基于信息熵的网络数据演化涌现性度量方法研究

为了衡量网络数据演化过程中产生的"涌现现象",从涌现性特征的宏观分析出发,建立信息熵与网络数据演化涌现性之间的关联关系,基于概率估计提出1种可行的信息熵值计算方法,用信息熵对网络数据演化涌现性进行度量,并对演化行为和系统层次可能引入的误差进行校正,使度量方法更贴近实际情况.用实验分析说明该方法的合理性和有效性.     

基于HMM的多维数据下扶贫对象状态预测

针对扶贫领域中贫困、脱贫和返贫状态预测不准确，影响状态变迁的关键因素难以识别的问题，从扶贫基础数据和多个行业数据中提取8个关键特征和22个观测状态，构建观察状态和隐含状态关联关系，建立扶贫对象状态预测隐马尔可夫模型（hidden markov model，HMM）。以某深度贫困县连续3年的数据为样本，进行参数训练、测试实验和结果验证，结果表明该方法对返贫、贫困和脱贫状态有较强的预测能力，误差率较低，且能准确识别出影响返贫的关键要素。该方法对指导精准扶贫工作具有非常重要的实际意义。