极大熵

摘要： 空战目标威胁评估是目标分配与火力分配的基础.针对目标威胁评估研究存在确定指标权重时未考虑指标间的相关性,采用单一灰色关联分析(GRA)方法和逼近理想点(TOPSIS)方法不能准确反映目标威胁大小,以及未考虑飞行员决策时面临损失和收益时的不同态度等问题,在综合GRA和TOPSIS的基础上,提出一种基于前景GRA-TOPSIS的空战目标威胁评估模型.提出灰色关联深度的概念,结合极大熵确定指标权重;利用指标之间的灰色关联度变权方法对指标权重进行修正,避免指标之间的相关性影响;利用GRA方法分析目标指标序列的曲线形状相似性,结合TOPSIS方法分析位置的相似性,基于前景理论,将飞行员面临收益以损失的态度融合到目标威胁评估中,得到能够体现飞行员特质的目标威胁评估结果.通过仿真验证了所提方法的有效性以及合理性.

摘要： 针对企业云制造服务优选问题,提出一种充分利用历史数据、主客观综合赋权的优选方法.从企业资源计划(En-terprise Resource Planning,ERP)全面获取服务过程数据,建立包含企业亲密度模型的、指标全面量化的评价体系.采用相邻目标优属度法,由用户确定指标间重要性,计算一级指标权重;基于极大熵准则,结合专家意见,用目标规划法确定二级指标权重;另外,对于冷启动问题,通过余弦相似性原理计算企业背景相似度评估新企业QoS评分.结合某汽车检测装备制造企业案例,验证了方法的实用性,该方法能快速辅助选择适合企业情况的服务提供商.

摘要： 聚类分析是一种非常重要的聚类工具,被广泛应用在各科学领域的聚类问题中.其中,弹性网络是一种较好的聚类分析算法,尤其在高维空间有很大优势.提出了一种新的聚类弹性网络算法CENA(Clustering Elastic Net Algorithm).该算法将一个面向聚类的描述数据点与弹性节点关系的能量函数用于ENA(Elastic Net Algo-rithm)求解模式中,结合极大熵原理,计算得到自由能函数.当自由能函数达到全局极小时,即可获得弹性网络的聚类解.通过大量实验证明,提出的CENA算法运行结果稳定,可以有效提升算法空间搜索能力,节省运行时间开销,规避参数调节问题.该算法相较于经典划分聚类算法,大大提高了聚类质量.

摘要： 文章针对准则评价信息为区间直觉梯形模糊数、准则权重未知的群决策问题,考虑决策者心理行为特征,提出一种基于后悔理论的群决策方法。该方法定义了区间直觉梯形模糊数的排序方法及距离测度公式;以各方案的正、负理想点作为参考点计算各方案的后悔、欣喜值;由决策者对各方案的偏好大小确定决策者权重,并通过WAA算子将各决策者的欣喜-后悔矩阵集结成群体决策的欣喜-后悔矩阵。在此基础上构建非线性优化模型以确定准则权重,根据各方案的欣喜后悔值对方案进行排序。

摘要： 将群决策思想融入该模型,通过对多决策者不同偏好的基于欧式距离的聚类、基于判断矩阵hardmard积的集结以及基于极大熵准则的合成,形成含有群决策思想的DEA偏好约束锥,置于DEA模型中,从而形成了极大熵准则下的群决策下的AHP约束锥的DEA模型,最后结合算例,论证了该方法的可行性.%This paper,through composing different preferences of decision makers based on the clustering of Euclidean Distance,the mass of Hadamard product of judgment matrix and the Maximum Entropy Criterion,integrate the concept of group decision making into the AHP-DEA model,form the DEA constraint cone that contains the concept of group decision making,and put it into DEA model.So we get the DEA model based on the maximum entropy criterion,group decision making and the constraint cone of AHP.Finally,in combination with numerical example,we demonstrate the feasibility of this method.

摘要： 基本变量重要性测度分析是结构安全评估以及工程优化设计的一项必要工作.本文结合矩独立重要性测度思想和基于方差的重要性测度思想,提出了一种新的适用于多个输出的重要性测度.所提测度利用概率积分转化(Probability integration transformation,PIT),将输出的不确定性由输出的联合分布函数来表征.在多输出情况下,相比单纯基于方差的重要性测度,所提测度能够同时包含各个输出的不确定性及其相关性.而相比单纯的矩独立重要性测度,由于它使用方差来衡量变异性,因而求解过程更为简便.在计算多输出的分布函数时,本文采用基于分数矩的极大熵方法结合Nataf变换法,在保证求解精度的同时大大降低了模型调用次数.数值和工程算例说明了该测度的合理性以及计算方法的高效性.%Importance measure for input random variables is a necessary component of safety evaluation and optimization design in engineering.In this paper,a new importance measure for multivariate output is introduced by combining notions of the moment-independent importance measure and the variancebased importance measure synthetically.The new measure is based on the multivariate probability integration transformation (PIT),in which the uncertainty of the multivariate output is represented in the form of its joint cumulative distribution function (CDF).Compared with variance-based measures,the new measure can take into account both of the uncertainty and the correlation information in the multivariate output.Compared with moment-independent measures,the solution procedure of new measure is more simple because the variability of the joint CDF is measured by variances.In this paper,maxi mum entropy method based on fractional moments and Nataf transformation are proposed to reduce model calls when the joint CDF is calculated.The calculation cost is saved without decreasing its accuracy.A numerical example and an engineering example are given to show the reasonableness of the proposed measure and the efficiency of the algorithm.

摘要： 本文以淮河流域沙颍河水系上的大(2)型水库——白龟山水库为研究背景,针对当前洪水预报误差分布特性的研究不足的问题及利用常用分布描述洪水预报存在较大误差的问题,根据实际洪水预报误差出现在有限区域的特点,建立了洪水总量预报误差分布的极大熵模型.通过白龟山水库历史洪水的预报误差样本序列,计算了预报方案的极限误差,与常用指数分布进行了对比分析,并从防洪安全的角度对模型中的误差上限进行了初步确定,最终得到洪水预报误差分布规律函数.

摘要： 由于分布式关系型数据库基于两阶段提交协议的设计方式,使得系统如出现单节点瓶颈问题,数据库事务将全部回滚,从而造成巨大的系统开销,影响数据库在大数据环境下的应用.针对这一现状,提出一种基于极大熵差分进化的负载评估算法,利用评价函数法,将多目标优化问题转化为不可微的单目标优化问题,再利用极大熵函数,将不可微优化问题转化为一个带有参数的无约束优化问题,最后用差分进化算法对其进行求解,找出节点资源最优集,从而为过载节点的数据迁移提供了理论依据,也进一步实现了对云数据库的设计.实验结果表明,该算法能够提高系统的整体性能,有效避免单节点瓶颈问题.

摘要： 通过构建考虑体外循环的极大熵参数配置GERT网络模型,研究投资决策参量之间相关参数的函数关系、运算法则及其确定方法,研究一种考虑体外循环的极大熵参数配置GERT网络模型的解析算法。在此基础上将一种考虑体外循环GERT网络模型应用到房地产市场领域,并以房地产市场参与主体之间的投资决策流动系统为例进行研究,利用一种考虑体外循环GERT网络模型充分反应在房地产市场中部门与部门之间、房地产市场的部门与体外环境的部门之间的发展的交互影响关系,得到科学合理的量化结论。

摘要： 针对非线性方程组，本文给出了一个新的算法。首先把非线性方程组转化为一个不可微优化问题，然后用一个称之为凝聚函数的光滑函数直接代替不可微的极大值函数，从而可把非线性方程组的求解转化为无约束优化问题，然后利用和声搜索算法对其进行求解。利用2个测试函数对其进行测试并与其它算法进行比较。计算结果表明，本文提出的算法在求解的准确性和有效性均优于其它算法。

摘要： 基于Web服务功能属性与非功能属性分离的思想，提出了在组合服务流程确定情况下基于非功能属性的组合Web服务选择模型．考虑到非功能属性之间不可公度性和矛盾性,设计了一种基于极大熵函数和社会认知算法的新的混合智能算法来解决完全信息下的全局服务选择优化问题．最后给出了数值实验，实验表明本文的方法可以综合考虑服务组合的非功能要求，从而实现自动的全局服务选择．

摘要： 本发明公布了一种用于墙壁纸设计的熵极大准则交互式进化优化方法，其具体步骤如下：进化开始前，系统为用户提供设计环境，随机生成初始进化种群；通过交互界面，人对个体进行“满意”/“不满意”的二元评价，系统记录个体评价时间；系统根据评价耗时和满意集/不满意集个体数目，采用熵极大准则估计用户个体适应值；根据种群基因意义单元呈现的频次，构建精英基因个体用于个体保留；采用轮赌法完成个体选择。本发明设计人员只需按偏好对个体进行“满意”/“不满意”的粗略评价，系统在后台自动实现对个体适应值的估计，实现非用户赋个体适应值，有效降低了设计人员的操作负担。

摘要： 本发明公布了一种用于墙壁纸设计的熵极大准则交互式进化优化方法，其具体步骤如下：进化开始前，系统为用户提供设计环境，随机生成初始进化种群；通过交互界面，人对个体进行“满意”/“不满意”的二元评价，系统记录个体评价时间；系统根据评价耗时和满意集/不满意集个体数目，采用熵极大准则估计用户个体适应值；根据种群基因意义单元呈现的频次，构建精英基因个体用于个体保留；采用轮赌法完成个体选择。本发明设计人员只需按偏好对个体进行“满意”/“不满意”的粗略评价，系统在后台自动实现对个体适应值的估计，实现非用户赋个体适应值，有效降低了设计人员的操作负担。

摘要： 本发明属于激光雷达信号处理领域，涉及基于小波熵阈值与模极大值法的激光雷达信号处理方法，涉及小波变换，其特点是：首先将信号进行多尺度二进小波变换，然后基于3σ准则进行信号突变点去除，采用模极大值法，依据尺度模极大跟踪理论，通过最高尺度上选取的极大值点进一步搜索获得低尺度信号特征点，同时针对第一层次细节信息噪声消噪效果不彻底情况，引入小波熵原理进行阈值去噪，实现了自适应阈值选取。采用本发明后，能够十分有效地去除多光谱激光雷达系统信号噪声，并且尽可能地保留信号细节信息，从而提高了激光雷达的探测能力，具有很好的应用前景和发展潜力。

摘要： 本发明公开了一种模糊极大熵聚类的茶叶近红外光谱分类方法，包括以下步骤：S1，茶叶样本近红外光谱采集：用傅里叶近红外光谱仪对茶叶样本进行检测，获取茶叶样本近红外漫反射光谱数据。S2，用多元散射矫正(MSC)对茶叶近红外光谱进行预处理。S3，对茶叶样本近红外光谱进行降维处理和鉴别信息提取：利用主成分分析(PCA)将在S2中获得的茶叶近红外光谱数据压缩；然后利用线性判别分析(LDA)提取茶叶样本的鉴别信息。S4，对S3中包含鉴别信息的测试样本用模糊极大熵聚类方法进行茶叶品种分类。本发明解决了用传统模糊极大熵聚类对噪声敏感问题。本发明具有检测速度快、无损检测、能处理含噪声的光谱数据，茶叶品种分类准确率高等优点。

摘要： 本发明公布了一种复杂产品工序能力的极大熵虚拟生成判定方法，包括如下判定步骤：依据极大熵原则，以少量以往复杂产品的历史数据信息与产品设计要求为约束，建立具备研制能力的复杂产品研制过程中极大熵计算机虚拟研制系统；利用以上建立的极大熵计算机虚拟研制系统，进行虚拟执行，虚拟产生出许多预设产品的虚拟样本，构成与现实生产质量状况相近的虚拟零件、部件和总体。本发明的复杂产品生产线工序能力判定方法解决了传统方法无法通过小样本准确地进行工序能力判定的问题；与国内外已知小样本工序能力判定方法对比，在准确性、实用性和科学性上都有较大地提升；将其应用于实际工业制造的质量控制过程中，能够极大地降低成本和提高产品质量。

摘要： 一种基于遗传算法和极大熵模型计算交叉口转向比例的方法包括：(1)输入研究路口及其空间相邻路口某一个时间段的流量数据；(2)设置遗传算法的遗传算子及其控制参数，定义遗传算法求解的搜索空间以及求解的总次数；(3)初始化遗传算法计算环境；(4)执行遗传算法计算；如果得到的解满足精度要求，转步骤(5)，否则，转步骤(3)；(5)计算得到的解的熵；判断是否达到设定的求解总次数，如果是，转步骤(6)，否则，转步骤(3)；(6)比较所有满足精度要求解的熵，找出其中熵最大对应的解，该解即为最终解。本发明提高了计算效率和增加了最后得到解的实际意义，还可以根据道路实际的交通状况和先验的交叉口转向比例知识对遗传算法的搜索空间进行限制。

摘要： 本发明公开了一种基于极小极大熵协同训练的高炉故障诊断方法，属于工业过程监控、建模和仿真领域。首先，使用深度神经网络构建一个双视图特征提取器对高炉的历史数据与待测数据进行特征提取，其输出分别送入两个分类器以计算特征与每种炉况代表向量的余弦相似度。通过分类器和特征提取器分别交替最大化和最小化待测高炉数据的条件熵来实现对历史高炉数据的知识迁移。当两个分类器对高炉炉况识别结果一致，且至少一个分类器持高置信度时，将输出炉况标签分配于待测高炉数据。本发明解决了由于高炉故障样本少，数据分布随工况改变波动较大而造成的传统故障诊断方法准确率低的问题，能够广泛应用于对故障诊断有高可信度和准确度要求的工业系统。

摘要： 本发明公开了一种模糊极大熵聚类的茶叶近红外光谱分类方法，包括以下步骤：S1，茶叶样本近红外光谱采集：用傅里叶近红外光谱仪对茶叶样本进行检测，获取茶叶样本近红外漫反射光谱数据。S2，用多元散射矫正(MSC)对茶叶近红外光谱进行预处理。S3，对茶叶样本近红外光谱进行降维处理和鉴别信息提取：利用主成分分析(PCA)将在S2中获得的茶叶近红外光谱数据压缩；然后利用线性判别分析(LDA)提取茶叶样本的鉴别信息。S4，对S3中包含鉴别信息的测试样本用模糊极大熵聚类方法进行茶叶品种分类。本发明解决了用传统模糊极大熵聚类对噪声敏感问题。本发明具有检测速度快、无损检测、能处理含噪声的光谱数据，茶叶品种分类准确率高等优点。

摘要： 本发明公布了一种复杂产品工序能力的极大熵虚拟生成判定方法，包括如下判定步骤：依据极大熵原则，以少量以往复杂产品的历史数据信息与产品设计要求为约束，建立具备研制能力的复杂产品研制过程中极大熵计算机虚拟研制系统；利用以上建立的极大熵计算机虚拟研制系统，进行虚拟执行，虚拟产生出许多预设产品的虚拟样本，构成与现实生产质量状况相近的虚拟零件、部件和总体。本发明的复杂产品生产线工序能力判定方法解决了传统方法无法通过小样本准确地进行工序能力判定的问题；与国内外已知小样本工序能力判定方法对比，在准确性、实用性和科学性上都有较大地提升；将其应用于实际工业制造的质量控制过程中，能够极大地降低成本和提高产品质量。

摘要： 一种基于遗传算法和极大熵模型计算交叉口转向比例的方法包括：(1)输入研究路口及其空间相邻路口某一个时间段的流量数据；(2)设置遗传算法的遗传算子及其控制参数，定义遗传算法求解的搜索空间以及求解的总次数；(3)初始化遗传算法计算环境；(4)执行遗传算法计算；如果得到的解满足精度要求，转步骤(5)，否则，转步骤(3)；(5)计算得到的解的熵；判断是否达到设定的求解总次数，如果是，转步骤(6)，否则，转步骤(3)；(6)比较所有满足精度要求解的熵，找出其中熵最大对应的解，该解即为最终解。本发明提高了计算效率和增加了最后得到解的实际意义，还可以根据道路实际的交通状况和先验的交叉口转向比例知识对遗传算法的搜索空间进行限制。