熵的定义和物理意义

本文叙述了熵的宏观定义和微观定义及其等价性，并结合实例阐明了熵的物理意义。     

一维等熵流的临界流量分析

给出定常一维等熵流的临界流量(最大流量)发生在喉部马赫数(Ma)为1时的一种新的证明.它克服了现有证明方法中或对流体性质制限的局限性,或避免了现有方法中所用基本方程求导的不协调性,因而具有明显的优点.     

不同麻醉深度下大鼠脑活动的复杂性分析

为了研究大鼠在不同麻醉深度下大脑活动的变化，探测麻醉深度对其脑电信号（EEG）的影响，采用KC复杂度和谱熵对不同麻醉深度下的EEG及其4个主要频段信号进行了复杂性分析．结果发现：随着麻醉深度的加深，EEG的KC复杂度和谱熵的值都随之减小，反之亦然，且KC复杂度在区分麻醉深度的变化方面比谱熵更为灵敏、准确；在麻醉状态下，delta频段是EEG信号的优势频段，正是它的动态变化主导了EEG信号的变化过程．     

基于熵权的施工机械选型研究

将熵理论应用于产品型号选择,为工程项目选择合适的施工机械.利用熵理论过滤各型号中数值很接近的指标,减轻评价工作量;对定量和定性指标采用不同的无量纲化方法,得出标准评价矩阵;利用熵权修正主观指标权重,得到综合权重;根据各产品与理想产品的相对接近度来选择产品.并通过实例验证了该方法的可行性与实用性.     

吸附相热力学性质的计算与分析

分析了吸附质分子在吸附剂表面运动的可能模式,在有些情况下,吸附质分子在垂直于吸附剂表面的振动对吸附等温线的影响不可忽略.在考虑了振动能的贡献下,应用巨正则分布对吸附相的热力学性质作了初步的计算与分析.得到了吸附相在高低温极限条件下所处的热力学状态和态函数熵,以及平衡态时吸附相粒子数的相对涨落和吸附相热容量的表达式.     

测量飞秒光参量产生器输出光脉冲脉宽的自相关仪的设计

设计出一台只用一块非线性晶体就能够测量宽波长范围的飞秒激光脉冲脉宽的单次脉冲自相关仪,适用于测量由光参量产生获得的可调谐飞秒激光脉冲的脉宽.     

关于α-Renyi熵序的若干结果

讨论α-Renyi熵序与一般随机序的关系,得到在一般随机序成立的前提下,α-Renyi熵序保持的一些充分条件,并给出次序统计量α-Renyi熵序和随机变量卷积α-Renyi熵序的一些有用的判别条件.     

一种改进的阈值分割算法在复合材料图像处理中的应用

针对纤维增强复合材料微观结构图像的特点,提出了一种改进的基于模糊思想的阈值分割算法,该算法利用整体阈值、局部阈值和像点梯度信息之间的关系,构造了一个双输入单输出的模糊逻辑系统,合理计算出像点的最佳分割阈值.实验结果证明了算法的有效性.     

基于混合编码框架的H.264/AVC核心新技术

介绍了H.264独有的特点,包括帧内预测、整数余弦变换、二进制自适应算术编码、概念性网络适配、多种块尺寸运动搜索、1/8像素运动估计精度等。     

Research on Chaotic Time Series Prediction Based on K-entropy and RBF Neural Networks

In this paper, a method of direct multi-step prediction of chaotic time series is proposed, which is based on Kolmogorov entropy and radial basis functions neural networks. This is done first by reconstructing a phase space using chaotic time series, then using K-entropy as a quantitative parameter to obtain the maximum predictability time of chaotic time series, finally the predicted chaotic time series data can be acquired by using RBFNN. The application considered is Lorenz system. Simulation results for direct multi-step prediction method are compared with recurrence multi-step prediction method. The results indicate that the direct multi-step prediction is more accurate and rapid than the recurrence multi-step prediction within the maximum predictability time of chaotic time series. So, it is convenient to forecast and control with real time using the method of direct multi-step prediction.