非线性lp问题的极大熵方法

在非线性l1问题极大熵方法的基础上,构造了非线性l(0＜p＜1)问题的极大熵方法.为了克服lp问题的非光滑性,导出了极大熵函数,并证明了极大熵函数列的收敛性.根据同伦算法证明了极大熵函数的最优解序列逼近于非线性lp问题的最优解,并提出了解决计算过程中易于溢出的方法.最后,数值仿真表明算法是十分有效的.     

非线性l1问题的区间调节熵算法

本文证明了非线性 l1问题调节熵函数的相关性质,将调节熵函数和区间分析相结合,构造了非线性l1问题的区间调节熵算法,讨论了调节熵函数的区间扩张及其收敛阶,证明了算法的收敛性,给出了数值算例.理论与数值结果表明该方法是可靠和有效的.     

Min-Max-Min问题的区间极大熵算法

讨论了目标函数和约束函数都是一阶连续可微的离散Min-Max-Min问题.利用罚函数法和极大熵函数思想将问题转化为无约束可微优化问题,构造了极大熵函数的区间扩张并证明了它的收敛性,给出了无解区域删除原则,建立了区间极大熵算法,理论证明和实例计算表明算法是可靠和有效的.     

基于自适应调节极大熵的孪生支持向量回归机

孪生支持向量回归机(Twin Support Vector Regression,TSVR)的数学模型是求解一对约束优化问题,如何将约束优化问题转化为无约束优化问题进行求解是一个难题.在TSVR约束优化模型的基础上,依据最优化理论提出TSVR的无约束优化问题.然而,无约束优化问题的目标函数有可能不可微,为解决这个问题,引入极大熵函数,确保优化问题都是可微的.标准的极大熵函数法有可能发生数值溢出,所以对极大熵函数法进行了改进,提出自适应调节极大熵函数法来逼近TSVR的不可微项,并提出基于自适应调节极大熵函数法的TSVR学习算法.实验结果表明,和其他回归方法相比,所提算法不仅能够提高回归精度,而且效率得到了较大的提高.     

一类连续minimax问题的区间极大熵算法

讨论了目标函数为C^1类函数的连续型minimax问题的区间极大熵算法。通过构造目标函数的极大熵函数及其区间扩张，利用区域二分原理和无解区域的删除原则，建立了求解连续型minimax问题的区间极大熵算法，证明了算法的收敛性，给出了数值算例。数值结果表明，其算法是可靠和有效的。     

应用Hopfield神经网络优化最大熵的图像恢复算法

基于图像最大熵分析,提出了一种基于Hopfield神经网络优化的图像恢复算法.将图像恢复问题转化为Hopfield神经网络优化问题,取恢复图像熵函数最大以及原始图像与恢复图像之间的误差平方和最小作为图像恢复的目标,构造能量函数连续型Hopfield神经网络模型,由Hopfield神经网络能量函数极小化可得到问题的优化解,其算法通过仿真实验,验证了算法的优越性.     

有限维变分不等式的熵函数法

提出求解有限维变分不等式的熵函数法.分析了算法的性质,在一定条件下证明了熵函数逼近问题解的存在性,并证明熵函数法逼近方程组产生的点列的每个极限点均为有限维变分不等式的解.在一定条件下,熵函数法全局收敛且具有二次收敛率.数值算例表明了方法的有效性.     

非线性凸规划的熵函数法

提出了求解非线性凸规划的熵函数法．分析了算法的性质，证明了熵函数逼近问题解的存在性和唯一性．最后，用数值算例表明了该算法的有效性．     

采用熵函数法的多传感器空间配准算法的研究

针对传感器空间配准问题,提出了一种基于滑窗法的极小化极大熵函数的传感器空间配准算法。该算法使用熵函数作为优化准则,根据传感器的量测模型推导出关于传感器系统偏差的目标函数,然后借助极大熵函数的思想,将目标函数的绝对值转化为对应的极大熵函数,并且使用拟牛顿法求得的极大熵函数的解作为传感器系统偏差的估计值。在单目标跟踪场景和多目标跟踪场景下,与传统传感器空间配准算法在相同的仿真条件下进行对比,仿真结果表明,所提算法能够有效地提高传感器距离量测和角度量测系统偏差的估计精度,从而实现高精度的空间目标跟踪。     

一类连续型minimax问题的区间斜率算法

讨论了目标函数为一阶连续可微的无约束连续型minimax问题的区间算法.利用连续型极大熵函数和区间斜率法,通过建立区间扩张和无解区域删除检验原则,构造了求解连续型minimax问题的区间斜率算法,证明了算法的收敛性,并给出了数值算例.相关结论和数值结果都表明,其方法是可靠和有效的.     

加权熵公理构成证明的新方法

对S.Guiasu在《Weighted Entropy)(加权熵)一文中提出的加权熵公理构成理论,进行了简化公理条件的严密的数学证明,并给出关于加权熵函数唯一确定性的一种新的证明方法。不仅简化了加权熵的公理条件和加权熵函数唯一确定性的证明过程,而且使加权熵的公理构成具有合理的物理含意,对改善加权熵公理构成理论具有一定的价值。     

变量有界线性规划的极大熵方法

目的讨论变量有界线性规划问题的熵函数解法。方法采用Lagrangian对偶把该问题处理为一个对偶的低维无约束不可微凸规划，据此提出了变量有界线性规划问题的可微极大熵函数。结果提出的熵函数方法可以避免数值计算的溢出。结论所采用的熵函数可避免数值的溢出，数字结果表明方法是有效的。     

Copula熵方法及其在三变量洪水频率计算中的应用

为解决传统Copula方法在进行联合概率分布拟合过程中要先进行函数类型选择的问题,将Copula函数和最大熵原理进行耦合,通过求解具有最大熵的Copula方程,求得二维联合分布函数,即Copula熵方法。用求得的Copula函数对洪水事件的3个相关变量(洪峰流量、洪水总量和洪水历时)进行两两配对的二维联合分布拟合,并利用Gibbs采样方法和Copula函数实现三变量洪水事件的随机模拟。以淮河鲁台子水文站的实测洪水资料为研究对象,进行实例分析,并通过拟合优度的计算,证明Copula熵方法对多维相关变量概率拟合的有效性以及Gibbs采样方法在三变量洪水事件模拟过程中的有效性。     

极大极小问题极大熵方法的研究(I)

首先研究了极大熵函数的保凸性质；在没有可微假设的条件下，证明了极大熵函数既能保持成员函数的凸性，也能保持一致凸性．在此基础上对具有凸性的极大极小问题的极大熵方法的收敛性进行了较详细的研究，有关结果在一定程度上揭示了该方法解这类问题一般都能得到精度很高的解的原因．     

基于二进制熵的加解密函数定位方法

针对二进制程序模糊测试中加解密函数定位准确率低的问题,提出一种基于二进制熵的加解密函数定位方法.该方法对二进制程序的控制流信息进行模型构建以定位程序关键代码,提取关键代码前后的数据流并计算其二进制熵,通过前后二进制熵的关系确定被测代码中是否存在加解密函数.实验结果表明,该方法能够有效发现程序中的加解密函数,准确率大于99%;该方法可以用于提高模糊测试发现漏洞的能力,具有一定的实用价值.      

基于熵权的教师绩效评价算法的研究

本文采用熵权法这种客观赋权方法来确定综合评价中各指标的权重,通过把熵权法和传统的ISODATA聚类方法相结合,在ISODATA的目标函数中引入权重,给出了含有熵权的ISODATA聚类的迭代公式,提出了基于模糊聚类和熵权的改进的综合评价算法,并将该算法应用于教师绩效评价,使其评价结果更加有效．     

广义线性互补问题的极大熵牛顿算法

借助一类特殊的绝对值方程,将广义线性互补问题等价转化为非线性方程组。基于极大熵函数,提出了一个牛顿算法,证明了算法的局部收敛性。数值结果也验证了算法的有效性。     

大数据中网络节点拓扑不稳定性的评估模型设计

大数据中网络节点拓扑结构复杂且具有明显的不稳定性,当前网络节点拓扑不稳定性评估模型大多依据社会网络分析方法理论,从不同角度表示具有不同拓扑结构特性的网络元件,获取的评估结果不充分、不可靠。为此,提出一种新的大数据中网络节点拓扑不稳定性评估模型,通过节点收缩法对大数据中网络节点重要性进行评估。针对大数据中网络节点拓扑不稳定性的评估,结合风险函数丰富熵的内涵,将事件的风险函数在效用系数空间中的平均值看作网络的效用风险熵,依据得到的效用风险熵对效用风险熵权重进行计算。将节点收缩法和效用风险熵权重结合在一起,重新考虑权重的影响,给出新的大数据中网络凝聚度,得到大数据中网络节点拓扑不稳定性评估模型。实验结果表明,所提方法评估可靠性很高。     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

Entropy and its application in turbulence modeling

The entropy concept was introduced into the turbulence modeling strategy in the present work. First, the turbulent boundary-layer was described from the point of energy dissipation. Based on the theoretical analysis and direct numerical simulations, the relationship between the entropy increment and viscosity dissipation was systematically investigated. Then, an entropy function fs was proposed to distinguish the turbulent boundary-layer from the external flow. This function is universal, independent of the inflow conditions or any specific turbulence model. With this function, a new version of delayed-detached-eddy simulation method SDES was constructed and verified with the supersonic boundary-layer flow and the cavity-ramped flow. Initial results showed that this method could successfully avoid the modeled stress depletion problem inherited from the original DES method.