基于Tsallis熵和近似熵的认知事件相关电位动态复杂度分析

提供了两种分析认知事件相关电位（ERP）复杂度动态变化的估计算法——时变Tsallis熵（ETsEn）和时变近似熵（EApEn），并将其应用于分析Stroop任务中ERP的动态复杂度．实验发现：BTsEn比EApEn能更好地反映不同刺激类型的ERP复杂度差异；EApEn比ETsEn能更准确地体现ERP复杂度随时间变化的规律．额区、中央区和顶区的ERP的ETsEn和EApEn在刺激前、刺激处理过程中、刺激处理后均有显著差异，即在刺激前熵较大且无明显变化，刺激处理过程中熵显著减小，刺激处理完成后熵恢复至刺激前状态，其变化的时序与行为数据基本一致。结果证明了时变的Tsallis熵和近似熵对动态复杂度从不同方面度量的有效性，为客观度量ERP的复杂度提供了新方法．     

高速铁路过渡段路基自振频率的模态分析与试验

通过建立有限元模型,对武广(武汉—广州)高速铁路过渡段路基进行模态分析,获得路基的竖向自振频率.同时,在路基中埋设传感器,获取环境激励路基振动时程曲线及列车过后的衰减自由振动波形,分别采用傅里叶变换原理及最大熵谱法对其进行自振频率分析.研究结果表明:模态分析与现场实测所获得的路基自振频率基本相近,可以采用模态分析来获得路基的自振频率;采用最大熵谱法对现场实测的路基衰减自由振动波形进行频谱分析更易于分析路基的固有频率,并且可以得到较准确的测试结果.     

一种改进的最大熵方法在船舶辐射噪声盲分离中的应用

对于船舶辐射噪声信号的盲信号分离(BSS)问题，由于常用的最小互信息(MMI)方法需要估计输出信号的高阶累积量，这对于非高斯、非平稳的船舶辐射噪声来说信号估计的精度将会降低．为此，本文验证了最大熵(ME)方法在处理此类复杂信号时能作为最佳对比函数的条件，并在此基础上用高斯混合模型来估计信号的概率分布，提高了信号概率密度估计的精度；同时在算法的迭代过程中使用自然梯度下降法代替随机梯度下降法，提高了算法的收敛速度．通过对船舶辐射噪声信号的盲分离实验，证明了此分离算法是有效的．     

连续随机序列样本熵的强偏差定理

设{X_n,n≥1}是连续随机序列,其联合分布密度为g_n(x_1,…,x_n),f_k(x_k)是X_k的边缘分布密度。利用关于乘积分布密度sum from n to k=1 f_k(x_k)的相对熵和相对熵率的概念,建立了连续随机序列关于样本微分熵的一类强偏差定理。     

基于灰熵的汉语机器翻译消歧研究

为了更有效的克服歧义这一汉语机器翻译的瓶颈问题,提高汉语自动分词精度,采用改进蚁群算法和灰熵对汉语的自动分词问题进行了研究。在构造分词模型的基础上,以灰熵度量分词的准确性。应用实例证明了方法的有效性。该方法对于提高我国机器翻译水平,提高我国数字化水平具有重要意义。     

类钙钛矿锰氧化物磁卡效应的研究

介绍了前一时期人们对不同材料磁卡效应研究的成果，重点讨论了类钙钛矿材料的磁卡效应，并将我们目前得到的实验结果进行了总结．结果表明，合适的掺杂、适当的成份改变及适当的工艺过程可使类钙钛矿材料在适中的磁场下获得一个较大的、稳定的磁熵变，其性能优于以前所报道的材料，是目前较为理想的磁致冷工质．     

老年性痴呆症患者的EEG近似熵特征初探

老年性痴呆症是一种后天获得性中枢神经系统退行性疾病，严重地危害着人们的身体健康和生活质量，为了探索老年性痴呆症脑电图中隐含的信息，对老年性痴呆症患者和健康对照者的脑电图（EEG）近似熵进行分析，并绘制其脑电脑电信息图，对照健康人，发现患者EEG近似熵普遍下降，尤以右额叶，颞叶区显著，提示EEG近似熵与大脑功能状况有一定联系，在一定程度上可以反映大脑功能状态。     

区域经济系统耗散结构的形成与演化机制研究

运用定性与定量相结合的方法,论述了区域经济系统耗散结构的形成过程.从区域产业结构和空间结构序列角度,分析了区域经济系统耗散结构的演化机制.以序参量为基础,建立了基于灰关联熵区域经济系统演化方向的判别模型.指出了区域经济系统演化中,散度的变化对推进区域经济一体化进程有重要影响.     

基于最大熵原理的相对斜率关联模型

通过对现有灰关联度模型的研究,依据数据序列时点间相对斜率差来计算关联系数,并基于离差最大化和最大熵原理,计算了各指标关联系数的权重,建立了改进的灰关联度模型;实例验证,方法所得分析结果与定性分析相一致,分辨效果更好,具有较高的可靠性和应用性.     

Dependence of mutual information of big protein sequence

The mutual information function is used to describe the auto-correlation of amino acids in protein. We find two interesting phenomenon: (1) for any given big protein, the mutual information function l(k) is almost a const, where k is the length of gap. (2) for any two sequence similar proteins, the mutual information are nearly the same. As a consequent, we may use mutual information of protein as a character for sequences comparison. Foundation item: Supported by the National Natural Science Foundation of China (30170214) Biography: Shi Feng ( 1966-), male, Ph. D, Associate professor, research direction: bioinformatics.