企业技术创新能力系统涌现性度量模型

在充满不确定性、超强竞争和动态复杂环境中,企业只有谋求技术创新才能得以发展。以复杂适应系统(Complex Adaptive System,CAS)为视角结合信息熵理论,构建了企业技术创新能力系统及其涌现性的概念模型和度量模型,提出了度量企业技术创新能力系统的正熵与负熵指标。并以贵研铂业股份有限公司为案例,运用Matlab软件加以实证分析,对其技术创新能力系统涌现性进行度量。以期为理解动态复杂环境中企业技术创新能力系统的生成机理、以及度量其涌现性提供理论依据,并为企业培育和提高技术创新能力提供新的思路。     

模糊粗糙集粗糙熵的修正

在粗糙集理论中,由于用模糊粗糙熵去度量RF集的不确定性更具有直观性,所以如何利用香农信息熵理论定义模糊粗糙集的熵的度量,是一个值得研究的问题.结合知识粗糙性和信息熵给出了模糊粗糙集的熵的度量新定义,并对其一些性质进行了讨论.     

基于演化涌现的复杂信息网络设计优化

 针对复杂信息网络设计优化问题,分析了复杂信息网络特性,提出了基于演化涌现的复杂信息网络设计优化方法和拓扑结构演化模型。该设计优化方法以融贯论为指导,采用系统分析、建模分析和仿真分析相结合技术途径对复杂信息网络设计优化问题进行多尺度研究,树立基于网络化思维的安全观,突出网络拓扑结构设计,强化网络可控性、安全性和健壮性,体现局域结构演化形成功能整体涌现。拓扑结构演化模型综合选取网络建设成本、时延、健壮性和吞吐量等网络工程特征参数作为网络演化动力,通过调整参数权重生成优化网络。对实测ISP路由器级网络数据的仿真实验表明,方法模型具有可行性、有效性和扩展性,可加深对复杂信息网络动力学行为认识,促进信息网络科学发展。     

公共服务设施可达性度量方法研究综述

对既有研究中采用的公共服务设施可达性度量方法进行梳理和总结,从数理统计、拓扑网络和几何网络3个方面对比不同方法的基本原理、度量指标、优缺点和适用范围,指出当前的方法学任务是在理论和经验方面合理的指标与简单指标之间寻找适度的平衡,而新数据技术的涌现为可达性度量方法提供新的发展方向。     

一种效能评估中缺失数据的填充方法

针对评估数据缺失的问题,提出了一种新的缺失数据填充方法.从信息熵的角度对评估系统进行描述,并提出一种建立在区间值信息系统上的加权广义信息熵,对这种信息熵的非负性、单调性和极值性进行证明.在此基础上,通过研究评估系统数据缺失前后信息熵的变化情况,建立一种基于加权广义信息熵的缺失数据填充方法,并从知识粒度的角度论述加权广义信息熵的机制.通过实例分析与现有的部分算法进行比较,进一步证明文中算法对评估系统缺失数据填充的有效性.     

模糊粗糙集的不确定性度量

利用知识的信息熵和粗糙性给出了模糊粗糙集的不确定性度量的方法,讨论了度量指标的相关性质.实例表明,文中给出的度量对研究模糊粗糙集的不确定性具有指导作用.     

基于真实数据集的动态网络时间中心性分析

针对动态网络中时间中心性的适用性问题进行实证性研究.对动态网络建模方法进行了描述,在分析时间可达图构建方法的基础上,定义了与传统的度值、接近数、介数等中心性相对应的时间中心性度量.进而基于公开发布的第三方数据集以及来自本校校园网的用户在线数据,对时间中心性和静态中心性之间的相关性进行了实证性研究和分析.实验结果表明:在合适的时间跨度下,时间度中心性和静态度中心性具有较高且稳定的相关度,而接近数和介数在不同的度量方法下不存在显著的相关性.     

基于信息熵的量子免疫遗传算法

针对目前的量子进化算法在高维函数优化时容易陷入局部最优,利用信息熵的概念,将量子进化算法和免疫遗传算法进行改进与融合,提出一种基于信息熵的量子免疫遗传算法.该方法对抗体采用相位编码,用信息熵准确地度量量子比特的不确定信息;提出了一种按变量的种群熵降序排列的邻域搜索策略;对于抗体之间的相似度,给出了一种按个体熵相同变量位数的度量方法;用繁殖概率对抗体的多样性进行评价,并分别以函数优化问题和VRPSDP问题进行了仿真验证.研究结果表明:该算法收敛速度快,求解精度高.     

基于超网络的水面舰艇编队体系演化模型

 动态演化是研究编队体系（SoS）结构优化和效能评估的认知根基。针对编队实体的异质性、系统的耦合性和体系的涌现性,从信息驱动性、功能涌现性、结构时变性、整体关联性4方面归纳水面舰艇编队的演化特征。分析了编队体系作战要素,将水面舰艇编队体系作战分成战前编队体系张成、战中编队体系对抗两阶段进行体系结构抽象。建立了编队体系的超网络模型,从不同的视角建立超网络概念模型和结构超网络模型。提出了基于超网络的任务驱动渐进演化模型和信息驱动激进演化模型,并给出演化模型的计算方法。通过编队体系作战的计算示例可知,演化模型能有效地动态描述编队体系对抗过程,可为编队结构优化和效能评估提供有力支撑。     

基于信息熵的粗糙集连续属性离散检验算法

为提高大数据粗糙集挖掘能力,提出基于信息熵的粗糙集连续属性离散检验算法﹒在云计算环境下进行粗糙集连续属性大数据挖掘,采用特征空间重组方法进行粗糙集连续属性离散数据的模糊特征重构,提取粗糙集连续属性离散数据的信息熵,并得到其分布序列特征;对所提取的信息熵进行聚类分析,采用空间决策树模型,获取离散数据闭繁项关联分析度量;通过数据特征权重的决策树分布特征量化集,得到粗糙集连续属性离散数据空间重组;采用大数据挖掘方法,将离散数据空间重组的信息融合,得到优化的粗糙集和连续属性离散数据检验输出;根据粗糙集连续属性的融合结果,实现离散检验优化﹒仿真结果表明:在迭代次数为400时,收敛程度为0.265%,远远高于其它方法,证明采用该方法进行粗糙集连续属性离散检验的数据聚类性较好﹒     

基于信息熵和粒距双约束的无线传感器网络节点感知进化算法

摘要：针对无线传感器网络中节点感知精度低和算法收敛慢问题,引入了信息熵和粒距约束条件进行改进,构造了新的进化学习算法,并在此基础上提出了基于信息熵和粒距双约束的无线传感器网络节点感知进化算法。该算法将节点感知问题转化为满足约束条件的解空间寻优问题,然后利用粒距和信息熵计算机理对进化算法的搜索能力进行增强,最后通过增强的学习算法对最优的节点坐标进行计算。实验结果表明,该算法高效可行,具有更好的抗误差性、较强的收敛性和执行效率,且在节点稀疏时可以获得较好的感知效果。     

基于组织进化和信息熵的数据驱动分类算法

提出了一种分类算法---基于组织进化和信息熵的数据驱动分类算法(a data-driven classification algorithm based on organizational evolution and entropy,DDCAOEE),与已有进化算法的运行机制不同,它的进化操作直接作用于数据而不是规则,进化结束后再从各组织中提取规则,这样有利于避免在进化过程中产生无意义的规则。根据分类问题的特点,设计了信息系统的组织,提出了3种进化算子和一种组织选择机制,给出了基于信息熵的属性重要度的进化方式,并基于此定义了组织适应度函数,最后,将算法用于6个试验数据集,并与现有的2个分类方法(Ant-Miner和CN2)进行了比较,实验结果表明,该方法获得了更高的预测准确率,产生了更小的规则集。     

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...     

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。     

基于改进信息熵和LSTM网络的轴承故障诊断

针对传统的时频域故障诊断方法无法对故障实现自适应识别和分类,且准确率较低的问题,提出一种基于改进信息熵(improved information entropy, IIE)的长短时记忆网络(long-short time memory network, LSTM)方法。首先对原始信号分别进行集合经验模态分解(ensemble empirical mode decomposition, EEMD)和变分模态分解(variational mode decomposition, VMD);将包含故障信息的所有本征模式分量(intrinsic mode functions, IMF)进行信息熵的求取;通过信息熵反映IMF的信息量和峭度指标对描述冲击成分的优势改进信息熵,构成特征向量;最后结合LSTM处理非线性数据的优势,利用组合特征训练LSTM网络建立诊断模型。实验结果表明：该方法能准确、高效地识别多种故障,准确率要比单一的EEMD-LSTM、VMD-LSTM、人工神经网络等传统方法更高。     

基于多目标准则的流域站网优化

对于流域站网空间布局不合理(含有大量冗余站点及监测空白区等)的问题,基于美国伊利洛伊斯河下游流域27个站点4年的日均径流量数据,以站网中联合熵最大、冗余度最小且数据波动最小3个准则,构建了联合熵比、冗余度比和纳什效率系数(NSE) 3个目标函数对站网的信息量进行定量评估。约简流域冗余站点构成初步优化站点组合,并根据出水口得到的潜在站点确定流域需要新增的站点。结果表明:在原站网的基础上选出11个站点构成初步优化站点组合,其联合熵与原站网相等,冗余度减少74. 2%;在初步优化站点组合基础上新增3个站点,联合熵和冗余度分别增加37. 1%和22. 3%;与原站网相比,优化后的站点数量为14个,联合熵增加了37. 1%,冗余度减少了68. 5%。     

多光子J-C模型中原子的信息熵压缩

利用J-C模型,在旋波近似下,研究了二能级原子通过多光子跃迁与单模辐射场相互作用系统中原子的信息熵压缩效应。利用数值计算方法讨论了初始的原子分布角,初始相干场的强度对原子的信息熵压缩效应的影响。研究结果表明:k=3时原子的信息熵只有在初始的一个短时间内出现压缩效应;k=4时原子的信息熵可出现周期性的间隙压缩效应,并且随初始光场强度的增大,原子的信息熵出现间隙压缩效应的次数增多,压缩深度加大,压缩效应增强。k>4,原子的信息熵不出现压缩效应。     

基于系统熵的网络攻击信息支援效能评估方法

为了评估网络攻击对信息作战的支援效能,在系统熵概念的基础上,通过引入基于层次分析的指标权重计算方法,描述了网络攻击下综合系统熵差的计算模型,提出了一种基于系统熵的网络攻击信息支援效能评估方法。仿真实验表明,提出的评估方法能有效度量网络攻击对信息作战系统信息品质的综合影响,为系统评价具体网络攻击手段对信息作战的影响,提供了一种有效的评估方法。     

基于熵的图书馆网络信息安全的风险评估

介绍了熵的概念与性质,分析了图书馆网络信息安全的风险因素,给出了图书馆网络信息安全风险评估的具体方法。     

信息分类中的一种模糊技术

把模糊交互熵和模糊似然函数的性质应用到模式聚类中，从而为模式聚类增加了新一种方法；最后给出安德林（IRIR）数据实验对比情况。