矿井系统的广义熵理论研究

本文主要用系统的观点，侧重于矿井系统的特性特别是模糊与随机特性的分析与描述，提出了矿井系统的广义熵理论的概念、研究与应用方法．并对不同的矿井系统结构进行了结构熵──有序度的评价。     

用随机模糊熵权方法编制矿井生产计划

提出了自熵权，最大可能性的概念及其表达式；将矿井开采系统看成一个随机模糊的动态发展过程，提出多阶段，多目标，多层次随机模糊熵权的新方法，以工作面接续为例解决矿井生产计划的编制问题。     

矿井通风系统优化的熵模糊可拓物元决策模型

针对矿井通风系统优化评判中各指标的不相容性,从技术可行、经济合理和安全可靠性3个角度出发.选用矿井总风压、等积孔、风机效率、风机运转稳定性、矿井抗灾变能力等指标.将信息熵与模糊可拓物元相结合,建立了基于熵权的矿井通风系统优化的模糊可拓物元决策模型.结合专家打分法与熵值赋权法确定指标的权重,以综合相对隶属度优选综合效益最优的方案.用该模型对张小楼井通风系统改造方案进行优选,并与模糊综合评判和模糊优选法的结果进行了比较.结果表明,综合权重客观准确,综合相对隶属度的离散程度高,对新矿井的通风设计或老矿井的系统优化改造具有实用价值.     

T形结构中的熵随机共振

在几何受限的布朗动力学系统中，系统结构对其中布朗粒子的运动能够产生许多新奇的影响，出现一些有意思的现象，例如随机共振.为此，对布朗粒子在漏斗状T形结构中的运动进行了数值探究，发现体系中存在熵随机共振现象.模拟结果显示T形结构中的熵随机共振与纵向力G,结构几何，以及横向周期驱动关系密切.借助熵势理论，T形结构中的熵随机共振机制得到了充分阐释.由于T形结构具有简单性和一般性，在其中发现熵随机共振有助于进一步研究其他微结构系统中的随机共振现象，也有助于研究微结构系统中微小颗粒的控制与筛选.     

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。     

矿井通风静态模糊综合评判

为了解矿井生产中的安全隐患，在深入研究系统评价机理的基础上，应用模糊数学、系统理论及概率统计方法，提出了矿井通风系统静态模糊综合评判方法。实例证明，该评价系统科学、准确、全面，为煤矿生产计划、科学管理和正确决策提供了科学依据。     

矿井通风系统模糊综合评判法

本文应用模糊集合论综合评判原理，在对矿井通风系统各单项指标进行评判的基础上，考虑各单项指标在总体中的权重，给出矿井通风系统的综合评判方法．     

混杂系统元件故障的半定性辨识

混杂系统用于描述包括连续状态和离散状态的复杂动态系统.为了研究混杂系统的故障辨识问题,提出了一种将模糊集和模糊熵理论相结合的新的半定性方法.该方法同时利用定量信息和定性知识,以模糊数描述系统特征参数,从而构造一组模糊故障诊断规则,利用模糊熵计算加权系数,从而辨识出混杂系统的故障.对一混杂三容水箱的元件故障进行了仿真研究.结果验证了该方法能够很好地对系统中的故障进行半定性辨识,并表明有应用价值.     

瓦斯涌出量的模糊数学与灰色系统理论的预测

矿井瓦斯涌出量的预测是典型的灰色系统,本文以灰色系统和模型数学为基础,探讨了矿井瓦斯涌出量的影响因素,分析了灰色系统理论的不足,建立了符合实际的模糊灰色模型,并把时间序列改进成为影响因素序列,对矿井瓦斯涌出量进行预测,研究结果表明,该方法能较准确地反映矿井瓦斯规律。     

矿井通风系统方案模糊灰色信息差异理论评价

针对影响矿井通风系统质量各种因素因素,采用模糊灰色信息差异理论对该问题进行研究,采用专家打分评价时,某定性指标在不同的通风系统之间产生的差异可能很小.这种微小差异影响了评价效果和准确性,为克服这种微小差异对评价效果的不良影响,在应用模糊综合评判法评价矿井通风系统质量优劣时,引进灰色理论中的差异信息原理扩大信息的差异性.通过实例分析,灰色差异理论的引进提高了模糊综合评判评价矿井通风系统方案的评价效果.     

两类数据挖掘工具评估分析的定量化

针对企业是否采用数据挖掘工具以及采用何种数据挖掘工具的问题,提出了评估数据挖掘工具价值的定量化分析方法;利用马尔可夫转移概率矩阵与数学规划模型对分类型数据挖掘工具进行价值评估,确定分类型数据挖掘工具带来的价值;利用分布密度函数和信息熵对预测型数据挖掘工具进行价值评估,确定预测型数据挖掘带来的价值;再通过采用数据挖掘工具需要的成本,最终建立了评估两类数据挖掘工具(分类与预测)的效益模型,为企业成功实施数据挖掘提供保证.     

一种改进ID3型决策树挖掘算法

分析经典ID3型决策树挖掘算法中存在的问题,对其熵值计算过程进行改进,构建一种改进的ID3型决策树挖掘算法.重新设计决策树构建中的熵值计算过程,以获得具有全局最优的挖掘结果,并针对UCI数据集中的6类数据集展开挖掘实验.结果表明:改进后的挖掘算法在决策树构建的简洁程度和挖掘精度上,都明显优于ID3型决策树挖掘算法.     

基于属性熵和加权余弦相似度的离群算法

离群点检测是数据挖掘的一个重要研究方向,大多数离群数据挖掘算法在应用到高维数据集时效率较低。给出了一种基于属性熵和加权余弦相似度的离群数据挖掘算法LEAWCD.该算法首先根据局部属性熵分析每个对象在其k-邻域内的局部离群属性,并依据各离群属性的属性偏离度自动设置属性权向量;其次使用对高维数据有效的余弦相似度经加权后度量各对象在k-邻域内的离群程度,实现高维局部离群点检测;最后采用国家天文台提供的天体光谱数据作为数据集,实验验证了LEAWCD算法具有伸缩性强和检测精度高等优点。     

一种基于条件熵的粗糙集属性约简算法

粗糙集(Rough set)理论是一个新的数据挖掘方法，其主要思想是保持分类能力不变的情况下，通过属性约简，达到发掘知识并简化知识的目的。本文在理解和分析基于粗糙集理论的数据挖掘算法基础上针对属性约简提出了一个基于条件熵的启发式算法。     

Reliability Allocation of Large Mining Excavator Electrical System Based on the Entropy Method with Failure and Maintenance Data

In the design of large mining excavator electrical system,a practical reliability allocation method was introduced to allocate system level reliability requirements into subsystem and component levels. During the reliability allocation process,factors from the fault and maintenance data were only considered in reliability allocation scheme. It could avoid the disturbance from expert experiences. The entropy method was also used to obtain weights of reliability allocation indexes of large mining excavators considering different factors. Then the failure rate allocation of subsystems and components could be completed.     

熵权模糊物元分析法在采矿方法选择中的应用

 采矿方法的选择关系到矿山的经济效益和资源效益,是矿山建设和生产的核心内容。采矿方法选择是一个复杂的系统工程,具有决策多属性、确定性与不确定性共存的特点,同时传统的经验对比法具有较大的主观随意性,本文将信息论和模糊物元分析理论有机地结合,针对采矿方法的评价优选,提出了信息熵模糊物元分析法。评判优选过程中,选择如采矿成本、损失率、贫化率等决策指标;将待选择方法指标转换评判矩阵,通过信息熵模糊物元分析法得到各因素权重向量,利用熵模糊物元原理计算出各方法的相对贴近度。选取国内某矿山采矿方法为例,从安全、技术、经济3个方面综合考虑评判指标,对拟选用的3种方案进行综合评判,计算得出3种待选方法的相对贴近度分别为96.18%、81.02%、92.18%,从而确定最优方法,为矿山采矿方法的优选提供依据。该优选方法与模糊优选法有较好的一致性,且计算方法简单,评价结果直观、准确可靠,具有信息利用率高等优点。     

Mining Representative Subset Based on Fuzzy Clustering

Two new concepts-fuzzy mutuality and average fuzzy entropy are presented. Then based on these concepts, a new algorithm-RSMA （representative subset mining algorithm） is proposed, which can abstract representative subset from massive data. To accelerate the speed of producing representative subset, an improved algorithm-ARSMA（accelerated representative subset mining algorithm） is advanced, which adopt combining putting forward with backward strategies. In this way, the performance of the algorithm is improved. Finally we make experiments on real datasets and evaluate the representative subset. The experiment shows that ARSMA algorithm is more excellent than RandomPick algorithm either on effectiveness or efficiency.     

一种用于数据挖掘算法的数据生成方法

由于受到保密性、时间和数据多样性等一些原因的限制,测试数据集的获取一直困扰着数据挖掘算法的研究.因此,提出一种基于遗传算法和熵的测试数据集的模拟生成方法,生成方法利用遗传算法具有继承性的特性对采集到的少量的真实数据进行扩充和模拟,用熵衡量生成数据与真实数据的相似程度,最终生成规模大的测试数据集,并给出了描述型数据的生成算法.使用此方法,可以生成同真实数据集具有相同的属性,相同的属性取值区间和属性值分布,类似属性关联关系的测试数据集,加速数据挖掘算法的研究进程.