产品设计制造环节的结构有序性测度研究

为了定量评价产品设计制造环节信息流结构的有序性,建立了产品设计制造环节信息流结构的有序度和结构熵模型,在此基础上,计算了设计与制造环节信息流结构的时效熵和质量熵,定量分析了一种仿人型机器人左腿模型的设计与制造环节两者之间的信息流结构有序性,为分析产品设计与制造环节之间信息的演化提供了依据。     

关于如何理解物理量熵的若干思考

热力学作为物理学最难理解的一门分支学科,其改革与创新至关重要。通过热力学与电学之间的类比,引入了基于直觉认知的热荷和热荷量的概念,由此得出熵就是热荷量这一简单而明确的定义。其结果是,熵(热荷量)与热量这两个不同性质的物理量得以清晰地区分开来,从而不仅消除了热力学的抽象性,而且还消除了熵这个物理量之前在概念上的模糊性。以全新的面貌出现的热力学不但有利于我国广大科研和工程技术人员的理解、掌握、应用和创新,有利于提升我国的科技软实力,而且也有利于大、中学生的物理教学和热力学知识的普及。     

基于深度CRF模型的图像语义分割方法

从图像中提取多种特征向量堆叠为一个高维特征向量用于图像语义分割,会导致部分特征向量的分类能力减弱或丢失。针对此问题,提出了一种结合深度卷积神经网络AlexNet和条件随机场的图像语义分割方法。利用预训练好的AlexNet模型提取图像特征,再通过条件随机场对多特征及上下文信息的有效利用来实现图像的语义分割。与利用传统经典特征的方法进行对比,实验结果表明:在利用AlexNet模型提取特征进行图像语义分割时,Conv5层为最有效的特征提取层,在Stanford background和Weizmann horse数据集下的识别准确率分别为81.0%和91.7%,均高于其他2种对比方法,说明AlexNet可以提取更有效的特征,得到更高的语义分割精度。     

模糊等价关系下的犹豫模糊粗糙集及其应用

首先通过对长度不同的犹豫模糊元进行补齐来定义犹豫模糊集新的交并运算,在Pawlak近似空间中利用新的运算建立粗糙犹豫模糊集模型;然后将Pawlak近似空间推广到一般犹豫模糊近似空间,利用犹豫模糊元间的相似度获得犹豫模糊近似空间中对象间的模糊关系矩阵,再利用模糊集的传递闭包法将模糊相似矩阵转化成模糊等价矩阵,在此基础上建立犹豫模糊信息系统中的粗糙集模型,研究犹豫模糊信息系统的属性约简。最后通过一个算例来说明犹豫模糊信息系统的属性约简方法。     

基于多尺度熵和动态时间规整的步态身份识别

针对现有人体步态身份识别算法单一、准确率较低的问题,提出了一种基于多尺度熵和动态时间规整（DTW,dynamic time warping）的人体步态身份识别方法。采用自制的APP软件在较低采样率下采集人体步行加速度数据,实验中共采集50名志愿者的正常行走加速度数据,使用多尺度熵算法进行数据处理,得到在各个尺度下的熵值,最后采用DTW算法对多尺度熵值进行特征匹配,得到的相对错误率（EER,equal error rate）为13.7%,仿真结果表明基于多尺度熵和DTW算法相结合的方法较好提高了身份识别的准确率,为人体步态身份识别提供了一个新的思路。     

基于二进制熵的加解密函数定位方法

针对二进制程序模糊测试中加解密函数定位准确率低的问题,提出一种基于二进制熵的加解密函数定位方法.该方法对二进制程序的控制流信息进行模型构建以定位程序关键代码,提取关键代码前后的数据流并计算其二进制熵,通过前后二进制熵的关系确定被测代码中是否存在加解密函数.实验结果表明,该方法能够有效发现程序中的加解密函数,准确率大于99%;该方法可以用于提高模糊测试发现漏洞的能力,具有一定的实用价值.      

LEARNING CAUSAL GRAPHS OF NONLINEAR STRUCTURAL VECTOR AUTOREGRESSIVE MODEL USING INFORMATION THEORY CRITERIA

Detection and clarification of cause-effect relationships among variables is an important problem in time series analysis. Traditional causality inference methods have a salient limitation that the model must be linear and with Gaussian noise. Although additive model regression can effectively infer the nonlinear causal relationships of additive nonlinear time series, it suffers from the limitation that contemporaneous causal relationships of variables must be linear and not always valid to test conditional independence relations. This paper provides a nonparametric method that employs both mutual information and conditional mutual information to identify causal structure of a class of nonlinear time series models, which extends the additive nonlinear times series to nonlinear structural vector autoregressive models. An algorithm is developed to learn the contemporaneous and the lagged causal relationships of variables. Simulations demonstrate the effectiveness of the nroosed method.     

信息系统动态复杂性分析及运维策略设计

为设计动态的信息系统运维服务策略,首先提出基于范围和波动两个维度建立信息系统应用过程的动态复杂性模型,然后引入基于信息熵的数据复杂性计算方法度量并分析信息系统的动态复杂性,并以此为依据设计相应的动态运维策略,最后通过三家样本企业进行了应用实证.结果表明:企业信息系统的动态复杂性能较为综合反映系统的应用特征和规律,基于分析结果制定的信息系统运维策略能够提高信息系统运维服务的效率.研究信息系统动态复杂性及其运维策略有助于指导企业推动IT与业务相融合的运维服务实践.     

(λ,μ)-模糊粗糙子群

本文根据(λ,μ)-模糊正规子群定义了新的同余关系,由此提出了(λ,μ)-模糊粗糙子群和(λ,μ)-模糊粗糙正规子群的概念,并研究了它们的性质.     

属性约简的两阶段遗传算法

属性约简是数据挖掘的一个重要研究内容. 为了解决具有多种属性类型的决策表约简问题,在粗集和二元关系聚合理论的基础上,利用属性重要性作为评价标准,提出了一种两阶段遗传约简算法. 算法的第一阶段是为了找出尽可能多的约简,第二阶段力求寻找最小约简. 根据算法每个阶段的目标设计了编码方案、种群规模、适应度函数、终止条件、选择、变异和修正操作. 实验表明,与标准遗传算法相比,两阶段算法在计算最小约简时更为准确和稳定.