基于层次分析和信息熵的塑料包装产品绿色度评价方法

根据塑料包装的生命周期过程,参考国内外的评价原则,确定了绿色度评价的一级和二级指标,运用层次分析法构建判断矩阵,确定主观权重值,通过信息熵进行数据的标准化处理,获得熵权,确定客观权重值,采用和积法计算各指标相对于塑料包装产品绿色度的综合权重值。结合行业相关标准和企业相关统计资料,构建各指标的隶属度函数,获得隶属度。通过综合重要度和隶属度的线形加权,得到塑料包装产品的绿色度。并以一款塑料包装产品为例,印证方法的可行性,为塑料包装产品绿色度的评价提供了有效参考。     

基于多尺度特征融合的供输弹早期故障诊断

对于供输弹系统早期故障信息易被湮没难以识别的问题,提出了基于多尺度特征融合的早期故障识别方法。首先通过变分模态分解(VMD)对振动信号进行分解得到不同时间尺度的分量信号,然后对各分量信号分别提取盒维数、信息熵特征,并进一步通过主分量分析(PCA)对上述两种特征进行融合,得到累计贡献率的前3个主分量组成的融合特征,最后通过概率神经网络PNN分别对上述三种特征进行分类比较,结果表明融合后的特征对供输弹系统3种工况有更高的正判率,对供输弹系统早期故障预兆更敏感,能对供输弹系统早期故障作出有效诊断。     

熵模糊物元分析法在水库正常高水位决策中的应用

基于信息熵理论和模糊物元分析理论,探讨了水库正常高水位的熵模糊物元决策模型.以待选方案与最优方案间的海明贴近度来决策水库正常高水位.在确定评价综合指标信息熵的熵权和专家知识权重的的过程中,充分挖掘待选方案的固有信息和避免个人主观因素的弊端.实例应用表明,该方法有效、可行.     

再研究最大熵解卷的真解问题

194 9年Ｓｈａｎｎｏｎ和Ｗｅａｖｅｒ在《通信的数学理论》一书中明确给出了信息熵的概念[1] ,195 7年Ｊａｙｎｅｓ指出 ,最大熵原理可以作为衡量可能分布的一种尺度[2 ] 。目前最大熵方法已经被广泛应用于信息处理和图像恢复等不同领域。最大熵原理在电子显微学领域中同样得到了很好的应用 ,主要工作集中在消除像的噪声和改善像的质量。 1991年胡建军和李方华等成功地将最大熵原理应用于高分辨电子显微像的解卷处理[3 ] 。随后报导了最大熵解卷中出现形式上的“多解”现象[4] ,并指出“多解”源于傅里叶像效应[5] ,讨论了确定真解的办法。…     

基于信息熵的评价筛选方法

在线评价系统已经被广泛的应用于各在线交易中，用采对卖家提供的服务作出好或坏的评价。但功能会受到一些不公平评价等问题的影响。本文主要介绍了一种基于熵的评价筛选方法是如何来解决不公平评价的问题。     

DCKPDP：改进k-prototype聚类的差分隐私混合属性数据发布方法

当前混合属性数据发布中隐私保护方法大多存在隐私保护效果不佳或数据效用较差的问题,采用差分隐私与优化的k-prototype聚类方法相结合,提出改进k-prototype聚类的差分隐私混合属性数据发布方法(DCKPDP)。为解决传统k-prototype聚类算法没有考虑不同数值型属性对聚类结果有较大影响的问题,利用信息熵为每个数值型属性添加属性权重;为解决聚类初始中心点人为规定或者由随机算法随机确定,导致聚类结果精确度不高的问题,结合数据对象的局部密度和高密度对聚类过程中初始中心点进行自适应选择;为解决数据信息泄露风险较高的问题,对聚类中心值进行差分隐私保护。实验结果表明,DCKPDP算法满足差分隐私保护所需的噪声量更小,数据的可用性更好。     

基于组合赋权和BP神经网络的高校学生综合素质评价研究

考虑到主客观赋权的弊端,以高校学生综合素质评价为例,提出了一种基于最小相对信息熵原理的组合赋权方法,建立了综合职业能力视角下的评价模型。为了提高综合评价的便捷性,以单项指标为输入样本,评价成绩为输出样本构建BP神经网络。仿真结果表明,BP神经网络的预测平均相对误差为0.61%,最大相对误差为1.57%,说明该模型在合理的范围内能快速给出评价结果,避免了繁琐的计算过程,具有一定的应用前景。     

导向滤波和自动白平衡融合的遥感图像除雾算法应用研究

针对目前除雾算法实时性差、除雾后影像色彩失真严重等问题,从带雾图像本质出发,对导向滤波和自动白平衡算法进行深入研究,提出一种基于导向滤波和自动白平衡融合的除雾新算法.该算法首先对暗通道后的图像进行导向滤波计算,其次将自动白平衡算法应用于导向滤波处理后的图像中,最后获得除雾后的图像.研究结果表明,该方法能有效解决先前除雾方法引起的色彩暗淡和颜色失真等问题,获取的地物特征更明显,有效提高除雾速度.研究成果解决了遥感图像的全天候使用问题,为遥感图像的除雾算法提供了一种新思路.     

基于页面分块与信息熵的评论发现及抽取*

提出了一种新颖的REA(Review Extract Algorithm)算法进行评论信息的发现与抽取.算法采用了页面分块与信息熵的迭代计算技术实现了评论块的自动发现与抽取.其中,页面分块技术的运用有效地去除了噪声信息;基于块的熵值计算精确定位了每一个用户评论.实验结果证明该算法具有较高的查全率与查准率.