量子态和量子态组分布熵的预测规律及验证

研究了在一定的简化模式下，孤立系趋近平衡的过程中量子态和量子态组分布熵随时间变化的预测规律，揭示用有限大量重复性模拟实验所得的量子态组分布熵有多大的实验偏差，并将原文献中只限于对系统的几十个量子态组分布熵的研究扩大到对系统中数以万计的量子态的分布熵的研究，按重复实验法和本文提出的预测法同时设计两套熵增原理的计算机模拟程序，验证表明，预测规律具有高度的准确性。     

基于属性熵和加权余弦相似度的离群算法

离群点检测是数据挖掘的一个重要研究方向,大多数离群数据挖掘算法在应用到高维数据集时效率较低。给出了一种基于属性熵和加权余弦相似度的离群数据挖掘算法LEAWCD.该算法首先根据局部属性熵分析每个对象在其k-邻域内的局部离群属性,并依据各离群属性的属性偏离度自动设置属性权向量;其次使用对高维数据有效的余弦相似度经加权后度量各对象在k-邻域内的离群程度,实现高维局部离群点检测;最后采用国家天文台提供的天体光谱数据作为数据集,实验验证了LEAWCD算法具有伸缩性强和检测精度高等优点。     

基于语言信息的档案网站绩效评估模型研究

研究基于语言信息的档案网站绩效评估问题.首先引入语言变量的运算法则,给出语言变量间距离的概念.针对属性权重完全未知的情形,利用待评档案网站的综合属性值之间的相离度和属性权系数的随机性,给出一种语言变量多属性决策方法.该方法利用优化方法建立数学模型,以待评档案网站的综合属性值之间的相离度和权系数信息熵最大化为优化目标,用拉格朗日乘子法给出模型的最优解,得到属性的权系数.该方法能够结合决策者的主观意志和客观事实,精确确定各属性的权系数.然后利用语言加权算术平均（LWAA）算子,对语言决策信息进行加权集成,继而对档案网站进行排序和择优.最后进行实例分析.     

模糊集的一类新广义熵

目的研究模糊集的一类新的广义熵。方法将离散随机变量的(k,q)阶广义熵推广到模糊集理论中,定义模糊集的(k,q)阶广义熵和q阶Shannon熵,讨论q阶Shannon模糊熵和q阶Re-nyi模糊熵之间的关系。结果得到了(k,q)阶广义熵和q阶Shannon模糊熵的一系列性质,并且证明了当q≥0.5时,q阶Shannon模糊熵是F(X)上的一个σ-熵。结论拓广了模糊熵,为模糊信息学的深入发展提出了新的思路。     

几种推导麦氏关系的方法

麦式关系是热力学中非常重要的一个关系式,它给出了四个基本变量S、P、T、V的偏导数之间的关系。本文对简单系统的麦氏关系进行了讨论,利用全微分的性质及雅克比行列式对麦氏关系进行了多种方法的推导。     

基于一维熵的图像阈值自动选取

图像的直方图双峰不明显时,选择分割阈值就很困难。本文提出用图像的香农(Shannon)信息熵来克服这一困难,并进行了理论推导,提出了实现算法。实验结果表明,本算法对任何形状的直方图,均可自动选择分割阈值。     

基于二维灰度直方图的最小模糊熵分割方法

本文在一维最大模糊熵分割方法的基础上，根据图像目标和背景内部像素灰度值的一致性和集中性，提出了一种新的图像分割隶属度函数，从而得到最小模糊熵分割方法．本文还针对传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息，抗噪声能力差的缺点，提出了基于二维灰度直方图的模糊熵分割算法．本实验结果证明，最小模糊熵分割方法对于某些图像的分割效果要好于最大模糊熵分割效果，而二维分割方法对于绝大多数图像，都具有很强的鲁棒性和抗噪能力，分割效果明显优于一维的方法，而且方便地推广到其他的一维熵分割方法中。     

两类数据挖掘工具评估分析的定量化

针对企业是否采用数据挖掘工具以及采用何种数据挖掘工具的问题,提出了评估数据挖掘工具价值的定量化分析方法;利用马尔可夫转移概率矩阵与数学规划模型对分类型数据挖掘工具进行价值评估,确定分类型数据挖掘工具带来的价值;利用分布密度函数和信息熵对预测型数据挖掘工具进行价值评估,确定预测型数据挖掘带来的价值;再通过采用数据挖掘工具需要的成本,最终建立了评估两类数据挖掘工具(分类与预测)的效益模型,为企业成功实施数据挖掘提供保证.     

Q-对称熵损失函数下的Poisson分布参数倒数的估计

研究在Q-对称熵损失函数下,Poisson分布参数倒数的估计,得出在Q-对称熵损失下,形式的一类估计的可容许性和不可容许性,并给出可容许估计的充要条件.     

基于灰色熵权聚类的实训教学质量评价模型研究

文章以PDCA质量改进模型为基础,构建了实训教学评价指标体系;依据灰色熵权聚类理论,建立了实训教学质量评价模型。实证研究表明,基于灰色熵权聚类的实训教学质量评价模型,权重结果客观,评价效果良好,可有效衡量实训教师的综合教学水平,对提升教师实训教学能力有促进作用,对完善高校实训教学体系有参考价值。