互信息

摘要： 针对现有的基于进化算法(EA)的贝叶斯网络结构学习算法存在收敛速度慢、局部搜索能力差以及种群数目难以确定的问题,提出了一种基于改进EA的贝叶斯网络结构学习算法.借助最大支撑树(MWST)得到种群中节点的父节点数目上限,设计了计算函数来估计参与进化的种群数目.为了提高算法的局部搜索能力,设计了个体变异函数来增加种群多样性.利用条件独立性获得初始结构来进一步限制模型搜索空间,提高算法的运行效率.实验结果表明:与经典的EA和最大最小爬山(MMHC)算法对比,本文提出的MWST-EA提高了贝叶斯网络(BN)模型的学习效率,并且能够得到较高的准确率.将MWST-EA用于UCI数据库中糖尿病数据集上,与支持向量机(SVM)、MMHC方法相比,识别率分别提高了1.54％和11.15％,具有良好的应用价值.

摘要： 为实现开关磁阻电机功率变换器故障诊断,本文提出了一种改进变分模态分解结合奇异值分析的方法,基于经验模态分解自适应特性和中心频率确定变分模态分解的分解数,并对故障相电流进行处理,根据互信息分析选择最佳模态分量构造初始特征矩阵,进行奇异值分解后计算归一化奇异值作为特征向量,输入支持向量机分类器进行故障识别。为验证诊断方法的可行性,建立了仿真模型与其他诊断方法进行了对比;搭建了开关磁阻电机实验台,测试了开路、短路故障状态,仿真和实验结果均表明本文所提方法可减小噪声影响,提高故障识别准确率。

摘要： 近些年,人们对量子纠缠的量化已经有了许多深入的研究,但是,许多已有的纠缠度量还是难以计算的。LuoShunlong基于互信息提出了两体量子态的可观测量关联,并得到了两体量子态的一类纠缠测度。本文将两体系统的纠缠测度推广到多体复合量子系统,并证明了其满足纠缠测度的必要物理条件。

摘要： 笔芯护套不仅可保护圆珠笔笔头免受外物碰撞而损伤,其良好的密封性也可使笔芯不易漏墨、溢墨。为了检测笔芯护套是否具有良好的密封性,提出一种归一化互信息与高斯金字塔相结合的方法,实现笔芯护套良好密封性的实时在线检测。不同于传统金字塔匹配算法,该方法在灰度值匹配算法的基础上,首先将所采集图像归一化互信息匹配处理,再进行高斯金字塔分层,既可实现图像匹配速度加快,同时图像模糊不会引入其他噪声,有效克服光照等外界因素的影响。实际场景应用结果表明,笔芯护套密封间隙检测精度可达0.1mm,识别准确率可达98%,具有检测精度高、误检率低等优点。所提算法有望在轻工制笔行业进一步推广应用。

摘要： 【背景】及时掌握领域术语有助于动态把握领域发展方向,揭示领域的核心知识与研究热点。【目的】为提高领域术语抽取准确率,提出一种基于深度学习和统计信息的领域术语抽取方法。【方法】首先,对领域中文专利文本进行字嵌入表示,基于BERT(Bidirectional Encoder Representations from Transformers)获取字符级的向量表征作为模型的输入;然后,利用BiLSTM-CRF(Bidirectional Long Short Term Memory-Conditional Random Field)深度学习模型提取序列化文本的语义特征,得到领域术语标注序列;最后,综合计算复合结构术语的互信息和左右熵,并结合领域知识库对抽取结果进行校正。【结果】模型在“盐湖提锂”领域进行实验,结果表明BERT-BiLSTM-CRF模型抽取该领域术语准确率达到77.33%,而对抽取结果进行校正进一步将准确率提升了3.68%,是一种有效的领域术语抽取方法。

摘要： 完全自交是程度最强的近亲交配方式,对于研究近亲交配有重要价值。从处于哈迪-温伯格平衡的两对等位基因群体开始完全自交,完全的纯合体基因型频率逐代增加、完全的杂合体基因型频率逐代减少,而半纯合半杂合的基因型频率可能增加也可能减少。研究表明:从两位点整体来看,基因型联合申农熵逐代单调减少,配子间互信息逐代单调增加,近交关联信息系数越来越大,这些信息学指标从整体上反映了群体遗传多样性程度逐渐降低,两性配子信息关联程度越来越紧密,并可以很好地推广到多位点、多等位基因情形。

摘要： 为了减少高光谱图像数据中的冗余信息,优化计算效率,并提升图像数据后续应用的有效性,提出一种基于邻域熵(NE)的高光谱波段选择算法。首先,为了高效计算样本的邻域子集,采用了局部敏感哈希(LSH)作为近似最近邻的搜索策略;然后,引入了NE理论来度量波段和类之间的互信息(MI),并把最小化特征集合与类变量之间的条件熵作为选取有效波段的方法;最后,采用两个数据集,通过支持向量机(SVM)和随机森林(RM)进行分类实验。实验结果表明,相较于四种基于MI的特征选择算法,从总体精度以及Kappa系数上看,所提算法能够在30个波段内较快地选取有效波段子集,并达到局部最优。该算法的部分实验结果的总体精度以及Kappa系数分别达到全局最优的92.99%以及0.8608,表明所提算法能有效地处理高光谱波段选择问题。

摘要： 针对多种数据预处理方式及其组合如何提升模型拟合效果这一问题,基于UCI Machine Learning Repository典型数据集,分别利用20种变量处理方式和4种变量选择方法对数据预处理,并对模型拟合效果对比分析,分别考查了多种数据预处理方式及其组合对常见分类模型和回归模型的影响.通过对实验结果的分析讨论,提出一种启发式算法,根据数据特征、模型特点以及研究问题种类等信息推荐数据预处理方法.在更广泛的数据集上的实验结果表明,该算法所推荐的数据预处理方法可以一定程度上提升模型拟合效果,节省手工选取数据预处理方法的开销.

摘要： 该文讨论共存式多输入多输出(Multiple-input multiple-output, MIMO)雷达通信一体化系统的性能。雷达端和通信端采用合作的方式共享信息,使得一体化系统的通信端可以利用雷达信号来辅助完成通信任务,而雷达端则可利用被动的通信信号来完成雷达任务。该文推导合作情况下共存一体化MIMO系统的雷达互信息和通信互信息,并与非合作情况下的性能进行分析对比,结果表明通过适当的合作,雷达互信息和通信互信息相对非合作情况都有明显提升。进一步,讨论系统参数对一体化系统总互信息的影响。最后通过仿真验证了理论分析的正确性。

摘要： 以北部太湖竺山湾、梅梁湾、贡湖湾为研究区域,基于2013-2018年蓝藻暴发期三湖湾出入湖河道的水量数据和湖湾的水质及气象数据,采用Pearson相关法及互信息法分析了三湖湾Chl.a与环境因子的相关关系,分别建立三个湖湾Chl.a与由Pearson相关法确定的主要环境影响因子之间的线性解释回归方程以及与由互信息法确定的主要环境影响因子之间的非线性方程。结果表明:(1)互信息法显示三湖湾的Chl.a浓度与水温、风速、TN、TP浓度均有较好的相关性,梅梁湾和贡湖湾的Chl.a浓度与出湖水量有较好相关性,而竺山湾的Chl.a浓度则与入湖水量有较好相关性;Pearson相关系数法表明除梅梁湾Chl.a浓度与出湖水量存在弱相关性外,三湖湾的Chl.a浓度仅与水温、TP浓度有较好的相关性。(2)对于梅梁湾和贡湖湾,水温风速等气象因子与营养盐浓度共同影响藻类的生长;而在营养盐水平最高的竺山湾,水温风速等气象因子成为蓝藻水华暴发的最主要驱动因子。(3)拟合三湖湾Chl.a浓度与其主要影响因子关系的非线性方程R^(2)均在0.9以上,而线性方程R^(2)均小于0.7,表明互信息法能更加全面地筛选出蓝藻水华的主要影响因子。研究成果可为太湖蓝藻的治理提供科学依据。

摘要： 影响中长期径流的因素众多,从众多的影响因素中选择合适的因子至关重要.目前,常用的筛选因子方法主要是相关分析法,这种方法选出的因子相互之间存在复共线性.如果直接把这些因子作为模型的输入,会使模型参数增加,且过多的冗余和噪声会对模型预报结果产生不利影响.本文提出了互信息和核主成分分析驱动的Elman神经网络径流预报方法.该方法利用互信息筛选因子,使用核主成分分析提取筛选的因子的特征,然后将提取的特征输入Elman神经网络.利用锦屏一级水电站2007-2011年的年平均径流数据对该方法进行评估,多次预报的最大相对误差都在16％以内,预报效果良好.对多次预报结果取平均值,预报的精度进一步提高.

摘要： 亚像素波段配准技术是多光谱图像融合、物体识别、目标检测和图像拼接的关键.本文提出一种由粗到精的多光谱图像亚像素配准方法.首先,利用严格几何成像模型和数字高程模型实现多光谱图像的粗配准;其次,采用改进的Levenberg-Marquardt算法与最大互信息相结合的方法实现多光谱图像的精确配准.利用高分1号多光谱影像进行试验,试验结果表明该方法能够实现多光谱图像的高精度自动配准,谱段配准精度优于0.3个像素达到亚像素级.

摘要： 针对污水处理过程出水总磷软测量存在的特征选择问题,提出一种k近邻互信息估计和前向累加后向交叉策略相结合的特征选择方法.该方法首先将数据驱动型k近邻法扩展用于高维特征之间互信息的估计,然后采用前向累加策略给出全部特征最优排序,根据预设无关特征个数,剔除无关特征,再利用后向交叉策略找出并剔除冗余特征,最终得到最优强相关特征子集.以Friedman数据、Housing数据和实际污水处理出水总磷预测数据为例,采用多层感知器和基于互信息的修剪型多层感知器神经网络预测模型进行仿真实验,验证了所提方法的有效性.

摘要： 属性约简是电子信息系统进行指标优选的关键环节,但目前一些基于差别矩阵和互信息的启发式属性约简算法需要以核属性为基础,在无核信息系统使用时存在着计算量过大或者约简程度过高或不足的问题,本人针对无核信息系统的特点,基于互信息提出了一种新的启发式属性约简算法,该算法以增加属性后的互信息增量和属性自身的信息熵两项指标作为评价属性重要度的依据,实验结果表明,该算法避免了无核信息系统因没有核属性随机选择初始属性增大计算复杂度的问题,提高了属性约简效率,并且约简的个数相对较少.

摘要： 为提高复杂机械产品的装配精度和装配稳定性,提出了一种基于互信息和博弈论的复杂机械产品装配过程质量控制阈在线优化方法.在分析复杂机械产品装配特点的基础上,基于互信息表征了装配质量控制点之间的耦合关系,建立了装配质量稳定性测度模型.为保证装配精度,以装配成本(质量损失成本和装配调整成本)最小化为目标,阐述了装配成本与控制阈的关系.将装配稳定性、装配成本要素之间的冲突问题转化为数学模型,基于博弈论方法进行冲突消解,获得最优装配质量控制阈.最后,以模型发动机缸盖螺栓拧紧为例,设计开发了装配质量控制阈优化系统,验证了该方法的可行性和有效性,为复杂机械产品装配质量在线控制提供了一种切实可行的解决方案.

摘要： 提出了一种改进的基于互信息的多模图像配准方法.结合图像的边缘方向特征,同时引入互相关测度与互信息相结合,以增加图像配准中可利用的信息量,提高算法的性能.首先,计算图像的梯度方向信息,并与图像的边缘特征相结合得到边缘方向图;然后,综合考虑图像的灰度信息和边缘方向特征,将边缘方向的互相关测度和图像的互信息测度加权构造了一种新的相似测度,用于多模图像配准.实验结果表明,该方法提高了基于互信息多模图像配准的精度和效率.

摘要： 针对软测量建模中的变量选择问题，提出了一种结合信息论中最大熵和互信息的方法。该方法采用最大熵原理，对软测量中各辅助变量和主导变量的概率分布进行估计，得到主导变量和各辅助变量间的互信息，这些互信息间接的反映了主导变量和各辅助变量间的相关性，包括线性相关和非线性相关。然后产生随机样本并计算和主导变量间的互信息，重复多次该过程就可以得到一个无关变量和主导变量间的互信息样本，用t检验寻找一个阈值作为判断相关性的标准。对于互信息小于阈值的变量作不相关变量处理，并结合测试效果筛选出最佳的软测量辅助变量。仿真结果证明：基于互信息的软测量变量选择方法具有直观、简单实用和可靠性高的优点，并且有效的改善了模型的估计精度。

摘要： 阿尔茨海默病是一种严重影响人类生活的病症,它具有难以治愈的特点.而其早期症状,轻度认知障碍的诊断就成了延缓发展和治疗的关键.核磁共振图像是诊断脑部疾病的重要影像资料.通过分析核磁共振图像,再利用分类算法,将轻度认知障碍患者从正常人中区分开来成为一种重要的方法.而特征选择则是提高分类准确率的必要步骤.本文提出将互信息和皮尔逊相关系数集成的特征选择方法,不仅考察每个特征对类标签的相关性,而且保证选出的特征子集之间冗余度最小.实验结果证明,与互信息和mRMR方法结合支持向量机进行分类性能比较,本文提出的方法分类准确性更高,说明本文的特征选择方法具有较好的优势.

摘要： 双视场推帚式高光谱成像仪是航拍中常用的成像仪,因此针对其所成图像的配准拼接随之成为了一个重要的问题.本文在分析当前主要的图像配准拼接方法的基础上,提出了一种改进的互信息图像配准方法:首先利用几何校正后图像的地面坐标计算粗略的左右视场对应关系,以此对应关系为基准在一定的相对位置范围内计算互信息,并去除掉重叠像元数较少时计算的互信息,在剩下的所有互信息中找到最大互信息,则最大互信息所对应的左右视场图像的对应关系即为图像最佳匹配的对应关系.为了验证该方法的有效性,本文针对窄重叠双视场推帚式高光谱成像仪所成的图像做了试验,实验结果表明,改进的方法能很好地配准拼接左右视场的图像且融合的很好.

摘要： 提出了一种基于特征加权的IB算法-wsIB算法,该算法融入了ReliefF算法,对特征进行加权,抑制了冗余特征,强化了有效特征.在加权变换后的特征空间中进行聚类,实验结果表明,该算法优于sIB算法.

摘要： 本发明公开了一种基于条件互信息和交互信息的多标签特征选择方法。本发明基于条件互信息重新定义特征相关项将已选特征的条件互信息纳入进来。又从特征交互的角度定义标签之间的冗余，将其纳入冗余项，定义了一个多标签特征选择算法，有效地选择特征子集，提高多标签分类模型的性能。其中，所述发明包括：对多标签数据集进行预处理，其中包括缺失值填充，数据离散化等；利用多标签特征选择算法MCIMII对处理过的数据集进行特征筛选，得到筛选后的特征集。将得到的特征数据集输入到MLKNN模型中，得到数据集优化后的MLKNN模型。

摘要： 本发明实施例公开一种交互信息获取方法、交互信息设置方法及用户终端、系统，包括：目标用户终端在预设虚拟地图中检测到目标POI标识存在触发操作时，目标用户终端基于交互应用获取当前的第一位置信息，获取目标POI标识对应的第二位置信息，并检测第一位置信息和第二位置信息的距离差值；距离差值满足预设距离范围时，向交互服务器发送携带有目标POI标识的交互信息请求；交互服务器获取目标POI标识对应的交互信息，将交互信息发送至目标用户终端；目标用户终端对交互信息进行输出显示。采用本发明，提升查看POI的相关信息的效率，同时还可以丰富对POI信息查看的方式以及POI所展示的内容，提高与用户终端间的交互性。

摘要： 本申请公开了一种发送交互信息及生成交互信息的方法、装置以及存储介质。其中，发送交互信息的方法包括：接收第一终端设备发送的交互信息，其中交互信息包括第一终端设备的第一用户与第二终端设备的第二用户进行交互的交互内容；确定第一用户的第一用户身份信息，其中第一用户身份信息指示第一用户基于交互内容与第二用户进行交互时的身份；以及以第一用户身份信息指示的身份将交互信息发送至第二终端设备。从而达到了服务器可以根据用户的不同需求对用户的多个身份信息进行隔离的技术效果。进而解决了现有的交互平台无法根据用户的不同需求将用户的多个身份进行隔离，进而造成用户的隐私受到侵犯的问题出现的技术问题。

摘要： 本发明涉及一种基于逐点互信息技术的诈骗信息特征词提取方法及系统，该提取方法包括：提取诈骗信息主题关键词，组成主题关键词集合；将信息组中的信息按是否为诈骗信息划分为正样本集合和负样本集合，并得到正样本分词集合、负样本候分词集合和候选关键词集合；根据候选关键词集合的候选关键词在信息组的正相互性PMI值和负相互性PMI值得到候选关键词在信息组的权重，将权重大于预设阈值的候选关键词记为信息组的合格关键词。本发明通过对信息组中的信息进行处理，得到候选关键词集合，计算候选关键词相对于信息的正相互性PMI值和负相互性PMI值，得到候选关键词的权重，由此判断是否为合格关键词，实现了对数据流式信息的关键词提取。

摘要： 本发明公开了一种基于条件互信息和交互信息的多标签特征选择方法。本发明基于条件互信息重新定义特征相关项将已选特征的条件互信息纳入进来。又从特征交互的角度定义标签之间的冗余，将其纳入冗余项，定义了一个多标签特征选择算法，有效地选择特征子集，提高多标签分类模型的性能。其中，所述发明包括：对多标签数据集进行预处理，其中包括缺失值填充，数据离散化等；利用多标签特征选择算法MCIMII对处理过的数据集进行特征筛选，得到筛选后的特征集。将得到的特征数据集输入到MLKNN模型中，得到数据集优化后的MLKNN模型。

摘要： 本申请公开了一种用户交互信息处理模型生成方法和用户交互信息处理方法，涉及图神经网络技术领域，具体涉及用户交互信息处理技术。该方法包括：通过迭代方式确定图神经网络中各层网络节点的节点表征，其中单层节点的节点表征由所述单层节点的邻居节点的表征得到；将所述各层网络节点中的各个节点的属性特征添加到所述各层网络节点的节点表征中，得到待训练的图神经网络；基于已有的用户交互信息，对所述待训练的图神经网络进行训练，得到用户交互信息处理模型，用户交互信息处理模型包括调整后的节点表征。本申请可应用于推荐系统。

摘要： 本申请公开了一种发送交互信息及生成交互信息的方法、装置以及存储介质。其中，发送交互信息的方法包括：接收第一终端设备发送的交互信息，其中交互信息包括第一终端设备的第一用户与第二终端设备的第二用户进行交互的交互内容；确定第一用户的第一用户身份信息，其中第一用户身份信息指示第一用户基于交互内容与第二用户进行交互时的身份；以及以第一用户身份信息指示的身份将交互信息发送至第二终端设备。从而达到了服务器可以根据用户的不同需求对用户的多个身份信息进行隔离的技术效果。进而解决了现有的交互平台无法根据用户的不同需求将用户的多个身份进行隔离，进而造成用户的隐私受到侵犯的问题出现的技术问题。

摘要： 本发明实施例公开一种交互信息获取方法、交互信息设置方法及用户终端、系统，包括：目标用户终端在预设虚拟地图中检测到目标POI标识存在触发操作时，目标用户终端基于交互应用获取当前的第一位置信息，获取目标POI标识对应的第二位置信息，并检测第一位置信息和第二位置信息的距离差值；距离差值满足预设距离范围时，向交互服务器发送携带有目标POI标识的交互信息请求；交互服务器获取目标POI标识对应的交互信息，将交互信息发送至目标用户终端；目标用户终端对交互信息进行输出显示。采用本发明，提升查看POI的相关信息的效率，同时还可以丰富对POI信息查看的方式以及POI所展示的内容，提高与用户终端间的交互性。

摘要： 本发明提供一种基于左右信息熵和互信息的新词发现方法以及装置，方法包括：从文本中选择设定规则的语句数据，并进行处理，得到处理数据；将处理数据进行分词操作，得到分词数据；根据分词数据建立字典树；基于字典树，并根据互信息和信息熵从分词数据中获取新词，并进行存储；可以提高信息存储效率以及检索的准确性，提高办公效率。

摘要： 本发明公开了一种基于互信息的属性异构信息网络无监督网络表示学习方法，根据预设的节点类型和元路径在原始属性异构信息网络中提取出多视角网络，分别对每个单视角网络训练一个编码器，训练时采用基于互信息的无监督学习方法进行，且损失函数综合考虑每个视角节点表示和全局表示的互信息，在学习得到每个视角的节点表示矩阵后，利用互信息计算出每个视角的重要性得分，根据重要性得分将每个视角的节点表示矩阵进行加权求和，得到最终的节点表示矩阵。本发明综合考虑了网络结构信息、节点属性信息、异构信息网络之间不同边的交互作用以及节点在不同视角网络中的重要性，可以有效提高节点表示的准确性。