基于邻域熵的决策表约简

针对传统粗糙集理论难以处理数值型数据的特点,提出基于邻域熵的决策表特征约简方法.该方法通过引入邻域关系进行信息粒化,定义邻域熵概念,用来度量数值型数据的不确定性,证明邻域熵的单调性原理,提出基于邻域熵与分类精度加权的特征重要度概念,基于邻域熵单调性原理设计了两种启发式特征约简算法.理论分析与实例表明该方法是有效可行的.     

基于互信息的医学图像配准新方法

图像配准在医学图像处理技术中具有重要的地位。针对传统一阶互信息配准法对配准精度低等问题,本文提出了一种新的基于二阶互信息医学图像配准方法,利用二阶互信息与3*3邻域方差相结合的方法进行医学图像配准。通过对比可以得到,基于二阶互信息的配准方法能够更精确地将两幅图像进行配准,互信息值更大,得到的图像继承了更多的信息,有效提高了医学图像配准的精确度和信息量。     

基于核覆盖算法的中文文本分类研究

文中介绍了使用核覆盖算法进行中文文本分类.研究了采取不同的特征选取方法、利用核覆盖算法进行文本分类的区别.通过实验,除互信息外的其它几种特征选取方法在核覆盖算法分类过程中均取得了较优的实验结果,可看出核覆盖算法在文本分类中是一个不错的方法.     

基于交互信息的混合特征选择算法

针对传统的特征选择算法只专注于特征间的相关性和冗余性而没有考虑特征之间交互作用的问题,提出一种基于交互信息的混合特征选择（hybrid feature selection based onmutual information,MIHFS）算法,该算法以K-最近邻算法的分类准确率作为衡量所选特征分类性能的评价指标,有效地去除了冗余和不相关的特征,保留了具有交互作用的特征。为了评估该算法的性能,从分类准确率、所选特征数量以及算法稳定性三方面,与最大相关最小冗余、联合互信息等7种特征选择算法在8个数据集上进行了实验比较和分析。实验结果表明：MIHFS算法具有较强的稳定性,不仅有效降低了特征空间的维数,而且在所选特征的分类性能方面明显优于其他特征选择算法。最后将MIHFS算法与灰色关联分析法-逼近理想解的排序技术法相结合并应用到高邮凹陷永安地区戴一段地质评价中,其评价结果准确率为80%,与实际钻探结果基本吻合,具有较高的可靠性,能够有效指导油气地质评价。     

结合空-谱信息的高光谱图像分类方法

针对传统高光谱遥感图像分类中单纯利用光谱信息而忽略空间信息这一情况,研究空间信息在分类中的两种有效利用方法:其一是先基于方向线理论提取空间特征,然后将其与光谱特征相结合进行高光谱图像分类;其二是采用空间邻域信息继续对分类结果进行智能性修正。实验结果表明,空间信息的利用有助于进一步提高高光谱图像的分类精度。     

优化的互信息特征选择方法

在文本分类中,互信息是一种被广泛应用的特征选择方法,但是该方法仅考虑了特征的文档频而没有考虑特征的词频,导致它经常倾向于选择出现频率较低的特征.为此,提出了一个新的文档频并把它引人到互信息方法中,从而获得了一种优化的互信息方法,该优化的互信息方法不但考虑了特征的文档频而且还考虑了特征出现的词频,实验结果表明该优化的互信息方法性能良好.     

一种新型自适应粒子群优化粒子滤波算法及应用

基于粒子群优化的粒子滤波算法精度不高,运算复杂度大,难以在实际工程中应用. 为此,文中提出一种新型邻域自适应调整的动态粒子群优化粒子滤波算法. 该算法考虑了粒子的邻域信息,利用多样性因子、邻域扩展因子和邻域限制因子共同对粒子的邻域粒子数量进行自适应调整,控制粒子对邻域的影响,减轻局部最优现象,达到收敛速度和寻优能力的最佳平衡. 利用UNGM模型、目标跟踪模型以及故障检测模型对算法的性能进行仿真测试,结果表明：该算法与PSO-PF相比提高了精度和运算速度,具有实际工程应用价值.     

小波系数插值支持下的遥感影像混合像元分解

针对遥感混合像元分解中不能有效利用空间邻域信息的问题,提出一种基于超分辨率重建的分解方法. 通过小波系数双线性插值获得遥感影像的超分辨率影像,对超分辨率影像进行监督分类生成超分辨率分类图,最后通过窗口统计得到原始分辨率下各地物的丰度图. 广州城区的模拟TM遥感影像试验表明,该方法的分解精度
在3种方法中最优,能够较充分利用空间邻域信息,提高混合像元分解精度,为混合像元分解提供了新的途径.     

基于混合互信息和改进粒子群优化算法的医学图像配准

为提高医学图像辅助诊断的配准精度和收敛速度,提出了一种基于混合互信息和改进粒子群优化算法的医学图像配准算法,在每步迭代中,先用基于Renyi熵的互信息结合改进粒子群优化算法对图像进行全局搜索,然后对当前得到的最优解使用基于Shannon熵的Powell算法进行局部寻优。实验结果表明,该算法在收敛速度和精度方面都优越于其他配准算法。     

基于三轴加速度传感器人体姿态识别的特征选择

为解决人体运动模式识别中姿态分类问题,详细研究了人体姿态识别的特征选择.通过统计三轴加速度传感器的x轴、y轴、z轴等信号,获得标准差、偏度和峰度等117种特征.将Fisher score、relief-F和Chi square 3种算法与层次分类方法相结合选择出特征子集,采用支持向量机对动作进行分类.实验表明,利用3种特征选择算法所选择出的特征集有助于较高精度地识别站立、坐和躺3种静态动作以及走、上楼、下楼3种动态动作,且有利于后续进行低复杂度在线识别方法研究.     

一种多模特征融合的方面信息情感分类方法

在方面信息情感分类中针对使用循环神经网络编码长距离文本的信息丢失问题,以及使用注意力机制提取情感信息时倾向于关注高频信息偏置问题,提出一种多模特征融合的方面信息情感分类方法,区分单点、多点以及局部三类不同表达模式的情感信息,通过对三类情感信息有侧重的关注、提取与融合,实现各类特征间相互确认与纠错,降低信息丢失与关注偏置问题,达到增强复杂情感表达模式下的方面信息情感分类能力的目的。实验结果表明,使用所提出的方法对三类情感信息进行提取与融合,可以使方面信息情感分类任务在准确率和F1值指标上得到进一步提升。     

互信息在时间序列分析中的应用

介绍了由信息理论定量计算两序列Ｓ、Ｑ之间的互信息Ｉ（Ｓ，Ｑ）＝ΣＰ（ｓｉ，ｑｉ）。ｌｏｇ〔Ｐ（ｓｉ，ｑｉ）／Ｐ（ｑｉ）〕的方法；并根据周期系统，混沌系统、随机系统的一维时间序列及其时间延迟序列间的互信息估算结果，分析数据的可预测性，得出序列预测准确性的最大极限；现根据以上三类系统的二维时间序列间的互信息估算结果，估价数据所提供的信息的新颖性，从而可以避免一些重复性的工作所造成的浪费，与互相关相比，     

图Laplacian半监督特征加权用于高光谱波段选择

提出一种利用图Laplacian实现半监督波段选择的方法. 该方法首先将标记样本类别信息引入图Laplacian,接着通过广义特征值求解确定投影变换矩阵,最后采用载荷因子对变换矩阵进行系数分析,对波段重要性赋以权值并排序. 实验比较了多种波段选择算法,结果表明算法能更好地利用标记样本的类别信息和大量非标记样本中的局部结构信息,性能优于多种波段选择方法.     

基于信息理论准则的盲源分离方法

根据统计独立的假设,利用概率密度函数的Ｅｄｇｅｗｏｒｔｈ展开,得出了基于互信息最小化的目标函数,该函数具有明确的物理意义,它的最小化可以使输出相互独立,仿真实验结果表明所提出的方法可较好地用于盲源分离问题。     

利用朴素贝叶斯模型进行多层网络链接预测

针对多层网络链接预测中层间信息融合的问题，提出了一种利用朴素贝叶斯模型的链接预测方法。该方法结合目标层的邻域信息和辅助层相对于目标层的全局信息进行链接预测。在目标层中，根据节点对的邻域信息，利用朴素贝叶斯模型计算其连接概率；在辅助层中，计算节点对在该层有边或无边时在目标层存在链接的概率。在真实数据和合成数据上的实验结果表明：该算法在正相关和负相关的多层网络中都有很好的预测性能。     

利用概念知识的文本分类

针对统计方法不能从语义理解的角度进行文本分类的问题,提出了利用概念层次网络概念知识进行文本分类的方法,包括两部分：依据概念进行特征选取以及根据类别关联度分类. 在特征选取时,通过计算概念与类别的区分度挖掘出类别核心概念,并采用类别核心概念对特征项进行精选. 依据类别核心概念相关的类别语义信息,提出了文档与类别关联度的计算方法,并根据类别关联度来判断文本类别. 实验表明,该方法可有效降低特征空间维数,在提高分类效率的同时保证了分类效果,F1值略有提高. 与SVM、KNN和Bayes分类器对比,当特征项数目较少时,该方法的F1值明显高于其他3种方法,综合分类效果与SVM相当,优于KNN和Bayes.     

互信息原理在日常生活中的体现与应用

基于信息论,例举出了日常生活中的一些实例,体现出互信息原理在日常生活中的应用.