信息质量检验的熵模型

基于信息—熵理论证明在样本足够大的条件下，抽样信息量的平均值近似服从正态分布；并应用该结论提出一种检验信息质量的方法，进一步研究先验信息和后验信息的可信度问题，提高决策人甄剐信息和做出正确决策的能力。     

基于不等概率抽样的不完全信息条件下复杂网络抗毁性模型

为了填补随机失效与故意攻击之间的空白,将复杂网络攻击信息的获取抽象成无放回的不等概率抽样问题,建立了不完全信息条件下的复杂网络抗毁性模型.其中网络攻击信息可以通过信息广度参数和信息精度参数调节控制,随机失效或故意攻击是该模型的两个特例.利用母函数方法解析推导出了任意度分布广义随机网络在随机不完全信息和优先不完全信息条件下的两个重要抗毁性度量参数——临界移除比例和巨组元规模,得到的解析结果可以分析和预测不完全信息条件下复杂网络的抗毁性.以无标度网络为例对一般攻击信息参数组合进行了仿真分析,发现随机隐藏少量节点信息将大幅度提高复杂网络的抗毁性,获取少量重要节点的信息可以大幅度降低复杂网络的抗毁性.     

最大熵分布算法及其应用

分布估计算法是一种新的基于种群进化的算法,它通过统计当前群体中较优个体的信息构建其概率分布模型,然后对模型进行抽样生成下一代群体。针对分布估计算法在求解搜寻最优网络结构的NP-Hard问题,提出一种新的最大熵分布算法,该算法以Jaynes原理为依据,利用随机变量的最大熵估计随机变量的最小偏见概率分布,并以此作为算法的进化模型,有效地降低了算法的计算复杂度。以旅行商问题和误导问题为例所进行的计算结果证明了该算法具有更高的全局搜索能力与更稳定的收敛性。     

最小交叉熵谱分析技术的发展概况与展望

1979年美国J·E·Shore首次提出最小交叉熵谱分析法。理论证明,最大熵谱分析法只是最小交叉熵法的一个特例。当存在先验信息时,最小交叉熵法可获得比最大熵法好得多的分辨率。因此最小交叉熵法一出现,就受到广泛注意。但几年来它的进展不快,原因之一是运算太繁复,并且Shore等人至今仍未公布其具体算法。本文概括地介绍了最小交叉熵法发展概况,以及国内外学者提出的几种主要方法(包括李建三硕士和作者提出的快速倒谱算法,以及“熵谱分析程序包ESAP”)。并通过实际运算评述了各种方法的优缺点。文末指出,尽管目前对最小交叉熵法的研究尚不充分,但这是一种很有发展前途的谱分析法。     

关于熵、信息、序的五个佯谬

熵、信息、序的概念由来很久，准确理解和运用这些概念却往往被忽视。关于熵、信息、序的五个佯谬：信息既可以是有序的、又可是无序的；熵小必有序、熵大必无序；简单即有序、复杂即无序；信源熵等于信息量；混沌是高度复杂、高度有序的状态，源于对熵、信息、序概念的误解。准确把握熵、信息、序概念将使五个佯谬破解。     

基于最小熵准则的雷达网信号增强

采用最小熵准则对雷达网的数据进行融合。通过对点目标的研究,推导出了最小熵准则和最大信噪比准则对雷达网数据融合的效果是一致的。但对于复杂目标,很难计算出采用最大信噪比准则所需要的累加权,因此将最小熵准则应用到复杂目标的数据融合中,并采用迭代方法计算了累加权。     

网络可靠性评估的演化过程重要度抽样模拟方法

针对具有高可靠度网络的连通失效概率计算问题,提出了一种重要度抽样Monte Carlo模拟方法.首先提出了考虑节点和边单元失效网络连通状态判别的演化过程算法,算法根据网络节点和边单元的可靠度,将每次模拟抽样产生的随机数转化为单元的修复时间;按照单元修复时间次序构建网络连通拓扑结构,并视为向网络连通状态转变的演化过程.然后基于重要度抽样Mont,e Carlo模拟求解高可靠度网络的2\K\All端连通失效概率,其中重要度抽样函数的计算采用基于演化过程和交叉熵模型的多准则迭代方法.高可靠度网络算例的计算结果表明,预抽样求解重要度抽样函数时,多准则迭代方法所需的预抽样次数约为其他迭代方法的1/40.因此,本文方法具有较高的计算效率.     

最大模糊能量图像阈值分割法

最小模糊熵阈值法是一个常用的图像分割方法。依据模糊熵的对偶概念：模糊能量,提出了对应的最大模糊能量阈值法。考虑到最大模糊能量阈值法在有些情况下不能有效找到直方图的谷点,通过融入阈值点的概率信息,提出了一种改进的加权最大模糊能量阈值法,改进方法能够使得分割阈值点更接近图像直方图的谷底。实验结果表明,改进的最大模糊能量阈值法对单峰直方图和小目标图像有更好的分割效果。     

知识粗糙性的粒度原理及其约简

粗糙集理论是一种新的软计算方法,已成为知识发现和诊断决策领域的一个研究热点。经典的粗糙集理论提出知识是有粒度的并定义了知识粗糙度的概念,但它不能完全区分不同信息粒度所表示的信息量。从信息论的角度定义了信息粒度的概念,重点研究了知识粗糙性的粒度原理,定义了粒度函数和粒度熵的概念,提出了信息粒度的量化计算方法,解决了知识粗糙度在表达信息时的不足。根据知识粗糙性和信息粒度本质上的一致性,提出了一种基于粒度熵的属性约简算法,该算法可以从各约简集中选择最优属性约简,避免了选择约简集的盲目性。实例研究证明提出的粒度计算方法是可靠有效的,为进一步研究知识的粒度计算提供了可行的方法。     

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。     

基于后验风险确定故障样本量的Bayes方法

针对目前测试性故障样本量的确定方法过于粗糙和试验样本量过大的问题,提出了合理运用信息熵方法对装备系统各单元的测试性先验信息进行信息融合,得到装备系统级测试性试验数据。在此基础上得到测试性指标的先验分布,并进一步通过Bayes后验风险准则确定故障样本量及试验方案。以某型电动舵机系统各模块的试验数据为例,以故障检测率为测试性指标,经过分析和计算,发现运用所提方法得到的故障样本量相比传统方法明显减少,从而减少了试验成本,同时得到的测试性指标相对误差较小,保证了可信度。     

极小子样下无人侦察机系统效能评估多层Bayes-ADC模型

针对研发阶段无人侦察机系统效能评估受到研发试验成本、样机数量等相关条件制约,其所能获取的样本量极少问题,提出多层Bayes-ADC模型.该方法运用多层Bayes技术,充分利用历史统计数据和经验信息,确定无人侦察机失效率、修复率多层Bayes估计,进而构造无人侦察机可用度、可信度.同时基于极大熵准则确定能力指标权重,进而构造无人侦察机能力向量.基于以上建立了极小子样背景的系统效能评估多层Bayes-ADC模型,解决了极小子样下的无人侦察机系统效能评估问题.案例分析验证了模型的有效性.     

基于信息量的不完备信息系统属性约简

通过引入信息量和条件信息量,对不完备信息系统中属性的重要性进行了定义;针对不完备数据表和不完备决策表提出了一种基于信息量和条件信息量的属性约简启发式算法,该算法的时间复杂度是多项式的.通过实例说明,该算法能得到信息表的约简和决策表的相对约简.     

运用信息熵理论研究条件估值调查中的抽样问题

条件估值研究是当前国际上流行且唯一的衡量环境物品非利用经济价值的方法 ,其中样本的数量和问卷的设计是条件估值研究能否成功的关键因素之一 .采用信息熵理论研究了恢复额济纳生态系统条件估值的最佳抽样样本容量问题 ,通过比较增加随机抽样样本容量所获得的边际信息和增发问卷的边际成本 ,结果发现 ,在黑河流域采用支付卡的条件估值研究方法 ,发放 4 0 0份有效问卷就能相当近似地得到实证调查中发放 646份有效问卷的结果 .同时研究发现 ,被调查者的相关社会经济信息 ,不仅可以减少条件估值研究结果的不确定性 ,而且与列联表相关检验结合可以用来揭示被调查者支付意愿的差异 .分析表明 ,在恢复额济纳生态系统的问卷调查中 ,被调查者的学历、收入、户籍和所居住的区域对支付意愿的结果有较大的影响 ,而被调查者的年龄和性别对支付意愿的影响很小 .     

基于限制容差关系的加权信息熵

信息论观点是利用粗集理论研究信息系统性质的一种重要途径和方法。从信息论角度研究不完备信息系统的属性约简问题。在仔细分析完备信息系统的信息熵概念的本质之后,通过引入权数,研究了基于限制容差关系的不完备信息系统加权信息熵和条件熵问题。还提出了基于一般的集值函数的信息系统加权信息熵和条件熵概念。所得结果为在一般二元关系下的信息和决策表的知识获取提供了理论依据。     

一种基于残差熵的动态模型检验方法

针对时间序列的模型检验与定阶问题,构造了一种新的统计量“残差熵”。该物理量融合了随机序列的相关性和信息论中信源熵的思想,综合反映了残差中所残留的信息量。在正态假设的基础上推导了模型“残差熵”的估算公式,并给出了具体的应用方法。实例计算表明:“残差熵”可用于模型的检验和定阶,极小化残差熵是一种有效的模型检验准则,并与经典的模型检验准则做了性能比较。     

一种基于新的条件信息量的属性约简算法

为了获得决策系统中更好的相对约简,讨论了属性约简与条件信息量的关系,提出了新的条件信息量,由此定义新的属性重要性。统一了一致决策表和不一致决策表属性约简方法,以新的属性重要性为启发信息,给出了计算新的条件信息量的高效算法。理论分析和实验结果表明,与现有的基于条件信息量的约简算法相比,该算法时间复杂度较低,同时约简后的属性数目更少。     

多信息源条件下战损部件恢复能力评估方法

在进行战时装备战损部件恢复能力评估时,针对收集得到的部件抢修样本信息与实际战场情况不相符的问题,以战场环境和抢修分队维修保障条件为依据,分别建立了样本信息筛选模型和样本抢修时间向实际抢修时间折合的内积模型。采用随机加权法将样本信息转换为参数分布,提出支持度与最大熵相结合的信息源权重确定方法,将相似部件和部件历史信息进行融合,得出部件在对应战场条件下的恢复能力评估结果。算例分析表明,该评估方法可对多种复杂战场条件下的部件恢复能力进行评估,提出的多源融合方法较传统估计方法评估结果更加准确,具有很强的实用性。     

多信息源条件下战损部件恢复能力评估方法

在进行战时装备战损部件恢复能力评估时,针对收集得到的部件抢修样本信息与实际战场情况不相符的问题,以战场环境和抢修分队维修保障条件为依据,分别建立了样本信息筛选模型和样本抢修时间向实际抢修时间折合的内积模型。采用随机加权法将样本信息转换为参数分布,提出支持度与最大熵相结合的信息源权重确定方法,将相似部件和部件历史信息进行融合,得出部件在对应战场条件下的恢复能力评估结果。算例分析表明,该评估方法可对多种复杂战场条件下的部件恢复能力进行评估,提出的多源融合方法较传统估计方法评估结果更加准确,具有很强的实用性。     

基于信息理论的舰船噪声盲分离算法

目前水声信号处理方法大多基于信号和环境的特定统计假设 ,使用限制较大。当模型假设不成立时 ,会严重影响信号处理效果。本文导出了基于信息理论的舰船噪声盲分离算法。该算法利用当信号相互独立时的信息理论特性 (互信息量最小或熵最大 )作为分离准则 ,逐步学习确定分离矩阵。算法无需输入信号和混合矩阵的任何先验知识 ,实验仿真证明了算法的有效性。