一种新信息熵及其若干性质

引入了一种在图像处理中使用的新信息熵Hpal, 并证明了该信息熵的若干性质， 这些性质符合对有限集划分所包含不确定性程度的直观理解,该信息熵可用于刻画有限集划分所蕴涵的知识量，对Hpal的研究将有助于设计基于Hpal的启发式搜索准则, 以构造新的知识处理算法。     

基于方差的新定义连续信息熵性质的研究

信息熵作为信息的度量,是信息理论的基本量之一。信息熵分为离散信息熵和连续信息熵。连续信息熵,又称为微分熵H_S,由于其不满足量纲一致性原则,也不具有非负性和坐标变换不变等性质,因此实际上并不能构成一种良好的信息度量。本文分析讨论了White提出的基于连续随机变量均方差的改进的连续信息熵H_W。比较分析了H_W的数学和物理性质及其取值不确定性参数的物理意义。     

信息熵基本性质的研究

介绍了信息熵的基本概念及其在教学系统分析中的应用，并证明了信息熵的几个主要性质。     

信息熵的性质及应用

信息熵是随机变量不确定性的度量,文中从信息熵的定义出发,结合信息熵的性质,介绍了目前信息熵在具体问题中的应用。     

水文水资源中不确定性的信息熵分析方法综述

介绍了信息熵的简要历史与基本概念,然后详细综述了它在水文分布的生成、参数估计、水文预报、水文站网规划及降雨分布等方面的应用。     

信息熵及其随机性

通过对信息、信息量和信息熵概念的表述,讨论了信息熵的随机性,有助于人们对信息熵的来源和物理意义有更全面更深刻的理解。     

一种基于信息熵的多种群遗传算法

通过模型变换建立了一种约束优化的演化设计模型．并构造出求解此模型的多种群空间收缩遗传算法．利用最优解在各种群中的存在概率将信息熵概念引入进化过程,构造出一种含有熵的多目标优化模型,利用该模型可以直接显式地给出作为拉格朗日乘子的种群最优解存在概率,从而得出多种群遗传操作的空间收缩因子,控制各种群寻优搜索时解空间的收缩．用种群的多样性避免遗传进化的早熟现象,以空间收缩尺度作为停机判据,有效地控制了算法的收敛．数值算例显示,熵的介入使随机搜索类进化算法的寻优目的性大为增强,从而提高了演化设计的计算效率。     

一种基于信息熵的体系流程脆弱性分析方法

 体系在执行任务过程中面临来自外部、内部的各种破坏、干扰或威胁等风险,当风险发生时体系受到影响的程度表现为体系脆弱性,体系流程的脆弱性是影响体系能否完成任务的一个重要方面。提出一种基于信息熵的体系流程脆弱性分析方法：首先,面向体系面临的风险事件及其流程结构特征建立体系流程结构脆弱性分析过程;其次,将体系流程转化为有向图模型,基于信息熵构建了体系流程中各个节点的脆弱度计算模型;最后,将复杂体系流程有向图模型简化为串联、并联和混合3种基本结构,建立了3种基本结构的脆弱度计算模型,进而即可计算体系流程的脆弱度。通过案例说明了该方法的有效性。     

一种基于信息熵的语音端点检测方法

根据语音信号的波形特征,利用熵函数的性质,构造了一种特殊的熵函数,通过判断此函数值和大小,确定是语音还是无声状态,实验表明,此方法计算简单而且具有很高的准确性。     

信息熵方法及其在教育信息处理中的应用

信息熵方法已经成为描述或者解决社会工程技术、经济领域中不确定性现象的有效方法。本文在分析信息熵内涵及其基本性质的基础上，对其在教育领域中已有的研究进行了文献综述，并运用信息熵方法对信息化教育中的应用进行了研究。     

淮河流域降雨时空变异与信息熵分析

基于淮河流域蚌埠闸以上173个雨量站1956—1997年共41年的日降雨资料,采用Hurst系数法和信息熵方法分析了淮河—沙颍河流域降雨时空变化规律。结果表明:淮河干流与沙颍河中上游大部分地区的Hurst系数都小于0.5,而涡河流域则大于0.5,淮河—沙颍河流域与涡河流域降雨存在一定的地区差异性;在流域南部,各站的年降水在时间上具有比较强的随机性,降水量的大小也比较接近,该规律在流域北部不明显;全流域与1号、2号和3号子区域的空间熵的变化有较高的相似性,与4号、5号和6号子区域的相似性则比较小,主要原因是4号~6号子区域同属涡河流域,与淮河—沙颍河流域存在一定的差异性,这与基于Hurst系数方法得到的结果类似。     

物理熵与信息熵的辨证统一

从广义和狭义角度,论述了物理熵与信息熵的不同物理内涵,并根据熵研究的最新进展,提出并论证了二熵的辨证统一性.     

基于超立方体与信息熵的离散化方法

针对粗糙集中连续属性需要离散化问题进行了研究.根据数据对象的可分辨性原理构造超立方体,在数据空间上对信息表中的连续属性进行整体离散化处理.根据条件属性与决策属性的一致性关系,依照条件属性在粗糙集边界域中的分类能力来确定条件属性的重要性,在此基础上选取重要划分点对信息表中的连续属性进行局部离散化,同时以信息熵作为迭代约束条件.数值示例和实验表明这种整体与局部相结合的离散化方法是有效可行的.     

一种基于信息熵的聚类结果评价方法

文章基于信息熵理论,将模糊聚类评价方法和决策树分类算法联系起来,提出从信息熵角度用决策树分类算法来评价聚类算法结果的有效性,从而确定最佳的聚类个数;并将该方法应用到证券行业客户忠诚度分析模型的建立中.实验结果表明,该方法可以明显提高聚类的效果,并且使得聚类结果的可解释性强,具有良好的实用价值.     

基于信息熵的改进海豚群算法及其桁架优化

针对基本海豚群算法易陷入局部最优的缺陷,提出了基于信息熵的改进海豚群算法,引入信息熵来度量海豚群搜索阶段的不确定性,控制搜索阶段的选择概率,降低盲目搜索,克服了基本海豚群算法搜索阶段易陷入局部最优和早熟收敛的缺陷。将改进后的算法应用到桁架结构的优化中,并与其他算法优化结果进行了比较,证明了改进的算法在收敛速度和寻优精度方面有更好的表现,将其应用到桁架结构优化设计中,为结构优化设计提供了一种有效的方法。     

基于信息熵的Logo分类问题研究

匹配是实现图像分类的关键问题,由于匹配问题的复杂性,目前还没有一个较好的解决办法。该文提出了一种基于Fourier变换和信息熵相结合的匹配算法,对Logo的分类问题进行了研究。通过Fourier变换在图像的频域中找到最佳匹配,使用相关度阈值与信息熵差比作为衡量标准。实验中选取了大量商品图像对Logo匹配问题中查准率和查全率进行了统计分析。实验结果表明,当选取适当相关度阈值与信息熵差比的情况下,该算法能有效提高商品图像按Logo的分类效果。     

A Heuristic Clustering Algorithm for Intrusion Detection Based on Information Entropy

0Introduction Withmoreandmorestudyingprojectsapplythedataminingtechnologytointrusiondetection,agreatdealofdataminingalgorithmsforintrusiondetectionhavebeenre alized[1],thetypicalis:associationruleminingalgorithm,frequencysceneruleminingalgorithm,classificationalgo rithm,andclusteringalgorithm.Thefirstthreealgorithmofthosebelongto“thesupervisedstudying”,whichneedatrain ingdatasetofgoodqualityandwithmarking,butitisnoteasyusuallytogetthetrainingdataset[2].However,cluste ringalgorithmis“theunsu…     

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.