定、健康发展。通过建立二层结构的信息披露质量测度指标体系，应用熵理论构建了信息披露质量测度模型，提高了信息质量测度结果的客观性和有效性，并得到实证结果的支持。     

决策分析中一类极大熵问题的求解算法与应用

提出了决策分析中一类极大熵问题的求解算法。与求解极大熵问题常采用的Lagrange数乘法相比, 此算法更加简便、省时, 不仅适用于决策分析, 而且对非线性规划中的基准点测试也有一定的参考价值。文章最后应用此算法对一个投资决策问题进行了求解。     

The Entropies Evaluation of the High-entropy System and its Determination of Operating Entropy

1　Ｈｉｇｈ ｅｎｔｒｏｐｙＥｎｇｉｎｅｅｒｉｎｇＳｙｓｔｅｍＴｈｅｏｒｉｅｓｏｆｃｏｍｐｌｅｘｅｎｇｉｎｅｅｒｉｎｇｓｙｓｔｅｍ ,ｃｏｍｐｌｅｘａｎｄｈｕｇｅｓｙｓｔｅｍｓｏｒｍａｎ ｍａｃｈｉｎｅ ｅｎｖｉｒｏｎ ｍｅｎｔｓｙｓｔｅｍ ,ｗｈｉｃｈａｒｅｉｎｔｅｇｒａｔｅｄａｎｄｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｙｓｕｂｊｅｃｔｓ ,ｗｅｒｅｂｅｉｎｇｄｅｖｅｌｏｐｅｄｒｅｃｅｎｔ ｌｙ .Ｉｔｉｓｍａｉｎｌｙｂｅｃａｕｓｅｏｆｔｈｅｓｏｃｉａｌｉｚａｔｉｏｎｏｆｐｒｏｄｕｃｔｉｏｎ ,ｃｏｍｐｌｅｘｉｔｙ…     

广义支持向量机优化问题的极大熵方法

依据最优化理论中的KKT互补条件建立了广义支持向量机的无约束优化模型,并给出了一种有效的光滑化近似解法极大熵方法,为求解支持向量机优化问题提供了一种新途径.该方法特别易于计算机实现,理论分析和数值实验结果表明了模型和算法的可行性和有效性.     

基于熵的TOPSIS法空战多目标威胁评估

针对传统逼近理想解的排序法(TOPSIS)在确定权重系数上面的缺陷和不足,提出了基于熵的TOPSIS改进算法,该算法运用熵理论处理空战获取的客观信息,确定目标各个属性权重,将权重运用到TOPSIS法中,研究空战威胁评估问题。建立多目标威胁评估数学模型,并进行了仿真研究。仿真结果表明该算法是合理和有效的。     

灰熵并行分析引导PSO求解多目标优化问题

提出采用灰熵并行分析法引导粒子群算法求解多目标优化问题。灰熵并行分析法综合灰色关联分析法与信息熵的特点,对数据序列计算灰关联系数,同时并行地对数据序列计算信息熵及熵值权重,将灰关联系数与熵值权重结合求得灰熵并行关联度。〖JP2〗通过粒子群算法对优化问题的多个目标构建与粒子数相同数量的目标值序列,计算每个序列的灰熵并行关联度值,利用该值作为算法适应度值的分配策略引导粒子进化。以10个典型作业车间调度问题为例进行实验,结果与差分进化算法及遗传算法进行比较,表明灰熵并行分析法可以有效引导各算法进化,使算法在收敛性和分布均匀性方面表现良好,且粒子群算法的优化结果要好于其他两种算法的结果。     

Relation Entropy and Transferable Entropy Think of Aggregation on Group Decision Making

1　 IntroductionThere are many methods in studying uncertainty,and among them the sets pair analysis isa new method. It is used widely in many fields,such as behavior science,social science,managementscience and so on,and the effectis especially betterin decision making.″Setspair″means the combination of two sets having some relation.In the view of systemscience,any two parts of system can be considered as a sets pair in certain condition,suchas system and circumstance,system and people,betw…     

基于信息熵权的最近邻域数据关联算法

复杂环境下雷达数据关联算法是多目标跟踪领域研究的重难点问题之一。其中,最近邻域算法虽然是一种计算量小、工程易应用的有效数据关联算法,但是存在数据关联正确率不高,滤波结果不够精确和多目标跟踪时易产生错误关联的问题。为改善该算法的数据关联效果,提出了一种最近邻域数据关联算法,通过进一步深度挖掘已知量测信息的熵,按照熵权法分析并确定各自量测指标的权值,再利用权值对最近邻域算法的统计距离关联准则进行优化,从而改善原算法在单目标跟踪中存在的问题。通过仿真实验结果分析得出,该算法相比于原算法具有更高的数据关联正确率、更小的跟踪误差和更快的收敛效果。     

基于一类新的直觉模糊熵的多属性决策方法研究

针对现有的直觉模糊熵只考虑了隶属度与非隶属度的偏差,而未考虑直觉模糊集自身包含的犹豫度信息的缺憾,本文提出了一类新的直觉模糊熵,它可以充分表达决策者的犹豫度信息.在此基础上,针对属性权重完全未知和属性权重信息部分已知的直觉模糊多属性决策问题,分别通过熵权法和利用最小化直觉模糊熵建立的最优化模型求解属性权重,给出了直觉模糊多属性决策的折中比值法.最后,通过应用实例说明了所提出方法的有效性和可行性.     

基于信息熵和GA-ELM的调制识别算法

针对当前通信信号调制识别算法在低信噪比（signal-to-noise ratio，SNR）下识别率低、训练速度慢、识别调制类型少的问题，提出了基于信息熵特征和遗传算法-超限学习机（genetic algorithm-extreme learning machine，GA-ELM）的调制识别算法。首先，提取信号的4种熵特征：奇异谱香农熵、奇异谱指数熵、功率谱香农熵和功率谱指数熵作为调制识别的特征参数；其次，采用GA-ELM作为分类器。仿真实验表明，对11种模拟、数字调制信号进行分类识别，在SNR大于4 dB时算法的总体识别率均超过98%，同时该算法训练速度快，识别系统设计简单，具有较大的应用价值。     

进化算法PBIL在时间表问题中的应用

用任意整数编码的PBIL（基于人口的增量学习）算法求解两类时间表问题，在计算中采用了系统信息熵来估计进化计算的进行程度并作为计算的结束条件．计算结果表明，用该方法解决时间表安排问题适应性强、结果稳定，是一个非常理想的算法。