模糊推理的模糊熵反向α-三Ⅰ约束算法

讨论了FMP，FMT问题的模糊熵反向α-三Ⅰ约束解的存在条件，研究了反向α-三Ⅰ约束解与模糊熵反向α-三Ⅰ约束解的关系，分别给出了几个常见蕴涵算子的FMP问题与FMT问题的模糊熵反向α-三Ⅰ约束解的计算公式．     

模糊推理的模糊熵三I算法及其还原性

讨论FMP问题的模糊熵三I算法解的存在条件,研究了三I解与模糊熵三I解的关系,获得了模糊熵三I算法的一般计算公式,并给出了几个重要蕴涵算子的模糊熵三I算法公式,证明了这些算法在一定条件下是还原算法.     

模糊推理的模糊熵反向α-三I约束算法

讨论了FMP,FMT问题的模糊熵反向α-三I约束解的存在条件,研究了反向α-三I约束解与模糊熵反向α-三I约束解的关系,分别给出了几个常见蕴涵算子的FMP问题与FMT问题的模糊熵反向α-三I约束解的计算公式．     

基于直觉模糊熵的粒子群模拟退火算法

针对智能算法在解决大规模0-1背包问题时易陷入局部最优解、收敛速度慢的问题,提出一种基于直觉模糊熵的粒子群-模拟退火算法(IFEPSO-SA)。采用交换操作和模拟退火机制对粒子群算法中的局部最优解二次优化;然后,以种群直觉模糊熵(IFE)为测度,自适应改变惯性权重,并对种群进行变异操作。测试结果表明,IFEPSO-SA在解决大规模0-1背包问题时有较好的求解质量;仿真实验结果表明,IFEPSO-SA与基于直接模糊熵的粒子群算法(IFEPSO)相比,熵值波动较小,反映出IFEPSO-SA有更好的局部搜索能力,并且IFEPSO-SA在算法收敛速度和求解质量方面都优于IFEPSO以及经典的粒子群算法和模拟退火算法。     

基于字符串变量的模糊熵算法的改进

为了解决样本熵算法缺乏连续性,而改进的样本熵算法即模糊熵算法运算复杂、速度慢的问题,结合模糊熵和样本熵算法各自特点,引入字符串变量代替相空间重构的思想,建立模糊熵新改进算法.选择35名大学生作为被试,分别以样本熵、模糊熵和新改进模糊熵算法计算复杂度参数,进行体现认知功能特征的事件相关电位复杂度分析,3种算法得出的复杂度对比分析表明:模糊熵新改进算法计算结果与样本熵算法和原模糊熵算法均具备一致性,适用于脑电信号特征提取.新改进算法与样本熵算法相比,计算事件相关电位得到的熵值变化幅度更大,更能有效识别被试的认知活动中脑活跃程度;计算长度为1 000的脑电序列一次,平均运算时间只需约2.1 s,较样本熵算法3.2 s,模糊熵算法10.4 s,大大提高了运算速度.     

一种基于模糊熵划分的边缘检测算法

基于信息论中最大熵原理,提出了一种基于梯度图像的模糊划分边缘检测算法。该算法首先根据图像边缘的特点和类型构造出新的梯度算子,再根据梯度图像自然划分以及2-划分的关系得到模糊2-划分条件熵,基于最大模糊条件熵原则实现梯度图像划分中最优阈值的自动选取,实现图像的边缘检测。仿真实验结果比较表明,该算法用于边缘检测能获得较好的效果。     

一类拟模糊熵的渐近界

目的为得到一类拟模糊熵的渐近界的一些性质和定理。方法以模糊熵的基本定义和性质为基础,以Jensen inequality(詹森不等式)为工具进行研究。结果得到b-拟模糊熵、b-拟条件模糊熵、b-拟互信息的渐近界的定义和一些良好的性质及定理。结论深化和发展了模糊信息论的内容。     

图像模糊信息融合算法的性能评价

讨论了图像模糊信息融合算法的性能评价问题，采用信息融合技术，可把图像的模糊信息进行融合处理，进一步提高基于模糊技术的图像模式识别的准确率，从信息论的观点出发，提出利用模糊熵来评价模糊信息融合算法的性能，以指导对融合算法的设计和分析，提高评价方法的客观性和精确性。     

模糊集中的无限非概率测度熵

目的 为得到模糊信息论的一些重要性质和定理。方法 以模糊熵的数学性质为基础，以Shannon熵为工具进行研究。结果 给出了无限非概率测度熵的定义及性质，并对无限非概率测度条件熵及模糊互信息给出了定义，进而研究了其性质并给出了相关定理。结论 其结果深化和发展了模糊信息论的内容。     

模糊相对熵及在模式识别中的应用

目的研究模糊相对熵在模式识别中的应用。方法利用模糊相对熵的一个修正公式——加权模糊相对熵研究模糊相对熵在模糊模式识别中的应用。结果数值例子说明模糊相对熵方法和最大最小贴近度方法得出了一致的模糊识别的结果。结论模糊相对熵方法用于模式识别是很有实际意义的。     

正多项式规划的最大熵解与迭式：Ⅰ—投影算法

指出可用量大熵原理给出正多项多规划的对偶解，不仅直接给出解的形式，而且可以用最大熵迭代Ⅰ－投影算法计算，大大减少计算量和求解困难度。     

基于二维灰度直方图的模糊熵分割方法

传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息，抗噪声能力差，因此提出了基于二维灰度直方图的模糊熵分割算法．此算法根据像素点灰度值和其邻域灰度均值，建立二维灰度直方图，并在对应目标和背景的像限内构造像素点对目标和背影的隶属度函数，从而去除噪声和边缘像素对图像分割的影响．最后通过求模糊熵的极值，得到二维图像分割点．实验结果证明，该方法具有很强的鲁棒性和抗噪能力，分割效果明显优于一维的方法，而且可以方便地推广到其他一维熵分割中．     

一种灰度图象的自适应分割算法

利用遗传算法的高效搜索性能和模糊集合理论能较好地描述问题的模糊性和随机性，提出了基于遗传算法的最大模糊熵快速分割算法，将遗传算法和模糊集合理论结合起来应用于灰度图象单闽值和多阈值分割．实验结果证明该方法有效地实现了快速分割，并具有较好的鲁棒性．     

在模糊逻辑框架下系统辨识研究

通过研究模糊“IF……THEN”规则与ID3算法在结构上的相似性，将传统的熵概念结合到ID3算法中，从而导出了一种模糊系统的建模方法。     

一种新的图像分割方法

许多传统的分割方法往往是根据图像单一的属性标准对图像进行分割，通常不能满足整幅图像的分割要求。本文针对这个问题，介绍了一种新的图像阈值分割方法（FES），该方法在模糊集的基础上，结合模糊熵和模糊相似性两种截然不同的属性刻画分割图像。最后针对算法进行仿真，证明该方法是切实可行的。     

基于二维灰度直方图的最小模糊熵分割方法

本文在一维最大模糊熵分割方法的基础上，根据图像目标和背景内部像素灰度值的一致性和集中性，提出了一种新的图像分割隶属度函数，从而得到最小模糊熵分割方法．本文还针对传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息，抗噪声能力差的缺点，提出了基于二维灰度直方图的模糊熵分割算法．本实验结果证明，最小模糊熵分割方法对于某些图像的分割效果要好于最大模糊熵分割效果，而二维分割方法对于绝大多数图像，都具有很强的鲁棒性和抗噪能力，分割效果明显优于一维的方法，而且方便地推广到其他的一维熵分割方法中。     

一种新的模糊决策树模型及其应用

模糊决策树是决策树在模糊环境下的一种推广,虽然其表示形式更符合人类的思维,但在构造时会增加预处理的工作量和创建树时的开销。基于这种情况,提出了一种混合算法,算法保留了较少属性值的Shannon熵,计算多属性和连续属性值模糊化后的模糊熵。将该算法应用于滑坡数据的挖掘中,得到了更易于理解的决策树和有效的规则,与传统算法的性能比较也证明了该算法的有效性。     

模糊概率空间上模糊划分与保测同态的熵

在模糊概率空间上引入了模糊划分的熵以及保测同态关于模糊划分的熵的概念，并研究了它们的若干性质．     

基于模糊概念相似性与模糊熵度量的模糊分类算法

在AFS(axiomatic fuzzy set)理论框架下,提出了一种基于模糊概念相似性与模糊熵度量的分类算法.模糊分类规则的前件通过概念聚合得到,一种基于模糊概念相似性与模糊熵度量的概念选择函数指导聚合过程;然后,利用剪枝算法对得到的模糊规则集进行剪枝,得到最终的分类规则集.用8组来自UCI数据库的数据集作为实验数据对算法进行验证,并与7种经典分类方法进行比较.实验结果表明该算法能得到较高的分类精度,分类结果明显优于参照的分类方法.     

正多项式规划的最大熵解与迭代Ⅰ－投影算法

指出可用最大熵原理给出正多项式规划的对偶解。不仅直接给出解的形式，而且可以用最大熵迭代Ⅰ－投影算法计算，大大减少计算量和求解困难度。