一、信息熵基本性质的研究（论文文献综述）
师动[1]（2021）在《坡度统计分布随分辨率和地形复杂程度变化的研究》文中进行了进一步梳理坡度是地表形态的主要量化指标之一,其研究对土地利用、遥感、地理信息科学等具有重要意义。基于DEM计算坡度成为众多地学模型获取坡度数据的一种方法。坡度受DEM分辨率和地形复杂程度的影响,目前坡度分布随DEM分辨率变化研究中对坡度变化机理尚无足够认识,坡度分布随地形复杂程度变化的研究不系统,已有这两方面研究都将坡度作为整体来分析。本研究从坡度的基本计算项高程梯度（p和q）出发,对比了高程梯度算法的优劣,总结了高程梯度的基本统计特征,然后在不同地形复杂程度的样区生成分辨率从10m到200m的DEM,分析了高程梯度,高程梯度联合方差,坡度随分辨率及其组分、随地形复杂程度的变化;最后比较了DEM分辨率和地形复杂程度的影响。本研究的主要创新如下:一是引入调谐分析的理论为算法精度的评价提供了一种新的方法;二是给出了坡度随分辨率的降低而衰减的根源在于p、q和高程梯度联合方差σg的衰减,理清了坡度变化的深层原因。本研究对于数字地形分析中更加科学精确地计算坡度、计算与坡度相关的复合地形参数,为地学模型提供更为精确的坡度数据,对理解坡度与地形发育关系等,均具有十分重要的意义。主要研究成果如下:（1）Evans-Young（EY）算法是最优算法:从空间格局与不确定性结果来看,EY算法计算得到的表面是最平滑,噪音最少,抗噪能力最强,误差最小。从调谐分析的结果来看,从低频到频率为200c/u的范围内,EY算法稳定性好,抗噪性强,Sb算法精度高。而当频率到了700c/u时,Sb算法是唯一的选择。高程梯度有四个基本统计特征,分别是高程梯度p和q都呈正态分布;p和q的平均值都等于零;p和q相互独立;p和q的方差相等。造成高程梯度这四个特征的地貌学基础在于地貌侵蚀循环过程中造成的沟和梁的相间分布,以及高程分布和地貌发育的随机性特征。（2）随DEM分辨率的降低,高程梯度和高程梯度联合方差（σg）衰减,这是坡度衰减的根源:随着分辨率的降低,高程梯度图像变得平滑、信息熵减小,图像发生信息损失;高程梯度值域和方差都在减小、分布趋于集中、高程梯度联合方差（σg）减小。高程梯度和高程梯度联合方差（σg）的衰减是坡度衰减的根源,也是导致坡度尺度效应的驱动因子。高程梯度、高程梯度联合方差（σg）随平滑程度增加、采样间距增大的变化规律与其随分辨率降低的变化规律一致。不同的是,所有平滑程度与所有分辨率的p和q结果较接近,而所有采样间距的p和q信息损失严重,值域、方差都较小;所有平滑程度的高程梯度联合方差（σg）与所有分辨率的高程梯度联合方差（σg）较接近,而所有采样间距的高程梯度联合方差（σg）都较小。分辨率对高程梯度、高程梯度联合方差（σg）的影响均主要来自平滑程度作用,采样间距有一定影响但不是主要影响因素。（3）DEM分辨率由高到低、地形由复杂到简单,坡度均发生类似的变化:随着分辨率的降低,坡度图像变得平滑,信息熵减小,表面信息损失;坡度平均值、方差都减小;坡度整体趋于平缓,坡度频率曲线均由“矮”“胖”逐渐变得“高”“瘦”,坡度值域范围在减小;累积频率曲线中累积频率达到99.9%时对应的坡度值越来越小。坡度随平滑程度增加、采样间距增大的变化规律与其随分辨率降低的变化规律一致;不同的是,所有平滑程度与所有分辨率的坡度结果较接近,而所有采样间距的坡度信息损失严重,平均值、方差都较小;分辨率对坡度的影响主要来自平滑程度作用,采样间距不是主要影响因素。p和q、高程梯度联合方差（σg）、坡度随地形复杂程度降低与其随分辨率降低的变化规律类似。在同一个地区,DEM的分辨率由高到低的地形表达序列,类似于地貌发育从壮年期到老年期,与地形由复杂到简单的地形变化序列,具有相同的地貌学基础,可以看成是空间代时间的一个过程。
卢林[2]（2021）在《电子舌多传感阵列信息交互及籼稻米食味量化研究》文中提出作为主要智能感官仪器之一,电子舌具有快速、简便、实时的分析特点,已广泛应用于食品领域。现阶段的电子舌主要用来区分、辨别样品的整体差异,仍然达不到量化的效果。电子舌多传感阵列的伏安信号缺少合适的分解与变换,基本停留在直接读取信号的顶点与拐点作为特征值,导致其中包含的有用的弱信息提取不充分,从而限制了传感阵列对微小差异的辨识能力。电子舌达不到量化效果,其主要原因在于电子舌多传感阵列的信息交互尚不明确。本文以智能感官技术实验室研发的伏安型电子舌为基础,利用信息熵手段,结合多维数据算法,以籼稻米为应用对象,开展电子舌多传感阵列的信息交互研究,从而实现传感阵列的量化。主要研究结论如下:（1）在提取向量式特征值方面,采用基于相似熵的小波包分解和傅里叶变换,电子舌多传感阵列信号提取到排除多重共线性的向量式特征值。传感阵列所有电极的最佳小波基函数均为db N系列,Ag电极为db2,Pt、Au、W电极均为db4,Pd、Ti电极为db6;小波包分解的最佳分解层为4层。原始伏安信号经过小波包分解成细节信号,再通过傅里叶变换得的系-傅幅值来提取向量式特征值。采用多重共线性判断向量式特征值的有效性,可得向量式特征值已删去原始数据中重叠冗余部分。根据与稻米理化指标的相关分析,向量式特征值与碱消值、胶稠度、直链淀粉、蛋白质、淀粉的相关度相对高些。该研究排除了共线性对交互信息的干扰影响。（2）在提取窗式特征方面,以向量式特征值为基础,采用基于相对熵的连续窗式特征提取及表征方法,电子舌多传感阵列信号提取到矩阵特征值,明确了含有交互信息的有效细节信号。在向量式特征值的基础上,利用相对熵的概念计算得到信噪相对熵。通过分析不同窗式运算方法可得,连续窗式比分区窗式更适用于传感阵列信号的矩阵特征值提取。采用表盘形色块表征图对电极间和频率间的连续窗式特征提取进行了表征,结果显示,以最大特征值降序排序而得的前6至8细节信号含有交互信息即为有效细节信号。根据与稻米理化指标的相关分析可得,有效细节信号与胶稠度、直链淀粉、蛋白质、淀粉的相关性较大。该研究定位了交互信息,确定了含交互信息的有效细节信号。（3）在增强区分识别方面,以有效细节信号为基础,利用信息熵的基础原理,电子舌多传感阵列能准确区分识别稻米产地和类型。基于信息熵的基础原理定义了电子舌多传感阵列中单一电极和电极间的传感熵值,组建了单元传感向量和交互传感向量,结果显示,含有6个单元传感熵能有效用于稻米产地的识别;所有交互传感向量都能有效用于稻米类型的区分。采用SVM和KNN分类器识别稻米产地和区分稻米类型,结果显示,以交互传感向量为输入向量的SVM识别稻区的训练和预测准确度分别为89.0%、82.9%,区分稻类的训练和预测准确度分别为96.0%、88.6%。该研究确证了有效细节信号含有的交互信息可增强传感阵列的区分识别能力。（4）在实现量化分析方面,以有效细节信号为基础,基于联合熵和互信息的原理,利用多维数据形式,电子舌多传感阵列有效量化预测稻米理化指标。以有效细节信号为基础,构建了多维交互矩阵。采用CNN模型、Bp NN模型和CNN+Bp NN联合模型,以多维交互矩阵为输入数据,建立了量化模型。结果显示,CNN+Bp NN联合模型的训练准确度和预测准确度分别处于87.0%～92.0%、82.9%～89.5%。多传感阵列电极间交互比频率间交互传递出更多可量化信息。多维交互矩阵与胶稠度、直链淀粉、蛋白质、淀粉这些理化指标强相关,证明了信息熵与多维数据相结合在模型量化能力中起到重要作用。该研究明确了交互信息可实现传感阵列的有效量化能力。（5）在量化感官评价方面,以信息熵与多维数据相结合的多维交互矩阵为基础,电子舌多传感阵列能量化稻米食味评价。采用串联评价模型,以食味评分值为目标数据,其预测准确度高达91.4%。分析了稻米食味与理化指标的相关性,结果显示,食味与胶稠度、直链淀粉、蛋白质、淀粉和垩白度这些理化指标之间存在较强的非线性相关。结合多传感阵列量化理化指标的结果,交互信息与胶稠度、直链淀粉、蛋白质、淀粉这4个理化指标相关,由此验证了电子舌多传感阵列的有效量化能力。该研究明确了交互信息可实现传感阵列的感官评价能力,同时验证了其量化能力。本文创新利用信息学手段,将信息熵贯穿于电子舌多传感阵列的信息交互及多维量化的研究中,明确了传感阵列的交互信息,实现了电子舌多传感阵列的量化功能。本文为智能感官评价提供理论参考,为电子舌的量化分析提供技术保障。
申云成[3]（2021）在《个人大数据定价方法研究》文中研究说明随着人工智能时代的来临,数据已经成为最有价值的资产。数据作为一种重要的资源和资产,如何对其进行共享交易,实现其流通,挖掘其价值是目前行业研究的热点。数据成本难以估计,应用场景的多样化和动态性导致数据的市场价值难以评估。同时,数据之间复杂的相关性使得数据市场存在套利行为。如何设计合理的数据定价机制来充分利用大数据资源,实现交易多方互利共赢,是数据交易可持续健康发展的一个技术难题。个人大数据作为一种重要的大数据资源,在个人用户不知情的情况下,已经被很多数据代理商采集和分析,并且进行售卖以获取利益。如何保护个人大数据所有者的权益,让个人积极参与数据交易,贡献高质量有价值的数据并获得应有的利益,让数据购买者获取到有价值的数据,促进个人大数据交易市场的健康发展是目前亟待解决的关键问题。数据定价已经成为计算机领域和经济学领域热门的研究话题。目前数据库领域的数据定价相关工作关注的大都是结构化、关系型的通用数据,而对个人大数据进行定价的研究甚少。个人大数据质量是影响个人大数据价值的主要因素,根据个人大数据质量定价使得数据购买者能够获得有价值的数据。信息熵用来度量个人大数据包含的信息量,根据信息熵定价能够精确反应个人大数据的价值。最小溯源用来度量对查询结果的贡献大小,根据溯源定价使得个人大数据定价具有公平性。差分隐私是保护个人大数据的有效方法,根据隐私损失程度进行合理定价和补偿,使得个人大数据能够得到有效利用。个人大数据定价机制在个人大数据交易市场框架中正好起到基石作用,对个人大数据定价方法的研究将具有十分重要的意义。本文从多个角度对个人大数据定价方法进行了比较系统和深入的研究,主要的工作及创新如下:（1）研究了信息熵定价问题,采用香农的信息熵来度量数据元组包含的价值量。不同数据包含的信息熵不同,价值量不同,进而其价格也是不同的。提出了一种新的数据定价度量——数据信息熵,从信息量角度定价个人大数据,建立信息熵与价格之间的函数关系,通过连接函数实现信息熵到价格的映射。实验结果表明基于信息熵的定价度量方法对数据定价机制的研究具有一定的启发作用,并将进一步促进个人大数据交易市场的发展。（2）研究了最小溯源定价问题,根据源元组价格设置函数以及价值权重,进行基于最小溯源查询定价分析。同时考虑了数据本身的重要性（内在质量）以及数据之间的相关性。首先提出了个人大数据的溯源定价方法,该方法根据对查询结果作出贡献的最小溯源进行定价。然后设计了精确算法和近似算法来分别计算查询的精确价格和近似价格。最后分别用选择-连接查询和复杂查询实例化定价方法,在两个实际数据集上进行实例验证,并广泛评估了其性能。实验结果表明该定价方法是有效的和高效的。（3）研究了差分隐私定价问题,分析了如何在保护个人隐私的同时,充分挖掘个人大数据所蕴含的价值。提出了个人大数据的隐私定价方法,设计了正向定价和反向定价两种不同机制对隐私数据进行合理定价,并根据个人用户的隐私损失程度进行适当补偿,实现对个人大数据进行隐私保护的同时进行合理利用。通过在个人大数据中添加噪音,对数据进行脱敏处理,实现不同程度的隐私保护,得到不同精确度的数据。根据个人不同的隐私保护需求,添加不同的噪音,得到不同精确度的数据,实现差别化定价。实验结果表明该定价方法可以对个人大数据进行合理定价,对个人隐私损失进行比较公平的补偿,保证数据实用性,在隐私保护和数据效用之间实现平衡。目前国内外研究机构对个人大数据定价方法的研究还处于探索阶段,存在公平性、合理性、实用性、免套利性等诸多问题。本文分别从信息熵、数据溯源和差分隐私等几个方面对个人大数据定价方法进行了深入研究和探索,为个人大数据交易和定价方法的研究作出了有益的贡献。
罗艺[4]（2021）在《面向新闻媒体的人物关系分析方法研究》文中认为新闻媒体是人们在互联网上获取信息的重要客体之一,分析新闻媒体网络中人物的影响力有助于社会科学研究者或经济政治研究者了解国际或社会型事件动态,对新闻中的信息进行传播动力分析。为了高效处理新闻中的复杂信息,常把问题转化为复杂网络相关问题进行解决。在现有的针对复杂网络节点影响力的研究中,仅利用了节点局部信息或全局信息,忽略了节点影响力贡献以及局部与全局信息的联系,从而导致影响力评估效果不佳。并且现有方法主要针对同质网络进行处理,而不适用于蕴含更多节点类型和连边类型的异质网络。针对上述问题,本文借鉴复杂网络的思想,将新闻媒体人物影响力评估的问题转化为异质网络分析问题,提出了面向新闻媒体的人物关系分析方法。根据节点邻居的影响力贡献进一步挖掘局部重要性,并与网络整体结构信息有机结合进行节点综合影响力评估。本文主要的工作概括如下:（1）从新闻文本中提取出人物、事件、记者以及新闻这四种实体,并根据实体之间的关系,提出新闻相关实体异质网络构建方法。该方法引入与人物、事件、记者以及新闻相对应的四种节点类型,并从新闻数据中提取出节点之间可能的信息传递关系,构建了一个反映新闻实体间关系与结构的异质网络。作为后续进行人物节点影响力评估的基础。（2）在异质网络构建基础上,提出了一种节点影响力度量——信息熵中心性。该中心性度量引用香农信息熵的思想。将节点之间的信息传递抽象为连边,通过网络路径从一个节点传递信息到另一个节点被视为单个独立的事件,一个事件的发生会带有一定的自信息量,使用自信息的期望作为该节点的信息熵中心性。将该中心性度量用于人物节点影响力评估取得了较好的结果。（3）为进一步评估人物节点影响力,提出了一种基于重要性贡献的节点影响力评估方法。该方法以信息熵中心性和节点重要性贡献为基础进一步挖掘节点局部信息,同时构建异质网络的概率转移矩阵,使用异质网络的随机跃迁算法挖掘网络节点的连接关系以丰富矩阵信息,最后进行矩阵迭代计算。实验结果表明基于重要性贡献的节点影响力评估方法能够对人物节点影响力评估具有良好的效果。
晏俊杰[5]（2021）在《基于柔度矩阵与信息熵的梁结构损伤识别研究》文中提出桥梁作为国家现代交通体系中不可或缺的一部分,是支撑国家经济高质量发展的重要保证。在桥梁长期服役过程中受到外界环境、车辆超载、后期养护条件等影响,会发生局部刚度退化进而破坏整体稳定性,如果没有准确识别损伤发生并采取相应加固措施造成桥梁倒塌,会造成严重的经济损失和恶劣的社会影响。国家已经重视桥梁健康监测系统建设和建立桥梁健康档案,所以找到一种对结构类型适应性强、对损伤敏感、便于现场实施、有较好经济性的损伤识别指标有很强的的现实意义。柔度矩阵类指标由于对损伤敏感性高,计算简便并便于编程实现,矩阵内的每个值都有明确的物理意义,是一类有良好应用前景的损伤识别指标。本文分别利用基于动力测试的动柔度矩阵和基于静力测试的静柔度矩阵,结合信息熵理论提出两种损伤识别方法,并利用数值模拟和一个试验验证了指标的有效性,主要完成了以下工作:（1）为了对无先验信息结构进行损伤识别,结合信息熵与广义柔度曲率在结构损伤识别中的特性,提出基于广义柔度曲率熵插值曲线的损伤识别方法。通过计算广义柔度曲率熵指标,根据指标突变进行损伤定位,然后利用不同的数值插值方法计算损伤区域熵值点并利用多项式拟合未损伤曲线,得到损伤面积与损伤程度的函数关系从而进行损伤定量研究。引入不同信噪比噪声进行指标抗噪性检验,结果表明本方法在信噪比50d B以上时损伤定位准确,定量效果良好,提出的指标有较好的抗噪能力。（2）利用结构损伤前后的静力测试数据结合柔度矩阵的定义构造静力响应方程,对结构的柔度扰动矩阵施加最小秩限制,详细推导了静柔度矩阵最小秩解的方程,得到结构损伤后的最小秩柔度矩阵,结合信息熵公式提出了最小秩柔度熵结构损伤指标,利用有限元分析了在简支梁与连续梁中的可行性,最后给静力测试数据施加不同水平的噪声,研究测量误差对损伤识别指标的影响,结果表明位移数据在3%的误差内依旧可以稳定识别结构损伤位置和相对损伤程度。（3）为验证最小秩柔度指标在实际应用中的可行性,使用铝制箱型截面简支梁作为实验对象进行研究。通过切割凹槽模拟结构损伤,分别施加三组静力荷载,使用激光位移计采集位移数据,使用实验数据计算最小秩柔度熵指标。实验结果表明无论是跨中单损伤还是多损伤,本文提出的最小秩柔度熵指标都能在损伤位置发生突变,且损伤越大突变值越大,可以判断单元的相对损伤程度。
丁丽娜[6]（2020）在《基于混沌系统的轻量级密钥序列设计与图像加密研究》文中研究指明混沌是非线性动力学系统的一个重要分支,其本身具有十分复杂的动力学行为,近年来对混沌动力学系统复杂运动现象的研究深入到了各个研究领域。对混沌理论的学习及其在应用方面的研究,已经成为当前非线性科学中的前沿科学研究课题之一。从低维混沌系统到高维混沌系统,从普通混沌系统到超混沌系统,混沌科学的研究呈现出越来越复杂的动力学行为特征和研究价值。基于混沌系统的轻量级密钥序列和图像加密研究正是混沌系统研究的重要方面。本文研究了基于混沌系统的轻量级密钥序列设计与图像加密算法,首先对轻量级混沌密钥进行了设计,然后设计了混沌加密模块,并对其混沌特性进行了分析,最后设计了轻量级混沌图像加密系统,将生成的轻量级混沌密钥序列对图像进行了置乱与扩散操作,并得到了良好的置乱与扩散效果。具体工作如下:第一,为了在资源受限设备中嵌入加密算法,提出了基于低维Logistic混沌系统和三维混沌猫映射的面向硬件的轻量级密钥序列设计方法,这两种轻量级密钥序列基于硬件设计,可根据需求分别应用于资源受限的设备或环境中。通过对这两种轻量级密钥序列分别进行排列熵及信息熵的测试表明具有很好的复杂度;通过统计测试表明具有良好的统计特性;通过安全性方面的分析表明可以抵御典型的安全攻击。第二,为了实现轻量级混沌图像加密系统,对混沌加密模块进行了设计。基于传统Lorenz混沌系统的研究,提出了一种基于Lorenz混沌系统的四维超混沌系统,并在吸引子相空间、庞家莱截面、周期吸引子、混沌吸引子、分叉图、李雅普诺夫指数及熵分析等方面进行了动力学性质分析。通过超混沌系统图像加密测试分析表明此超混沌系统在图像加密中具有良好的随机性和安全性。第三,为了获得更好的置乱和扩散图像加密效果,在超混沌图像加密系统研究的基础上,对轻量级混沌图像加密系统进行了设计。超混沌图像加密系统是基于二维离散小波变换、分数阶Henon混沌映射及四维超混沌系统的图像加密方案。通过小波变换和高低维混沌系统的运用,使得该算法的加密效果比普通的混沌加密算法效果更好。轻量级混沌图像加密系统是基于Logistic混沌系统的轻量级密钥序列、三维混沌猫映射的轻量级密钥序列、四维超混沌系统及DNA遗传算法的彩色图像加密方案。在该方案中,多个模块应用了轻量级加密算法,更体现了轻量级混沌图像加密的优势。
王超军[7]（2020）在《遥感时空信息熵及在延河流域生态可持续性分析中的应用》文中指出生态可持续性是当前备受关注的热点问题,也是学术研究的难点所在。论文视生态系统为具有自组织能力的生命体,“生命赖负熵为生”,进而从熵的视角研究生态可持续性的交叉学科意义,旨在探索一套基于时空信息熵的分析方法。主要的研究内容及成果如下:（1）时间信息熵方法及其生态学意义讨论。计算时间序列NDVI数据的熵值往往依赖于基础函数模型的选择。针对这一问题,本文引入新的计算方式并加以改进,提出了“时间信息熵”方法。该方法的特点是:直接基于观测数据得到熵的估计值。与常用方法相比,它的适用范围更广。在生态系统动态演变研究背景下,结合生态弹性,讨论了时间信息熵的生态学意义,并总结了基于时间序列NDVI数据的熵值表征生态弹性时需要注意的各项因素。（2）空间信息熵方法及其生态学意义讨论。由于“维度不匹配”问题的存在,信息熵实际上难以反映生态系统格局的空间分布特征。针对此现象,本文引入“邻近度”的概念,将空间属性定量化表达,提出了“空间信息熵”方法。通过实验设计和算法比较,一方面验证了空间信息熵符合“熵”的一般特性;另一方面,与其他类似方法相比,新方法对格局的空间变化信息更为灵敏。故它能够用于表征生态系统格局在空间分布的无序性和异质性。结合生态复杂度,讨论了空间信息熵的生态学意义。（3）初步建立了“熵视角下的生态可持续性分析框架”。当前研究多是从生态系统格局、或生态系统动态分途讨论生态可持续性。在熵的计算问题得到解决后,本文尝试将“格局”和“动态”有机结合起来:生态系统格局的空间信息熵能够提供关于系统所处宏观状态的客观判断依据,而生态系统动态的时间信息熵与土地利用格局结合起来,其生态学含义可以得到更恰当的解释,能够为生态治理提供更客观的依据。（4）延河流域生态可持续性分析。将上述“分析框架”用于延河流域,结果表明:当地生态系统格局的有序性提升,生态复杂度增强;生态系统动态以有序和较有序为主（61%）,生态弹性能力总体增强。基于研究结果,提出了若干项生态保育和管理的参考建议。
王思辰[8]（2020）在《不确定条件下混凝土重力坝施工进度分析研究》文中提出受施工环境、人为操作等因素影响,混凝土重力坝施工过程往往存在随机性;同时,由于主观认识水平有限,决策者对施工机械运行效率、故障维修时间等参数的认知存在不完备性。因此,混凝土重力坝施工进度分析同时具有随机、认知不确定性的特征。然而,现有的混凝土坝施工进度不确定性分析研究忽略了认知不确定性的影响,进而导致部分不确定性信息丢失,难以保证分析结果的准确性。因此,如何在混凝土重力坝施工进度分析中综合考虑施工参数随机、认知不确定性的影响,以及如何分析施工参数不确定性对施工进度不确定性程度的影响是亟待解决的关键问题。本文对上述问题展开了深入研究,并取得了下述主要研究成果:（1）针对现有施工进度不确定性分析研究缺乏综合考虑随机、认知不确定性的问题,提出一种基于改进证据理论的混凝土重力坝施工进度不确定性分析方法。证据理论具有能够综合分析随机、认知不确定性影响的优势,然而传统证据理论中用于求解单调性问题极值的顶点法无法适用于混凝土重力坝施工进度仿真这类非单调问题的工期极值计算,且未能考虑施工参数的相关性。针对上述问题,本文首先采用遗传算法改进证据理论中的极值求解过程,实现施工进度仿真在参数焦元上的工期极值搜索;其次,引入Copula函数来计算施工参数之间的相关程度,并作为差分项来改进证据理论中参数焦元的联合概率分配计算方法;最后,将具有随机和认知不确定性的施工参数转化为证据变量,并运用改进的证据理论方法计算完工可靠性的置信度以及似真度,实现施工进度不确定性的量化表达。（2）针对现有施工进度不确定性分析中常采用的敏感性分析方法难以反映施工参数不确定性对施工进度不确定性程度影响的不足,提出一种基于互信息熵-敏感性分析的混凝土重力坝施工进度不确定性影响分析方法。现有的施工参数敏感性分析研究多采用类似求导的方式计算施工参数变化对进度工期的影响,无法反映参数不确定性对施工进度不确定性程度的影响。针对上述问题,本文提出基于互信息熵-敏感性分析的混凝土重力坝施工进度不确定性影响分析方法,通过各施工参数与进度的互信息熵值反映参数不确定性对进度不确定性程度的影响,并计算各施工参数的浮动熵以量化各参数的敏感性。（3）以某混凝土重力坝工程为例,采用上述方法开展综合考虑随机、认知不确定性的施工进度分析。以某混凝土重力坝工程为例,首先采用改进的证据理论方法,实现综合考虑随机、认知不确定性下的混凝土重力坝施工进度不确定性量化,计算工程完工可靠度区间为[0.9215,0.9792],并与基于随机不确定性理论的分析结果进行对比,结果表明改进的证据理论方法在施工进度不确定性分析方面具有一致性和优越性;其次,运用互信息熵-敏感性分析方法,比较了缆机装料时间、卸料时间、重载水平速度、重载下降速度以及故障维修时间等不确定性参数对施工进度不确定性的影响程度,参数敏感性排序为:重载水平速度>重载下降速度>维修时间>卸料时间>装料时间,分析结果为混凝土重力坝施工过程的施工进度管控与优化提供指导。
徐洋[9]（2020）在《面向邻域粗糙集模型的不确定性度量方法研究》文中研究指明粗糙集理论作为一种能够处理不精确、不一致和不完备数据的数学工具,其在不确定性度量方面的显着性能以及处理过程中不需要任何先验知识的特性受到了国内外专家的广泛关注。数值型数据是目前信息系统中的常见类型,由于经典粗糙集模型在处理数值型数据时存在一定的不足,为了能够更好处理数值型数据,学者们提出了邻域粗糙集模型。邻域粗糙集模型作为一种重要的扩展粗糙集模型,其不确定性度量是重要的研究内容。针对邻域粗糙集模型的不确定性度量方法,本文的具体工作如下:（1）最大决策邻域粗糙集模型是一种有效的邻域粗糙集模型,但是缺少有效的度量方法,本文针对该问题,研究了最大决策邻域粗糙集模型的不确定性度量方法。首先分别给出了该模型下的最大决策邻域精度、最大决策邻域粗糙度和最大决策邻域粒度三种不确定性度量方法。在此基础上,融合最大决策邻域粗糙度和最大决策邻域粒度提出最大决策邻域混合度量的定义,该度量方法结合了最大决策邻域粗糙度和最大决策邻域粒度的优点,是一种更加有效的不确定性度量方法。在UCI公开数据集上进行实验对比,实验结果表明本文所提出的不确定性度量方法具有更好的度量效果,提出的算法在属性约简后的分类结果上也有较高的精度。（2）针对邻域粗糙集模型中现有不确定性度量方法存在的两个问题:一是基于边界域的不确定性度量方法没有区分边界域中属于目标概念的对象和不属于目标概念的对象对不确定性的影响,二是仅基于单纯的信息熵和条件熵的度量结果在一定程度上会放大粗糙集的不确定性。本文在邻域粗糙集模型下,对基于信息熵和条件信息熵的不确定性方法进行改进。首先将边界域加入到不确定性度量方法的设计中,并且考虑边界域中属于目标概念的对象和不属于目标概念的对象对不确定性的影响,给出了边界域信息熵和边界域条件信息熵的定义,并提出了相关性质。其次本文将所提的边界域信息熵、边界域条件信息熵和近似粗糙度相融合,给出了粗糙边界信息熵和粗糙边界条件信息熵的定义,这两种度量方法结合了邻域粗糙集不确定性度量的代数观点和信息论观点,是一种更加全面的不确定性度量方法。最后在UCI公开数据集上进行实验,实验结果表明本文提出的四种不确定性度量方法均有较好的度量效果,并且在属性约简和分类实验中,粗糙边界信息熵和粗糙边界条件熵具有更好的约简效果和更高的分类精度。
刘松直[10]（2020）在《基于支持向量机的轴承故障识别模型研究》文中研究指明滚动轴承是旋转机械中最常用的部件之一。它的正常工作状态直接影响到整个设备的性能,甚至影响到整个生产线的安全生产。因此,滚动轴承状态监测与故障诊断技术的研究对于避免事故的发生,改革检修体制具有重要的理论价值和现实意义。本文以滚动轴承为研究对象,针对滚动轴承故障诊断中的关键问题,如特征值提取和模式识别模型等,从轴承振动信号处理方面进行了一系列的研究工作[1]。首先介绍了本课题的研究背景和意义,综述了滚动轴承诊断信息获取、故障特征提取和故障模式识别的国内外研究现状。并在此基础上,确立了本文的研究思路和内容。分析了滚动轴承的基本结构和振动机理,列举了滚动轴承的主要失效形式和原因[1],为研究轴承故障诊断与模式识别做了扎实的基础工作。其次采用了自适应小波阈值降噪方法,根据本文使用的凯斯西储大学电气实验室的数据执行。比较正常轴承状况,轴承内圈故障,滚动体故障和轴承外圈故障这四个状态前后的降噪信号。证明了小波自适应阈值降噪的可行性。接着选取熵分析法,为了研究轴承故障特征提取问题,提取了滚动轴承的振动特征。分别分析了近似熵,信息熵,样本熵,排列熵的方法原理,根据滚动轴承数据,选取了区别度最高的两种熵进行研究,即排列熵和近似熵。再对数据的时域信号,频域信号,包络信号进行分析,轴承信号的多域特征值提取,提取的时域熵,频域熵和包络熵特征值被组合为特征向量中作为分类模型[2]的输入,并输入到识别模型中并测试。最后,将多域特征向量输入支持向量机模型（SVM模型）并使用粒子群优化（PSO）算法找到RBF内核中参数的最优解后,进行支持向量机模型（SVM模型）和PSO-SVM模型之间的功能比较并分析得出结论。分析实验结果,通过SVM和PSO-SVM模型对比与多域熵特征向量作为输入下故障识别准确率,可以断定,PSO-SVM模型具有较强的自适应能力,不需要人工设置参数,具有较高的识别率。当使用多域特征向量作为输入时,时域特征向量分类效果更好,识别度更高,包络特征向量次之,频域特征向量相比之下最差。通过这种多域特征向量作为输入和SVM与PSO-SVM两种模型进行对比的方式更全面系统的研究了滚动轴承故障识别模型。
二、信息熵基本性质的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、信息熵基本性质的研究（论文提纲范文）
（1）坡度统计分布随分辨率和地形复杂程度变化的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高程梯度算法研究 |
| 1.2.2 坡度统计分布研究 |
| 1.2.3 坡度与分辨率关系研究 |
| 1.2.4 坡度与地形复杂程度关系研究 |
| 1.2.5 存在问题 |
| 1.3 研究目标与内容 |
| 1.4 论文结构 |
| 1.5 技术路线 |
| 第二章 基础数据与研究方法 |
| 2.1 研究区概况 |
| 2.1.1 样区选取 |
| 2.1.2 样区介绍 |
| 2.2 基础数据 |
| 2.2.1 实际地形DEM数据 |
| 2.2.2 数学曲面 |
| 2.3 高程梯度算法与评价指标 |
| 2.3.1 高程梯度算法 |
| 2.3.2 高程梯度算法评价指标 |
| 2.4 坡度与分辨率和地形复杂程度关系分析指标 |
| 2.4.1 坡度理论模型的计算 |
| 2.4.2 分辨率及其组分影响大小分析指标 |
| 2.4.3 DEM分辨率和地形复杂程度影响比较分析指标 |
| 2.5 数据处理软件 |
| 第三章 高程梯度算法的不确定性和性质 |
| 3.1 高程梯度算法特点 |
| 3.2 高程梯度算法空间格局特征分析 |
| 3.2.1 空间格局 |
| 3.2.2 信息熵和局地方差 |
| 3.3 高程梯度算法不确定性分析 |
| 3.3.1 高程梯度算法稳定性 |
| 3.3.2 高程梯度算法误差 |
| 3.4 基于调谐分析的高程梯度算法精度评价 |
| 3.4.1 频率精度和衰减 |
| 3.4.2 信号、噪音、误差和使用的“最佳”公式 |
| 3.5 高程梯度基本统计特征 |
| 3.5.1 高程梯度的分布近似正态分布 |
| 3.5.2 高程梯度的平均值十分接近零 |
| 3.5.3 p和q接近相互独立 |
| 3.5.4 同一样区p和q的方差在近似相等 |
| 3.6 对高程梯度统计特征的论证 |
| 3.6.1 正态分布 |
| 3.6.2 均值为零 |
| 3.6.3 相互独立 |
| 3.6.4 方差相等 |
| 3.7 本章小结 |
| 第四章 高程梯度随DEM分辨率变化的分析 |
| 4.1 分辨率总影响 |
| 4.1.1 空间格局特征 |
| 4.1.2 统计分布特征 |
| 4.2 平滑程度的影响 |
| 4.2.1 空间格局特征 |
| 4.2.2 统计分布特征 |
| 4.3 采样间距的影响 |
| 4.3.1 空间格局特征 |
| 4.3.2 统计分布特征 |
| 4.4 分辨率组分影响大小对比 |
| 4.4.1 高程梯度值域和方差 |
| 4.4.2 高程梯度频率曲线 |
| 4.5 本章小结 |
| 第五章 坡度随DEM分辨率变化的分析 |
| 5.1 DEM分辨率的影响 |
| 5.1.1 高程梯度联合方差的变化 |
| 5.1.2 坡度的变化 |
| 5.2 平滑程度的影响 |
| 5.2.1 高程梯度联合方差的变化 |
| 5.2.2 坡度的变化 |
| 5.3 采样间距的影响 |
| 5.3.1 高程梯度联合方差的变化 |
| 5.3.2 坡度的变化 |
| 5.4 分辨率组分影响大小对比 |
| 5.4.1 对高程梯度联合方差的影响大小对比 |
| 5.4.2 对坡度的影响大小对比 |
| 5.5 本章小结 |
| 第六章 高程梯度和坡度随地形复杂程度变化的分析 |
| 6.1 地形复杂程度的度量 |
| 6.2 高程梯度的变化 |
| 6.2.1 空间格局特征 |
| 6.2.2 统计分布特征 |
| 6.3 高程梯度联合方差的变化 |
| 6.4 坡度的变化 |
| 6.4.1 空间格局特征 |
| 6.4.2 统计分布特征 |
| 6.5 DEM分辨率和地形复杂程度的影响比较分析 |
| 6.6 本章小结 |
| 第七章 结论与讨论 |
| 7.1 结论 |
| 7.2 讨论与展望 |
| 7.3 主要创新点 |
| 参考文献 |
| 攻读博士学位期间取得的科研成果 |
| 致谢 |
| 作者简介 |
（2）电子舌多传感阵列信息交互及籼稻米食味量化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 电子舌的研究现状 |
| 1.1.1 电子舌原理与特点 |
| 1.1.2 电子舌的分类 |
| 1.1.3 电子舌在食品上的应用研究 |
| 1.2 电子舌算法及其主要问题 |
| 1.2.1 电子舌算法及其应用 |
| 1.2.2 电子舌算法存在的主要问题 |
| 1.3 信息熵及其研究现状 |
| 1.3.1 信息熵的起源与发展 |
| 1.3.2 信息熵的计算原理 |
| 1.3.3 信息熵的应用研究 |
| 1.4 稻米品质检测的研究进展 |
| 1.5 研究意义、内容与技术路线 |
| 1.5.1 研究意义 |
| 1.5.2 研究思路 |
| 1.5.3 研究内容 |
| 1.5.4 技术路线 |
| 第2章 基于信息熵的多传感阵列向量式特征值提取研究 |
| 2.1 引言 |
| 2.2 实验内容与路线 |
| 2.3 实验材料与仪器 |
| 2.3.1 实验材料 |
| 2.3.2 实验仪器 |
| 2.3.3 实验试剂 |
| 2.4 实验方法 |
| 2.4.1 样品前处理及制备 |
| 2.4.2 电子舌测定 |
| 2.4.3 理化指标测定 |
| 2.5 数据处理及分析方法 |
| 2.5.1 小波包分解 |
| 2.5.2 相似熵算法 |
| 2.5.3 傅里叶变换 |
| 2.5.4 向量式特征值 |
| 2.5.5 多重共线性 |
| 2.5.6 主成分分析 |
| 2.5.7 常规特征值提取方法 |
| 2.6 结果与讨论 |
| 2.6.1 原始伏安信号的分解 |
| 2.6.2 分解信号的傅里叶变换 |
| 2.6.3 向量式特征值的提取 |
| 2.6.4 与理化相关分析 |
| 2.6.5 与常规特征值提取方法的比较分析 |
| 2.7 本章小结 |
| 第3章 基于信息熵的多传感阵列窗式特征值提取研究 |
| 3.1 引言 |
| 3.2 实验内容与路线 |
| 3.3 实验材料与仪器 |
| 3.3.1 实验材料 |
| 3.3.2 实验仪器 |
| 3.3.3 实验试剂 |
| 3.4 实验方法 |
| 3.4.1 样品前处理及制备 |
| 3.4.2 电子舌测定 |
| 3.4.3 理化指标测定 |
| 3.5 数据处理及分析方法 |
| 3.5.1 信号特征值矩阵 |
| 3.5.2 噪声矩阵 |
| 3.5.3 窗式运算 |
| 3.5.4 信噪相对熵 |
| 3.5.5 信噪相对熵矩阵 |
| 3.5.6 表征方法 |
| 3.6 结果与讨论 |
| 3.6.1 信号特征值矩阵的构建 |
| 3.6.2 噪声矩阵的构建 |
| 3.6.3 连续窗式和分区窗式运算结果的比较 |
| 3.6.4 电极间的连续窗式特征提取和表征 |
| 3.6.5 频率间的连续窗式特征提取和表征 |
| 3.6.6 与理化相关分析 |
| 3.7 本章小结 |
| 第4章 基于信息熵的多传感阵列区分识别籼稻米研究 |
| 4.1 引言 |
| 4.2 实验内容与路线 |
| 4.3 实验材料与仪器 |
| 4.3.1 实验材料 |
| 4.3.2 实验仪器 |
| 4.4 实验方法 |
| 4.4.1 样品前处理及制备 |
| 4.4.2 电子舌测定 |
| 4.5 数据处理及分析方法 |
| 4.5.1 适配位点概率 |
| 4.5.2 单元传感熵和单元传感向量 |
| 4.5.3 交互传感值和交互传感向量 |
| 4.5.4 SVM分类器 |
| 4.5.5 KNN分类器 |
| 4.5.6 分类器模型的准确度评价 |
| 4.5.7 常规特征值 |
| 4.6 结果与讨论 |
| 4.6.1 传感阵列中独立电极的传感分析 |
| 4.6.2 传感阵列的向量式交互传感分析 |
| 4.6.3 稻米产地的识别分析 |
| 4.6.4 稻米类型的区分分析 |
| 4.6.5 与常规特征值用于分类的对比分析 |
| 4.7 本章小结 |
| 第5章 基于信息熵的多传感阵列量化籼稻米理化指标研究 |
| 5.1 引言 |
| 5.2 实验内容与路线 |
| 5.3 实验材料与仪器 |
| 5.3.1 实验材料 |
| 5.3.2 实验仪器 |
| 5.3.3 实验试剂 |
| 5.4 实验方法 |
| 5.4.1 样品前处理及制备 |
| 5.4.2 电子舌测定 |
| 5.4.3 理化指标测定 |
| 5.5 数据处理及分析方法 |
| 5.5.1 联合熵度和类间交互度 |
| 5.5.2 多维交互矩阵 |
| 5.5.3 卷积神经网络 |
| 5.5.4 BpNN神经网络 |
| 5.5.5 CNN+Bp NN联合模型 |
| 5.5.6 模型的准确度评价 |
| 5.5.7 常规特征矩阵 |
| 5.6 结果与讨论 |
| 5.6.1 稻米理化成分的分析 |
| 5.6.2 多维交互矩阵的构建 |
| 5.6.3 CNN参数选定 |
| 5.6.4 建模与量化预测 |
| 5.6.5 与常规特征矩阵用于量化的对比分析 |
| 5.7 本章小结 |
| 第6章 基于信息熵的多传感阵列量化籼稻米感官评价研究 |
| 6.1 引言 |
| 6.2 实验内容与路线 |
| 6.3 实验材料与仪器 |
| 6.3.1 实验材料 |
| 6.3.2 实验仪器 |
| 6.3.3 实验试剂 |
| 6.4 实验方法 |
| 6.4.1 样品前处理及制备 |
| 6.4.2 电子舌测定 |
| 6.4.3 理化指标测定 |
| 6.4.4 稻米食味人工品评 |
| 6.5 数据处理及分析方法 |
| 6.5.1 极标平面值的计算 |
| 6.5.2 串联评价模型 |
| 6.5.3 SVM分类器 |
| 6.5.4 KNN分类器 |
| 6.5.5 模型的准确度评价 |
| 6.6 结果与讨论 |
| 6.6.1 分类定级模型的建立 |
| 6.6.2 串联评价模型的建立及食味预测 |
| 6.6.3 稻米理化指标与食味的相关分析 |
| 6.6.4 稻米理化指标用于食味的分类预测 |
| 6.6.5 与多传感阵列量化理化指标的综合分析 |
| 6.7 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间论文发表情况 |
| 致谢 |
（3）个人大数据定价方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状及存在问题 |
| 1.2.1 数据定价策略 |
| 1.2.2 数据定价模型 |
| 1.2.3 数据定价机制 |
| 1.2.4 主要存在的问题 |
| 1.3 研究内容与创新性 |
| 1.4 论文的组织结构 |
| 第2章 相关研究工作 |
| 2.1 大数据 |
| 2.1.1 大数据的特征 |
| 2.1.2 大数据的质量与价值评估 |
| 2.1.3 大数据定价机制 |
| 2.1.4 大数据资产化 |
| 2.1.5 大数据面临的关键问题 |
| 2.1.6 大数据的意义 |
| 2.2 个人大数据 |
| 2.2.1 数据特征选取 |
| 2.2.2 数据价值影响因素 |
| 2.2.3 正向分级、反向定价 |
| 2.3 数据定价 |
| 2.3.1 基于数据的定价 |
| 2.3.2 基于查询的定价 |
| 2.3.3 基于拍卖的定价 |
| 2.3.4 基于差分隐私的定价 |
| 2.4 信息熵 |
| 2.4.1 数据交易市场 |
| 2.4.2 数据定价机制 |
| 2.5 数据溯源 |
| 2.5.1 Why-Provenance |
| 2.5.2 Where-Provenance和How-Provenance |
| 2.5.3 当前溯源的问题 |
| 2.6 差分隐私 |
| 2.7 本章小结 |
| 第3章 信息熵定价 |
| 3.1 引言 |
| 3.2 信息熵 |
| 3.2.1 信息熵的价值 |
| 3.2.2 信息熵的价值评估 |
| 3.3 价值与价格 |
| 3.4 基于信息熵的数据定价 |
| 3.4.1 问题公式化 |
| 3.4.2 信息量的度量 |
| 3.4.3 基于数据信息熵的定价函数 |
| 3.4.4 讨论 |
| 3.5 实验分析 |
| 3.5.1 实施问题 |
| 3.5.2 对公共研究质量数据集进行实验 |
| 3.5.3 定价函数 |
| 3.6 本章小结 |
| 第4章 最小溯源定价 |
| 4.1 引言 |
| 4.2 定价数据 |
| 4.2.1 定价方法 |
| 4.2.2 最小溯源 |
| 4.2.3 p-范数 |
| 4.2.4 定价函数 |
| 4.3 定价算法 |
| 4.3.1 精确算法 |
| 4.3.2 近似算法 |
| 4.4 实验分析 |
| 4.4.1 有效性 |
| 4.4.2 效率 |
| 4.5 本章小结 |
| 第5章 差分隐私定价 |
| 5.1 引言 |
| 5.2 定价模型 |
| 5.3 免套利定价函数 |
| 5.4 定价框架 |
| 5.4.1 隐私损失 |
| 5.4.2 正向定价 |
| 5.4.3 反向定价 |
| 5.5 实验分析 |
| 5.5.1 分类及效果评价 |
| 5.5.2 隐私与效用 |
| 5.5.3 定价函数 |
| 5.5.4 隐私补偿 |
| 5.6 讨论 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（4）面向新闻媒体的人物关系分析方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 节点影响力研究现状 |
| 1.2.2 异质网络分析研究现状 |
| 1.3 论文的主要工作与贡献 |
| 1.4 论文章节安排 |
| 第二章 相关理论基础和方法 |
| 2.1 复杂网络相关的基本理论 |
| 2.2 复杂网络节点影响力评估 |
| 2.3 信息熵相关的基本理论 |
| 2.4 本章小结 |
| 第三章 基于信息熵的节点影响力评估方法研究 |
| 3.1 引言 |
| 3.2 数据采集及预处理过程 |
| 3.2.1 数据采集过程 |
| 3.2.2 数据预处理过程 |
| 3.3 基于新闻信息的异质网络构建 |
| 3.4 基于异质网络的元路径提取 |
| 3.5 基于信息熵的节点影响力评估方法 |
| 3.6 实验与分析 |
| 3.7 本章小结 |
| 第四章 基于重要性贡献的节点影响力评估方法研究 |
| 4.1 引言 |
| 4.2 复杂网络的局部信息分析 |
| 4.3 基于异质网络的随机跃迁 |
| 4.4 基于异质网络矩阵的影响力计算 |
| 4.5 实验与分析 |
| 4.6 本章总结 |
| 第五章 工作总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
（5）基于柔度矩阵与信息熵的梁结构损伤识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外结构损伤识别现状 |
| 1.2.1 基于静力的损伤识别方法 |
| 1.2.2 基于动力指纹的损伤识别方法 |
| 1.3 基于智能算法的损伤识别方法 |
| 1.4 各损伤识别方法优缺点 |
| 1.5 本文主要研究内容 |
| 第2章 柔度矩阵与信息熵基本理论 |
| 2.1 引言 |
| 2.2 结构柔度矩阵相关理论 |
| 2.2.1 模态柔度矩阵 |
| 2.2.2 静柔度矩阵 |
| 2.3 信息熵基本理论 |
| 2.3.1 概率熵 |
| 2.3.2 模糊熵 |
| 2.3.3 模糊随机变量的信息熵 |
| 2.3.4 信息熵的数学特性 |
| 2.3.5 信息熵的理论优势 |
| 2.4 数值插值与数值拟合 |
| 2.4.1 Lagrange插值 |
| 2.4.2 Hermite插值 |
| 2.4.3 三次样条插值 |
| 2.4.4 多项式拟合 |
| 2.4.5 拟合效果分析 |
| 2.5 单元损伤模拟方法 |
| 2.6 本章小结 |
| 第3章 基于广义柔度曲率熵插值曲线的结构损伤识别方法研究 |
| 3.1 引言 |
| 3.2 广义柔度曲率熵曲线指标构建 |
| 3.2.1 广义柔度曲率熵指标提出 |
| 3.2.2 损伤面积计算 |
| 3.3 简支梁算例分析 |
| 3.3.1 简支梁模型建立 |
| 3.3.2 简支梁损伤位置识别 |
| 3.3.3 简支梁GFCE曲线数值插值与数据拟合 |
| 3.3.4 简支梁损伤面积计算与误差分析 |
| 3.3.5 简支梁结果分析 |
| 3.3.6 损伤程度拟合 |
| 3.4 连续梁算例分析 |
| 3.4.1 连续梁模型建立 |
| 3.4.2 损伤位置识别 |
| 3.4.3 连续梁GFCE曲线数值插值与数据拟合 |
| 3.4.4 连续梁损伤面积计算与误差分析 |
| 3.4.5 损伤程度拟合 |
| 3.5 抗噪性研究 |
| 3.6 本章小结 |
| 第4章 基于柔度矩阵最小秩与信息熵的结构损伤识别研究 |
| 4.1 引言 |
| 4.2 基于柔度矩阵秩分析的损伤识别 |
| 4.2.1 结构损伤的秩分析 |
| 4.2.2 柔度扰动矩阵的最小秩解 |
| 4.2.3 最小秩柔度熵指标构造 |
| 4.3 算例验证 |
| 4.3.1 简支梁结构损伤识别 |
| 4.3.2 连续梁结构损伤识别 |
| 4.4 MRFE指标抗噪性研究 |
| 4.5 本章小结 |
| 第5章 最小秩柔度熵指标的试验验证 |
| 5.1 引言 |
| 5.2 试验设计 |
| 5.3 损伤模拟及工况设置 |
| 5.4 试验过程 |
| 5.5 试验结果及指标验证 |
| 5.6 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录A:攻读学位期间参与的科研与工程项目 |
（6）基于混沌系统的轻量级密钥序列设计与图像加密研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 混沌研究的发展和意义 |
| 1.2.2 混沌吸引子的构造及发展 |
| 1.2.3 混沌在轻量级序列密码中的发展 |
| 1.2.4 混沌在图像加密中的应用发展 |
| 1.3 论文的主要内容和结构安排 |
| 1.3.1 论文的主要内容 |
| 1.3.2 论文的结构安排 |
| 第2章 混沌与密码学的基本理论 |
| 2.1 混沌的概念、特征及分析 |
| 2.1.1 混沌的定义 |
| 2.1.2 混沌的判断 |
| 2.1.3 混沌的基本特征 |
| 2.1.4 混沌的分析方法 |
| 2.2 低维混沌系统 |
| 2.2.1 一维Logistic混沌映射 |
| 2.2.2 二维Henon混沌映射 |
| 2.3 高维混沌系统 |
| 2.3.1 三维Lorenz连续混沌系统 |
| 2.3.2 超混沌系统 |
| 2.4 密码学基础 |
| 2.4.1 密码学基本理论 |
| 2.4.2 密码学分类及混沌密码学 |
| 2.5 本章小结 |
| 第3章 混沌系统的轻量级密钥序列研究 |
| 3.1 Logistic混沌系统的轻量级密钥序列构造 |
| 3.1.1 混沌序列及其数字化 |
| 3.1.2 轻量级密钥序列的设计 |
| 3.2 Logistic混沌系统的轻量级密钥序列分析 |
| 3.2.1 熵分析 |
| 3.2.2 统计测试 |
| 3.2.3 硬件资源分析 |
| 3.2.4 安全性分析 |
| 3.2.5 轻量级密钥序列图像置乱分析 |
| 3.3 高维猫映射混沌系统轻量级密钥序列构造 |
| 3.3.1 二维猫映射 |
| 3.3.2 三维离散混沌猫映射 |
| 3.3.3 轻量级密钥序列的设计 |
| 3.4 高维猫映射混沌系统轻量级密钥序列分析 |
| 3.4.1 熵分析 |
| 3.4.2 统计测试 |
| 3.4.3 硬件资源分析 |
| 3.4.4 安全性分析 |
| 3.4.5 轻量级密钥序列图像扩散分析 |
| 3.5 本章小结 |
| 第4章 一种四维超混沌系统特性及图像加密 |
| 4.1 一种四维超混沌系统及动力学性质分析 |
| 4.1.1 超混沌系统 |
| 4.1.2 动力学性质分析 |
| 4.2 超混沌系统在图像加密中的研究 |
| 4.2.1 图像加密算法描述 |
| 4.2.2 图像加密算法分析 |
| 4.3 本章小结 |
| 第5章 轻量级混沌图像加密系统设计及分析 |
| 5.1 组合超混沌系统图像加密 |
| 5.1.1 图像加密算法描述 |
| 5.1.2 图像加密算法分析 |
| 5.2 融入DNA编码的一种双重扩散轻量级混沌图像加密 |
| 5.2.1 DNA编码解码原理 |
| 5.2.2 轻量级混沌图像加密算法描述 |
| 5.2.3 轻量级混沌图像加密算法分析 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间的其它成果 |
（7）遥感时空信息熵及在延河流域生态可持续性分析中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 生态可持续性研究 |
| 1.2.2 熵在生态系统动态演变遥感监测中的应用 |
| 1.2.3 熵在生态系统格局异质性研究中的应用 |
| 1.2.4 延河流域生态可持续性问题 |
| 1.3 主要研究内容 |
| 1.4 论文的结构安排与技术路线 |
| 第2章 熵的概念及生态可持续性分析框架 |
| 2.1 概述 |
| 2.2 熵的概念 |
| 2.2.1 热力学熵 |
| 2.2.2 信息熵 |
| 2.2.3 熵的辨析 |
| 2.3 遥感数据在生态可持续性中的应用 |
| 2.3.1 遥感数据的特点 |
| 2.3.2 遥感数据中的噪声 |
| 2.4 熵视角下的生态可持续性分析框架 |
| 2.5 小结 |
| 第3章 遥感时间信息熵方法 |
| 3.1 概述 |
| 3.2 模型选择难题 |
| 3.3 生态系统年际间动态变化 |
| 3.4 时间信息熵方法 |
| 3.4.1 熵的度量方法 |
| 3.4.2 遥感时间信息熵 |
| 3.5 时间信息熵和生态弹性 |
| 3.6 小结 |
| 第4章 遥感空间信息熵方法 |
| 4.1 概述 |
| 4.2 空间信息熵方法 |
| 4.2.1 维度不匹配问题 |
| 4.2.2 空间邻近度 |
| 4.2.3 空间信息熵 |
| 4.3 实验设计和算法比较 |
| 4.3.1 模拟数据 |
| 4.3.2 实际数据 |
| 4.4 结果与分析 |
| 4.4.1 模拟实验结果与分析 |
| 4.4.2 实际数据结果与分析 |
| 4.5 空间信息熵和生态复杂度 |
| 4.6 小结 |
| 第5章 研究区概况及数据介绍 |
| 5.1 概述 |
| 5.2 延河流域概况 |
| 5.2.1 地理位置 |
| 5.2.2 气候和水文特点 |
| 5.2.3 植被分布 |
| 5.2.4 社会经济背景 |
| 5.2.5 生态建设政策 |
| 5.2.6 生态可持续性问题 |
| 5.3 研究数据介绍 |
| 5.3.1 土地利用数据 |
| 5.3.2 NDVI数据 |
| 5.3.3 气象数据 |
| 5.4 小结 |
| 第6章 熵视角下的延河流域生态可持续性分析 |
| 6.1 概述 |
| 6.2 研究方法 |
| 6.3 结果与分析 |
| 6.3.1 研究区生态格局的组成特征分析 |
| 6.3.2 研究区生态格局的总体变化特征分析 |
| 6.3.3 研究区植被覆盖的空间分布特征分析 |
| 6.3.4 研究区植被覆盖的变化特征分析 |
| 6.4 讨论 |
| 6.5 建议 |
| 6.6 小结 |
| 第7章 结论与展望 |
| 7.1 研究结论 |
| 7.2 主要创新点 |
| 7.3 未来展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
| 附录A 时间信息熵方法的推导和证明过程 |
| 附录B 关于H_(SC)和IJI的说明 |
（8）不确定条件下混凝土重力坝施工进度分析研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水利水电工程施工参数不确定性分析现状 |
| 1.2.2 基于证据理论的不确定性分析研究现状 |
| 1.2.3 水利水电工程施工进度敏感性分析研究现状 |
| 1.2.4 现有研究局限性 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第2章 不确定条件下混凝土重力坝施工进度分析理论 |
| 2.1 研究框架与分析模型 |
| 2.1.1 研究框架 |
| 2.1.2 不确定条件下施工进度分析模型 |
| 2.2 混凝土重力坝施工系统不确定性分析 |
| 2.3 混凝土重力坝施工参数不确定性分析 |
| 2.3.1 不确定性的基本概念与分类 |
| 2.3.2 随机、认知混合不确定型施工参数表达 |
| 2.4 混凝土重力坝施工仿真基本理论 |
| 2.4.1 离散事件仿真的基本要素 |
| 2.4.2 活动持续时间及其不确定性分析 |
| 2.4.3 混凝土重力坝施工仿真时钟的推进过程 |
| 2.5 本章小结 |
| 第3章 基于改进证据理论的混凝土重力坝施工进度不确定性分析 |
| 3.1 研究框架与分析模型 |
| 3.1.1 研究框架 |
| 3.1.2 基于改进证据理论的施工进度不确定性分析模型 |
| 3.2 改进的证据理论 |
| 3.2.1 证据理论 |
| 3.2.2 基于遗传算法的进度工期极值求解 |
| 3.2.3 基于Copula函数的参数相关性分析 |
| 3.3 不确定性施工参数的证据变量转化 |
| 3.4 基于改进证据理论的混凝土重力坝施工进度不确定性量化流程 |
| 3.5 本章小结 |
| 第4章 基于互信息熵-敏感性分析的混凝土重力坝施工进度不确定性影响分析 |
| 4.1 研究框架与分析模型 |
| 4.1.1 研究框架 |
| 4.1.2 施工进度不确定性敏感性分析模型 |
| 4.2 互信息熵理论 |
| 4.2.1 信息熵的基本概念与性质 |
| 4.2.2 互信息熵的基本概念与性质 |
| 4.3 互信息熵的计算方法 |
| 4.4 基于互信息熵-敏感性分析的混凝土重力坝施工进度不确定性影响分析方法 |
| 4.5 本章小结 |
| 第5章 工程实例 |
| 5.1 工程概况 |
| 5.2 基于改进证据理论的混凝土重力坝施工进度不确定性量化 |
| 5.2.1 施工参数的不确定性表达 |
| 5.2.2 施工参数的证据变量转化 |
| 5.2.3 基于Copula函数的施工参数相关性分析 |
| 5.2.4 混凝土重力坝施工进度不确定性量化 |
| 5.2.5 对比分析 |
| 5.3 基于互信息熵-敏感性分析的混凝土重力坝施工进度不确定性影响分析结果 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 研究展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（9）面向邻域粗糙集模型的不确定性度量方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要内容和组织结构 |
| 1.3.1 本文的主要内容 |
| 1.3.2 本文各章节的安排 |
| 第二章 粗糙集理论基础 |
| 2.1 经典粗糙集模型 |
| 2.2 邻域粗糙集模型 |
| 2.3 不确定性度量方法 |
| 2.4 本章小结 |
| 第三章 最大决策邻域粗糙集的不确定性度量方法 |
| 3.1 最大决策邻域粗糙集模型 |
| 3.2 最大决策邻域粗糙集模型的不确定性度量 |
| 3.3 属性约简算法 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 邻域粗糙集模型的不确定性度量方法 |
| 4.1 边界域上的信息熵与条件信息熵 |
| 4.2 属性约简算法 |
| 4.3 实验结果与分析 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 硕士学位期间参与的科研项目和取得的学术成果 |
| 致谢 |
（10）基于支持向量机的轴承故障识别模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外发展现状 |
| 1.2.1 信号采集技术研究现状 |
| 1.2.2 特征参数提取研究现状 |
| 1.2.3 模式识别研究现状 |
| 1.3 论文主要内容 |
| 第二章 滚动轴承基本结构及故障机理 |
| 2.1 滚动轴承结构 |
| 2.2 滚动轴承故障的主要形式与原因 |
| 2.3 轴承故障机理及故障特征分析 |
| 2.3.1 轴承故障机理 |
| 2.3.2 滚动轴承固有振动频率 |
| 2.3.3 滚动轴承的故障特征频率 |
| 本章总结 |
| 第三章 基于小波阈值降噪分析 |
| 3.1 数据降噪 |
| 3.2 小波阈值降噪 |
| 3.2.1 小波变换 |
| 3.2.2 小波阈值降噪 |
| 3.3 滚动轴承信号降噪 |
| 本章小结 |
| 第四章 多域熵值特征向量提取 |
| 4.1 熵的概述 |
| 4.1.1 熵的定义 |
| 4.1.2 熵的性质 |
| 4.2 几种常见的熵 |
| 4.2.1 信息熵 |
| 4.2.2 近似熵 |
| 4.2.3 排列熵 |
| 4.3 信号的多域熵特征值: |
| 4.3.1 频域信号研究 |
| 4.3.2 包络信号研究 |
| 4.4 特征向量的构建 |
| 4.4.1 时域熵值特征向量 |
| 4.4.2 频域熵值特征向量: |
| 4.4.3 包络熵值特征向量 |
| 本章小结 |
| 第五章 轴承故障识别模型研究 |
| 5.1 支持向量机 |
| 5.1.1 SVM算法步骤: |
| 5.1.2 支持向量机的核函数 |
| 5.2 应用SVM建立模式识别模型 |
| 5.2.1 时域熵SVM模型 |
| 5.2.2 频域熵SVM模型 |
| 5.2.3 包络熵SVM模型 |
| 5.3 支持向量机关键参数的优化 |
| 5.3.1 优化算法的选择 |
| 5.3.2 粒子群优化算法 |
| 5.4 PSO-SVM模式识别模型 |
| 5.4.1 时域熵PSO-SVM模型 |
| 5.4.2 频域熵PSO-SVM实验结果 |
| 5.4.3 包络熵PSO-SVM实验结果 |
| 5.5 实验分析 |
| 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录A 多域熵特征值 |
| 致谢 |
四、信息熵基本性质的研究（论文参考文献）
- [1]坡度统计分布随分辨率和地形复杂程度变化的研究[D]. 师动. 西北大学, 2021(12)
- [2]电子舌多传感阵列信息交互及籼稻米食味量化研究[D]. 卢林. 浙江工商大学, 2021(11)
- [3]个人大数据定价方法研究[D]. 申云成. 四川大学, 2021
- [4]面向新闻媒体的人物关系分析方法研究[D]. 罗艺. 电子科技大学, 2021(01)
- [5]基于柔度矩阵与信息熵的梁结构损伤识别研究[D]. 晏俊杰. 兰州理工大学, 2021(01)
- [6]基于混沌系统的轻量级密钥序列设计与图像加密研究[D]. 丁丽娜. 黑龙江大学, 2020(03)
- [7]遥感时空信息熵及在延河流域生态可持续性分析中的应用[D]. 王超军. 清华大学, 2020
- [8]不确定条件下混凝土重力坝施工进度分析研究[D]. 王思辰. 天津大学, 2020(02)
- [9]面向邻域粗糙集模型的不确定性度量方法研究[D]. 徐洋. 安徽大学, 2020(02)
- [10]基于支持向量机的轴承故障识别模型研究[D]. 刘松直. 大连交通大学, 2020(06)