微弱信号检测的一种改进小波分析方法

针对小波变换去噪时对微弱信号不敏感,特别是在信号分类检测时检测效果不理想的问题,提出了采用小波熵应用于信号检测的技术.该技术的主要原理是利用小波分析矩阵相应稀疏程度去抑制信号的无关成份,其中小波系数熵确定噪声阈值,小波相关系数熵确定边界轮廓,实现信号准确定位.最后通过数值试验证明其效果好于常规小波变换模极大值的信号检测法,证明了该方法检测微弱信号边缘特性更切实有效.     

基于熵权法的飞机燃油流量全航程组合预测

在复杂的航班运行中,影响各飞行阶段的主要因素不尽相同。以当前使用范围较广的B737NG飞机所使用的快速存取记录器(Quick Access Recorder,QAR)的大量数据进行研究,将航段划分为巡航、爬升、下降等阶段,利用熵权法确定不同预测模型的权系数,建立全航程组合预测模型。利用Pearson相关性系数分析筛选建模数据,以平稳小波Rigorous SURE的方法对数据进行预处理、滤波去噪。针对BP神经网络(误差反向传播网络)在飞行状态复杂的下降及地面阶段预测效果不理想,引入回归模型进行修正。以熵值法确定动态权系数,即结合飞行阶段进行分段预测,以飞行参数为基础建立燃油流量(FF)的全航程组合预测模型。通过仿真分析,并选取航班中普遍且具代表性的情况验证预测模型的精确度,误差范围均在±3.5%内,证明该模型合理且具有较广的适用范围。     

基于复杂网络的交通阻抗模型研究

针对城市道路交通拥堵及路网道路使用不合理的交通现状,将影响交通阻抗的因素分为交通流特性和路网结构特性两大类;结合ArcGIS、UCINET以及Matlab等工具,通过复杂网络理论量化网络结构特性对交通阻抗的影响;采用节点收缩方法从结构上确定其对交通阻抗的影响,并与BPR路阻函数相结合,建立综合阻抗的参数模型;根据熵权法来确定模型中的ψ、ω两个参数值。最后以天津市部分城市道路网络为例,进行实例验证,结果表明综合阻抗算法更精确地表征了城市道路网络的交通阻抗。     

最大熵和Brill方法结合识别英语BaseNPs

为了进一步提高基本名词短语(BaseNPs)的识别精度,针对最大熵方法和Brill方法各自的特点,提出基于两者相结合的英语基本名词短语识别算法.该算法是在高准确率词性标注的基础上实现的.在训练和测试两个阶段中,均先采用最大熵方法识别基本名词短语,然后将已具有很高精度的识别结果作为初始标注结果运用于Brill方法中.实验结果表明,此联合算法达到了94%的准确率和召回率,充分融合了最大熵方法和Brill方法的优点,可与基于相同训练和测试语料的目前最理想的英语基本名词短语识别结果相比.     

关于两种活化熵△≠rS(θ)m(c(θ))和△≠rS(θ)m(P(θ))的讨论

用热力学方法处理过渡状态理论的艾林方程,选择两种不同参考点作为标准态,得出两个不同的计算公式,两种类型的活化自由能、活化焓、活化熵意义数值不同,对于理想气体的反应,两种类型的活化焓相等,活化熵不等,但两种活化熵之间存在定量关系式:△≠rSθm(Pθ)=△≠rSθm(cθ) (n-1)Rln[Pθ/RTcθ].     

改进的免疫遗传算法在桁架结构优化设计中的应用

从免疫系统原理出发,结合遗传算法提出了一种基于二次选择的免疫遗传算法的构造,避免了传统遗传算法易陷于局部最优的不足。对该算法中最为关键的两个部分,选择概率和抗体浓度的构造进行了讨论。并将该算法应用于桁架结构的结构优化设计,与标准遗传算法优化的结果相比较,优化能力有所提高。     

连续映射的紧致系统的拓扑熵

证明了在一般的紧致度量空间上,等距映射的系统,压缩映射的系统,单位圆上的自同胚映射的系统等的拓扑熵都为零,而可扩映射的系统有正的拓扑熵.     

大学数学课堂教学中学生心理因素的分析

论述了随着教学改革的不断深入,在大学数学课堂教学中分析学生心理因素的重要性,应用模糊数学中二元对比排序法对其不同时刻的心理因素活动建立了动态轨迹,并用模糊熵分析各因素的重要程度,以此优化数学课堂教学.     

最小相关性最大依赖度属性约简的改进算法

对于决策表的属性约简,通过分析最小相关性最大依赖度属性约简算法,得到了一种更加完善的最小相关性最大依赖度属性约简算法,并通过实例验证其可行性.     

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。