信息增益

摘要： 针对当前基于特征加权的模糊支持向量机(FSVM)只考虑特征权重对隶属度函数的影响,而没有考虑在样本训练过程中将特征权重应用到核函数计算中的缺陷,提出了同时考虑特征加权对隶属度函数和核函数计算的影响的模糊支持向量机算法——双重特征加权模糊支持向量机(DFW-FSVM)。首先,利用信息增益(IG)计算出每个特征的权重;然后,在原始空间中基于特征权重计算出样本到类中心的加权欧氏距离,进而应用该加权欧氏距离构造隶属度函数,并在样本训练过程中将特征权重应用到核函数的计算中;最后,根据加权的隶属度函数和核函数构造出DFW-FSVM算法。该方法避免了在计算过程中被弱相关或不相关的特征所支配。在8个UCI数据集上进行对比实验,结果显示DFW-FSVM算法的准确率和F1值较5个对比算法(SVM、FSVM、特征加权SVM(FWSVM)、特征加权FSVM(FWFSVM)、基于中心核对齐的FSVM(CKA-FSVM))中的最好结果分别提升了2.33和5.07个百分点,具有较好的分类性能。

摘要： 为了验证用户对项目评分时所处的上下文环境是否会对用户的偏好产生影响,基于矩阵过程的马尔科夫分解方法,提出了一种基于上下文的流式推荐算法(streaming recommendation algorithm based on context,C-SRA),该方法可以从嘈杂的上下文中有效选取与评分相关的上下文信息,并将选取的上下文信息分为主观上下文和客观上下文两类。基于LDOS-CoMoDa数据集的两组对比实验显示,C-SRA算法无论是评分预测性能还是推荐性能均优于其他对比算法。

摘要： 机器学习中的决策树算法具有重要的数据分类功能,但基于信息增益的ID3算法与基于基尼指数的CART算法的分类功效还值得提高。构造信息增益与基尼指数的自适应集成度量,设计有效的决策树算法,以提升ID3与CART两类基本算法的性能。分析信息增益信息表示与基尼指数代数表示的异质无关性,采用基于知识的加权线性组合来建立信息增益与基尼指数的融合度量,开发决策树启发构造算法IGGI。关于决策树,IGGI算法有效改进了ID3算法与CART算法,相关数据实验表明IGGI算法通常具有更优的分类准确度。

摘要： 根据2019年7—12月我国大陆秋刀鱼(Cololabis saira)渔船生产数据,对秋刀鱼渔场与水温垂直结构的关系进行了分析。首先,运用信息增益技术(IGT)分析了影响CPUE的6个水温因子,各因子按影响大小排序依次是12.5 m水层温度(T_(12.5))、0~12.5 m水温的垂直梯度(△_(T0-12.5))、12.5~37.5 m水温的垂直梯度(△_(T12.5-37.5))、海表面温度(T_(0))、37.5~62.5 m水温的垂直梯度(△_(T37.5-62.5))和37.5 m水层温度(T_(37.5))。然后,用频度分析的方法确定了影响秋刀鱼渔场分布的六个水温因子的适宜范围,分别是:T_(12.5)为7~12°C,△T_(0-12.5)为(1~3)×10^(-2)°C/m,△T_(12.5-37.5)为(3~4)×10^(-2)°C/m,T_(0)为10~16°C,△T_(37.5-62.5)为(2~3)×10^(-2)°C/m,T_(37.5)为6~10°C。研究结果显示12.5 m水层温度(T_(12.5))比海表面温度(T_(0))对秋刀鱼渔场的分布有更大的影响,以后应加强研究12.5 m水层及其附近水层温度与秋刀鱼渔场的关系。

摘要： 用电数据涉及客户隐私,在分发共享过程中存在泄露风险,数字水印是实现泄露溯源追责的有效手段。而水印植入将导致数据偏移,影响数据分析可用性,且部分数据泄漏时溯源效果不够理想。本文提出一种基于子水印和属性筛选的用电数据泄露溯源算法WRTA,该方法通过利用信息增益率和基尼系数计算数据属性的重要程度,通过密钥和主键随机选择非重要属性来构建子水印,并且兼顾数据分析可用性和安全性,实现部分数据泄露的溯源。

摘要： 搜索引擎中的增量式搜索服务通过发送实时请求为用户更新建议列表。针对搜索加密流量存在的信息泄露,该文提出一种面向中文搜索的侧信道分析方法,利用搜索请求数据包长度增量和时间间隔的可区分性,构建了3阶段的分析模型以实现对用户输入查询的识别。实验结果表明,该方法在4个常用中文搜索引擎中的识别性能均达到理论量化值,对包含1.4×10^(5)查询监控集的综合识别准确率达到76%。最后通过评估4种针对性的缓解机制,证明了通过阻断信息泄露来源可有效防御侧信道分析。

摘要： 针对基于信息增益与皮尔森相关系数的特征选择算法FSIP(feature selection based on information gain and Pearson correlation coefficient)存在的特征子集选取需要人工参与的问题,提出基于可辨识矩阵的完全自适应2D特征选择算法DFSIP(discernibility based FSIP).DFSIP算法完全自适应地发现特征子集,每次选择当前特征中最重要的一个特征,并以此特征约简可辨识矩阵,剔除冗余特征,最终自适应地获得最优特征子集.依据最优特征子集构建K-ELM分类器来评价最优特征子集的类别辨识能力.在基因数据集的实验测试以及与FSIP,mRMR,LLE Score,DRJMIM,AVC,AMID算法的实验比较和统计重要性检测表明:DFSIP算法能够自动选择出辨识能力更强的特征子集,基于此特征子集的分类器具有很好的分类性能.

摘要： 心电图(ECG)数据通常包含多种病症,而ECG诊断是一个典型的多标签分类问题。在多标签分类方法中,RAKEL算法将标签集随机分解为若干个大小为k的子集,并建立LP分类器进行训练;然而由于没有充分考虑标签间的相关性,LP分类器中容易产生一些标签组合所对应样本稀少的情况,从而影响预测性能。为了充分考虑标签间的相关性,提出一种基于贝叶斯网络的RAKEL算法BN-RAKEL。首先利用贝叶斯网络找到标签间的相关性,确定候选标签子集;然后对每个标签采用基于信息增益的特征选择算法确定其最优特征空间,并针对每个候选标签子集利用最优特征空间相似性来检测其相关程度,以确定最终的具有强相关性的标签子集;最后在标签子集的最优特征空间上训练LP分类器。在实际的ECG数据集上,与多标签K近邻(ML-KNN)、RAKEL、CC和基于FP-Growth的RAKEL算法FI-RAKEL进行对比,结果显示所提算法在召回率和F-score上最少提高了3.6个百分点和2.3个百分点。实验结果表明,BN-RAKEL算法有较好的预测性能,能有效提升ECG诊断的准确性。

摘要： 为解决ID3算法在构建决策树时偏向于选择取值较多的属性为分支节点的问题,提出一种控制属性偏向程度的数据分类方法。该分类方法通过修正的信息增益和属性偏向阙确定均衡系数,利用均衡系数对ID3算法得到的信息增益进行优化,根据优化信息增益得到决策树的根节点、分支节点,对属性进行分类,构建决策树。通过实例证明该分类方法可以实现对多值偏向的控制,避免选择取值较多的属性为分支节点,提高预测的准确率和算法的效率。

摘要： 为了有效地检测网络攻击行为,提高网络安全水平,提出一种基于随机森林的网络异常流量检测方法。该方法能够从海量的数据流量中高效、准确地检测出异常流量,及时发现并阻断网络攻击行为。将随机森林算法与决策树、支持向量机等经典分类器从正确率、精确率、召回率、F1度量以及训练预测耗时等指标进行对比,随机森林算法都优于其他分类器,具有出极好的检测效果。

摘要： 针对网络安全态势要素提取、约简、分类问题,文章对收集的网络数据,通过计算每个属性的信息增益约简,并通过信息增益设置权值,获得关联性强的态势因子.在朴素贝叶斯进行的安全态势因子分类中,对朴素贝叶斯算法进行了改进,加入了调控因子,提高了分类效果,并实现了对恶意攻击的检测.最后,用入侵检测数据集对改进的方法进行测试,并将得到的结果与传统的方法进行比较,得到了更好的效果.

摘要： 针对传统支持向量机在数据非均衡的情况下分类效果很不理想的问题,提出一种基于关键指标过采样的非均衡支持向量机分类算法.依据信息增益理论确定样本的关键指标,建立了基于区间数的关键指标扩展方法,利用超立方体顶点采样方法对扩展后的样本进行了过采样,进而使少数类样本的数量得到均衡;最后建立SVM分类模型并对区间化指标进行寻优,进而确定最终分类结果.实验结果表明,所提出算法相对其他非均衡算法能有效提高分类性能,尤其样本指标较多的情况下,本文算法优势更为明显.

摘要： 以防空导弹作为装载平台的多功能制导雷达技术研究目前属于研究空白.本文针对弹载多功能制导雷达大空域搜索问题,分析了高速平台下雷达常规搜索方法的不足,提出了一种基于信息增益的雷达搜索方法,仿真表明能够满足弹载雷达对搜索时间和搜索概率的需求.

摘要： PE文件本身就含有可以用来检测或者分类恶意软件的信息,但是尚不清楚有多少信息可以区分不同家族,以及是否不同的家族表现出不同的一致性.通常在PE文件特征提取时,都会采用通过计算原始特征集相应的信息增益来选择有区分度的n-grams特征子集,再结合其他特征来检测或者分类恶意软件信息,但是这种方法忽略了n-grams的时序特性.本文针对该问题,提出了将PE文件的时序特征与n-grams特征相结合的方法.实验表明将这两种方法相结合,比单纯使用n-grams在准确度上有极大的提升.该方法是n-grams的一种加强,可以结合其他特征来提升分类的准确度.

摘要： 本文提出了一种新型的含有金属通孔的双层传输阵列天线结构,传输单元由两层含有缝隙的正方形金属贴片组成,两层之间由四个垂直金属通孔连接,通孔同时对两个贴片进行耦合,这种结构可以实现更为平滑的360度相位变化.根据此单元设计了一个工作在22GHz的传输阵列天线,并利用HFSS软件进行建模优化,仿真结果表明在中心频段处天线的口径效率为31.4％,增益可达到25.9dBi.整个天线阵列口径的厚度为0.17λ0,缩减了传输阵列天线的纵向尺寸.

摘要： 本文提出了一种新型的含有金属通孔的双层传输阵列天线结构,传输单元由两层含有缝隙的正方形金属贴片组成,两层之间由四个垂直金属通孔连接,通孔同时对两个贴片进行耦合,这种结构可以实现更为平滑的360度相位变化.根据此单元设计了一个工作在22GHz的传输阵列天线,并利用HFSS软件进行建模优化,仿真结果表明在中心频段处天线的口径效率为31.4％,增益可达到25.9dBi.整个天线阵列口径的厚度为0.17λ0,缩减了传输阵列天线的纵向尺寸.

摘要： 本文提出了一种新型的含有金属通孔的双层传输阵列天线结构,传输单元由两层含有缝隙的正方形金属贴片组成,两层之间由四个垂直金属通孔连接,通孔同时对两个贴片进行耦合,这种结构可以实现更为平滑的360度相位变化.根据此单元设计了一个工作在22GHz的传输阵列天线,并利用HFSS软件进行建模优化,仿真结果表明在中心频段处天线的口径效率为31.4％,增益可达到25.9dBi.整个天线阵列口径的厚度为0.17λ0,缩减了传输阵列天线的纵向尺寸.

摘要： 本文提出了一种新型的含有金属通孔的双层传输阵列天线结构,传输单元由两层含有缝隙的正方形金属贴片组成,两层之间由四个垂直金属通孔连接,通孔同时对两个贴片进行耦合,这种结构可以实现更为平滑的360度相位变化.根据此单元设计了一个工作在22GHz的传输阵列天线,并利用HFSS软件进行建模优化,仿真结果表明在中心频段处天线的口径效率为31.4％,增益可达到25.9dBi.整个天线阵列口径的厚度为0.17λ0,缩减了传输阵列天线的纵向尺寸.

摘要： 本文设计了一种高增益高效率Ka波段圆极化径向线缝隙天线(RLSA).利用短路探针从中心馈电使径向波导工作于径向TEM模;在上方金属层上蚀刻螺旋排布的圆极化缝隙对阵列实现圆极化辐射,调节缝隙耦合强度使口径场分布均匀实现高增益.为降低设计复杂度,提出阵列简化模型,并结合MATLAB和VBscript语言实现RLSA阵列在HFSS软件中自动建模,大大提高优化设计的效率.最终设计出中心频率为35GHz的左旋圆极化阵列,增益为30.61dBic,交叉极化为-40.07dB,口径效率约56.4％,辐射效率约73.4％,3dB增益带宽为7.7％,带宽内回波损耗小于-20dB,轴比优于0.5dB.该天线性能优良,具有广阔的应用前景.

摘要： 本文设计了一种高增益高效率Ka波段圆极化径向线缝隙天线(RLSA).利用短路探针从中心馈电使径向波导工作于径向TEM模;在上方金属层上蚀刻螺旋排布的圆极化缝隙对阵列实现圆极化辐射,调节缝隙耦合强度使口径场分布均匀实现高增益.为降低设计复杂度,提出阵列简化模型,并结合MATLAB和VBscript语言实现RLSA阵列在HFSS软件中自动建模,大大提高优化设计的效率.最终设计出中心频率为35GHz的左旋圆极化阵列,增益为30.61dBic,交叉极化为-40.07dB,口径效率约56.4％,辐射效率约73.4％,3dB增益带宽为7.7％,带宽内回波损耗小于-20dB,轴比优于0.5dB.该天线性能优良,具有广阔的应用前景.

摘要： 本发明实施例涉及一种基于信息增益的多雷达动态调节方法及装置，其中方法包括：S1、接收多部雷达的初始观测数据；S2、获取预先建立的观测融合模型，并根据所观测述融合模型，建立多雷达融合熵模型；S3、根据所述多雷达融合熵模型，计算多雷达信息增益；S4、对所述多雷达信息增益进行优化；S5、根据优化结果，调整多部雷达的雷达位置、每部雷达的参数以及观测数据的融合方法。本发明的方法及装置，通过最大化信息增益，实现雷达布站、参数和融合方法的联合自适应优化设计，从而更好地获取目标信息。

摘要： 本发明公开了一种基于信息增益率的室内AP聚类选取方法和设备。所述方法包括：在预先设置的室内定位区域中的指纹点处采集信号强度信息，构建指纹数据库；根据信号强度信息对AP进行分层，计算各区间层对于指纹点的信息增益率，根据信息增益率的高低对各个分层区间进行排序；针对排序后的分层区间中的AP，根据AP的信号强度矩阵的相关性系数进行聚类；根据聚类结果，在相应的类别中选择对应比例的AP作为室内定位的AP接入点。本发明通过对各个指纹点观测到的AP进行分层后聚类实现各个AP相关性的区分，能够有效的去除冗余AP与观测质量较差的AP，减少在线位置估计阶段系统的计算量，提高定位速度和精度。

摘要： 本发明公开了一种基于信息增益的水下无人机器人的并行融合定位方法，通过信息论中信息熵与信息增益的概念，结合分布式局部信息滤波方法，在每个主AUV节点中都嵌入局部无迹滤波器，局部信息滤波器利用各个AUV节点的局部多源观测信息，得到关于被测节点定位状态的局部无偏估计量；同时，加权融合方法以局部滤波信息增益为滤波优劣评价标准对所有局部后验估计进行融合，使全局后验估计结果以信息矩阵对后验估计均值加权的形式输出。本发明解决目前一般的通信协同方法难以匹配水声信号系统的问题。

摘要： 本发明公开了一种基于贝叶斯优化多重信息增益探索策略的机器人导航模型，属于移动机器人领域和人工智能领域。本发明基于ROS编程实现，设定一个带有里程计与RGB‑D相机等传感器的仿真机器人。首先，在候选点提取方法上采用融合前沿点聚类与可通行区域方式综合衡量提取；在候选点评估方法上利用改进的贝叶斯优化计算多重信息增益，综合考虑地图熵值与距离成本，进而选取最佳候选点，避免机器人在环境中不断走重复的路径。本发明在ROS操作系统中利用gazebo进行仿真实验验证，利用RGB‑D信息构建二维栅格地图与八叉树地图，移动机器人可以利用较少的步数快速有效的探索未知环境，高质量完成建图任务。

摘要： 本发明属于图像超分辨率技术领域，公开了一种基于信息增益注意力机制实现图像超分辨率方法、系统及介质，采集高分辨率图像，对采集的高分辨率的图像进行下采样得到对应低分辨率图像，并构建训练数据集；构建基于信息增益注意力机制的超分辨率网络，并使用残差块输入前和输入后的特征图之间的差分构建信息增益；利用构建的训练数据集训练基于信息增益注意力机制的超分辨率网络；将任意大小的低分辨率图像输入到训练好的基于信息增益注意力机制的超分辨率网络，进行特定倍率的超分辨率。本发明提升了超分辨率图像的质量，运行效率更高，因此具有较强的泛用性，可应用到各个有需求的领域。

摘要： 一种最大化测量信息增益的接收站路径优化方法，采用扩展卡尔曼滤波方法进行目标状态估计，采用CRLB矩阵的迹表征“测量信息增益”，同时利用“最大化测量信息增益”准则进行信号接收站路径优化，通过增大测量信息增益，减小目标状态估计误差，从而提升目标状态估计性能，用于提升双基站无源协同定位系统获取测量信息增益，从而提升对监测区域内目标动力学状态估计精度，达到持续稳定且高效跟踪目标的效果。

摘要： 本发明涉及心肺耦合关系分析的技术领域，公开了一种基于信息增益的心肺耦合关系分析方法，包括：采集人体的心电信号和呼吸信号，形成心电信号序列和呼吸信号序列，分别对采集得到的心电信号序列和呼吸信号序列进行预处理；利用变步长的自适用滤波算法对预处理后的心电信号序列和呼吸信号序列进行滤波处理；对滤波后的心电信号序列和呼吸信号序列进行经验模态分解；对分解后的心电信号序列和呼吸信号序列进行信息增益计算。本发明所述方法通过对心电信号序列以及呼吸信号序列进行经验模态分解，对分解后的信号序列进行信息增益计算，信息增益越小，则说明心肺耦合关系越强，从而实现心肺耦合关系分析。

摘要： 本发明属于隐写检测特征选取技术领域，特别涉及一种基于失真度和信息增益比的隐写检测特征选取方法及装置，该方法首先，利用失真度和信息增益比度量每个隐写检测特征分量在载体图像和载密图像之间的差异；然后，分别对每个隐写检测特征分量的失真度值和信息增益比值降序排列；接着，根据两个排列的列号，删除排列顺序差异较大的隐写检测特征分量；最后，将保留下来的隐写检测特征分量作为最终选取的隐写检测特征进行训练和检测。该方法在保持甚至提高载密图像检测精度的同时，能够有效地降低DCTR特征维数，从而降低检测载密图像的时空复杂度。

摘要： 本发明公开了基于信息增益与改良信赖域算法的模拟航天环境下个体精神状态的评价及预测方法，属于计算数学与航天技术领域。首先使各参与者熟悉头戴显示器与模拟航天环境；随后进行实验任务，每次分别改变参与者身体的倾斜角度、虚拟乘员舱的色彩，采集小球追踪正确率数据及交互问卷调查数据；接着，将不同类别问卷与小球追踪正确率的信息增益比等比例放缩以确定不同类别问卷问题的权重，并加权得出每种指定状态下参与者的精神状态；最后，进行连续化拟合并运用改良信赖域算法进行最优预测，以得到乘组成员处于最佳精神状态时对应的身体倾斜角度与环境色彩。本发明融合评价算法、优化算法等数学方法及人机交互方法，为人脑认知功能研究提供了精确的研究手段。

摘要： 本发明涉及一种基于信息增益的高光谱数据光谱指数提取方法，包括步骤：(1)样本数据的获取、预处理；(2)利用波段替换构建同公式不同波段组合的多个类似光谱指数形式，计算各光谱指数形式下不同类的光谱指数；(3)计算光谱指数在其类中的信息增益：先根据光谱指数在各类中取值的连续性划分节点，计算各划分节点的信息熵，根据信息熵计算信息增益，选择信息增益最大的划分点作为最优划分点，该划分点的信息增益作为光谱指数形式a的信息增益；(4)计算各光谱指数的信息增益，取最大值所对应的光谱指数为最优分类光谱指数。该方法能够有效的扩充光谱指数的形式和组合方法，能够从大量光谱指数和波段组合中快速地筛选出最优的分类指数。