基于遗传算法的大学生就业信心指数组合预测

大学生的就业信心指数的变化趋势,可作为高校制定学生工作计划、应对当前就业形势压力的参考依据,信心指数预测结果的准确性直接关系到政策制定与实施的效果。在分析自回归、神经网络及灰色系统等单预测模型的优点与不足基础上,提出综合利用各单模型预测信息的组合预测思路,构建基于遗传算法和信息熵求解单模型权重的组合预测模型。预测结果显示,组合预测模型在拟合期的表现与神经网络模型接近,优于其它两种模型;在预测期远超过其它模型的预测效果。组合预测模型的拟合性能和泛化性能优越,预测信息可作为高校制定相关政策时的重要参考依据。     

基于误差传递和熵的区间DEA方法

传统的DEA(data envelopment analysis)模型只能用来处理精确数据,而在现实生活中,由于统计误差、信息不完全等原因,获取精确数据十分困难,数据往往只能以区间数的形式给出.因此,如何在不确定条件下利用DEA方法评价决策单元的相对效率一直是DEA理论的研究前沿.针对这一问题,文章在DEA传统模型的基础上,利用改进的交叉效率思想,使用误差传递和熵处理区间数据,求得每个决策单元全局交叉效率的误差分布形式(中点值和误差最大估计值),然后根据全局交叉效率,使用有向距离指数给决策单元排序.最后通过两个算例来说明本文提出的方法的可行性和有效性.     

基于熵权扰动属性模型的新型城镇化质量研究

为客观测评中国新型城镇化质量,引入了表征时代发展特性的指标,构建了新的中国新型城镇化质量评价指标体系,基于熵权扰动属性模型,对2001年以来的新型城镇化质量进行了测评.结果显示,2001年以来中国新型城镇化质量表现出明显的三阶段划分,城镇化质量水平不断提高,特别是2011年之后,有了明显改善;就地区分布而言,2013年,中国新型城镇化质量呈现较为明显的由东至西依次递减的趋势.     

微熵率算法分析及实证研究

利用微熵率法进行相空间重构,并以Henon map混沌特性的理论结果为依据,分别选取两组初值以验证Henon序列混沌特征的稳定性,实证研究微熵率算法的各个环节.实验结果表明:利用微熵率法重构相空间能够有效地捕捉混沌序列的特性.     

熵定价公式的套期保值参数研究及其在动态对冲中的应用

在不完全市场条件下,对熵定价公式进行推导;在此基础上,推导出熵定价公式的套期保值参数的求解公式;并利用套期保值参数,对在熵定价模型下的动态对冲进行了研究。     

基于负熵的随机双梯度算法

随机双梯度算法是独立分量分析中一个重要的学习算法,但该算法收敛速度慢,稳态误差大,不利于信号的准确适时性处理.论文重点对随机双梯度算法进行了改进,提出一种基于负熵的随机双梯度算法.在改进的算法中,用负熵来度量其中的随机变量非高斯性,从而来克服峭度的不稳健性.论文最后通过理论分析和仿真实验证明这种改进的随机双梯度算法具有较好的分离效果且稳定性高.     

物资采购中供货商的最优选法

在物资采购的招评标中,利用影响供货商评价的主要因素建立灰色关联分析模型,并在确定指标权重时采用了比较客观的信息熵的方法,此方法可以很大程度避免人为主观因素对确定权重的影响,有很强的实用性.最后通过公式计算出各供货商之间的数学差异,为选择最佳供货商提供了科学依据.     

基于联合熵的多变量混沌时间序列相空间重构

提出了一种多变量混沌时间序列的联合熵扩维法(JEED),为多变量时间序列的预测构造了有效的模型输入向量.首先使用互信息法求混沌系统各观测变量的延迟时间;然后使用联合熵确定各分量的嵌入维数,并按最大熵选择重构分量,不断扩张相空间维数,最终使得重构向量空间包含系统的最大信息量.仿真实验表明因为JEED确定的相空间能提供丰富的信息,在其上进行的神经网络预测取得了比单变量预测方法更好的预测效果.     

基于双重选举机制的无线传感器网络分簇算法

为了高效地利用无线传感器网络的能量,提出一种基于双重选举机制的分簇算法(DSMCA).DSMCA有效地结合了投票选举机制和定时驱动机制.在投票过程中,节点给每个比自己剩余能量大的邻居节点投票,所投票数取决于邻居节点的多属性综合评价值,其中属性权重系数的确定采用熵权系数法.投票结束后,节点利用一个转换函数将所得票数转换为...     

一种融合分层信息熵的MRF视频运动前景分割算法

针对视频图像中相邻像素的相关性对前景分割的影响问题,提出了一种以熵图像为纽带的分层马尔可夫随机场(MRF)视频运动前景分割算法.通过图像像素层和信息层构建自适应像素模型和动态光滑模型,增强了视频图像中邻域像素的空间一致性和时间连续性.然后在马尔可夫模型的框架下,采用多环置信度传播算法求解最大后验概率估计,提高视频运动前景分割的质量.实验结果表明该方法能够在不同的视频图像序列条件下完成对运动前景的有效分割.