基于改进麻雀搜索算法的最大指数熵分割方法

为了解决基本麻雀搜索算法(sparrow search algorithm,SSA) 依赖初始种群和求解精度不高的问题,提出一种基于Circle混沌映射和随机游走的改进的麻雀优化算法(improved sparrow optimization algorithm,CRSSA) 。该算法为了增强麻雀种群的多样性,在麻雀初始阶段引入混沌Circle 映射; 采用随机游走对最优麻雀进行扰动,使其在麻雀寻优后期,增强算法全局搜索能力,跳出局部最优。同时选取15个测试函数对其算法进行性能测试。结果表明：与原始的SSA 、蜉蝣算法(mayfly algorithm,MA) 、粒子群优化算法(particle swarm optimization algorithm,PSO) 、鲸鱼优化算法(whale optimization algorithm,WOA) 和灰狼优化算法(gray wolf optimization algorithm,GWO) 相比,改进的麻雀搜索算法具有寻优速度快、求解准确度高和鲁棒性强等优点。将该方法应用在多阈值图像分割中,通过对比不同算法的峰值信噪比(peak-to-signal ratio,PSNR)、结构相似性(structural similarity index,SSIM)、适应度函数值和运行时间性能指标,可有效解决多阈值分割问题,具有一定的工程应用价值。     

具时变离散时滞单种群反馈控制模型的全局稳定性

研究具有时变时滞单种群反馈控制模型的全局稳定性,通过构造适当的Lyapunov泛函,得到保证系统全局稳定的充分性条件.     

基于信息增益和GEP的决策树属性约简算法

分类是数据挖掘的一个重要研究方向,使用决策树进行分类是一种常用而且高效的分类方法。目前传统的算法有ID 3、C 4.5、CART等,这些算法都有如下的局限性:必须人工输入归类集合,划分属性,确定最优的分类集合。为了解决这些问题,本文做了如下工作:①提出信息增益排列GEP染色体头部的思想;②给出基于信息增益的GEP构造决策树属性约简算法(IG-GEPDTAR)并用实验进行验证;③实验表明该算法构造的决策树在具有100%准确性的同时,比使用GEP算法构造的决策树减少了冗余分支,其节点数比传统的ID 3算法和P ID算法构造的决策树的节点数分别减少了82.9%和31.2%。     

基于局域波近似熵的声发射信号处理

将近期发展的局域波法和近似熵法相结合应用于声发射信号的特征提取中.首先,将声发射信号进行局域波分解,得到自适应的基本模式分量;然后对各基本模式分量计算近似熵,描述各基本模式分量的复杂程度,监测声发射信号的发生和发展,量化声发射信号的特征.通过预制裂纹钢管静载实验,分析计算了钢管裂纹声发射信号的各基本模式分量的近似熵,表明局域波法与近似熵相结合的方法可以有效地提取声发射信号的特征,从而为声发射信号特征提取提供了一种新方法.     

利用信息熵对面向问题型课件的评价

本文通过对信息熵的介绍,从促进学习者认真思维、产生好的学习效果的角度,提出了面向问题型课件的评价度量标准和方法.     

自然扩充的某些关于熵和乘积的动力学性质(英文)

主要研究了自然扩充中,熵对、极大零熵因子、一致正熵和完全正熵等与熵有关的动力学性质,以及不交性和弱不交性等与乘积有关的动力学性质.应用这些性质,构造了自身和其自然扩充之间具有严格的中间因子的极小拓扑动力系统.     

基于功率谱熵特征提取的脑电波大脑年龄预测

 大脑会随着年龄的增加而出现功能衰退,通过决策实验获取年轻人和中老年人的脑电信号,可以定量分析大脑随年龄增长而出现的变化。提出了一种基于熵的脑电波刻画方法,并利用机器学习的方法能够比较准确地预测人的大脑年龄。研究表明,脑电波功率谱熵（PSE）具有良好的时域分辨能力和更准确的区分效果,年轻人在做决策时的脑电波功率谱熵的分布是大于中老年人的,即年轻人所产生的脑电波信息量更大。此外,支持向量机（SVM）的分类效果优于随机森林（RF）方法,最高平均精度达88.02%,比随机森林高出2.66%。通过基尼指数对特征重要性排序,还发现决策过程中左眼电区域、大脑的颞和中央区域的决策反应差异很大,分类器更容易在这些特征区域做出更好的分类。     

基于I-ELM的飞机复合材料结构损伤识别研究

针对飞机复合材料结构损伤难以有效识别问题,本文提出一种基于增量型极限学习机(Incremental Extreme Learning Machine,I-ELM)的飞机复合材料结构损伤识别新方法。首先对某型机用复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用互补总体平均经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)方法对募集的应变信息进行自适应分解,得到多个本征模态分量(Intrinsic Mode Function,IMF),计算各阶IMF分量的样本熵,通过核熵成分分析(Kernel Entropy Component Analysis,KECA)方法对样本熵进行特征融合,构建融合特征向量,采用融合特征向量建立基于I-ELM损伤识别模型,通过实验对损伤识别模型的有效性进行了验证,并与所构建的BP的损伤识别模型的识别结果进行了比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的应用前景。     

对流热过程数值计算稳定性关系探讨（Ⅰ）：———耗散熵产非负定性分析

探计性地定义了广义熵的概念;对于给定的模型方程,建立了相应的熵方程,揭示了模型方程潜在固有的耗散熵产非负定性质;提出了以该非负定性为准则,对模型方程的一般化数据格式稳定性限制条件的条件方法,针对一些典型的数值格式导出了具体的限制性条件,归纳性地显示该方法的结果为稳定性的充分条件,为耗散与数值稳定性的内在联系提供了新的理解。     

硫化矿石自燃灾害的脆性风险源

为了对硫化矿石自燃灾害进行客观、有效地分析,找出引发矿石自燃的致灾因子及其相互影响关系,引入脆性理论研究硫化矿石自燃灾害.根据硫化矿石自燃分别与致灾系统和孕灾系统的脆性联系,建立矿石自燃灾害脆性关联分析模型,并依据自燃矿石的物理化学特性、矿井地下开采的特点,提出相应的脆性因子.最后以某高硫矿为例,计算硫化矿石自燃灾害与其致灾系统、孕灾系统间的脆性联系熵值和波动熵.研究结果表明:硫化矿石自燃灾害与其致灾系统、孕灾系统间的脆性联系熵分别为-0.220 7±0.0811和-0.1301±0.218 7;波动熵分别为0.151 9和0.319 8.研究结果表明:该矿井下孕灾环境是构成矿石自燃承灾系统脆性的根本原因;选用合理的采矿方法、降低矿石损失率、减少堆积时间及改善通风条件等是控制矿山自燃灾害事故发生的关键.