信息损失

摘要： 对社交网络中的用户数据进行数据分析与挖掘时存在隐私泄露的风险,针对此问题提出一种基于K-匿名的社交网络隐私保护方法。通过形式化定义社交网络的社交网络图,分析得出社交网络图中可能会存在涉及用户隐私的元素。根据网络图结构点、边等信息泄露风险,基于K-匿名和全同态加密对社交网络图中的用户个人信息和传播的数据进行隐私保护,恶意敌手无法通过准标识符匹配的方式进行攻击。通过对方案效果的分析进一步说明了方案的安全性和有效性。

摘要： 基于聚类的k-匿名机制是共享数据脱敏的主要方法,它能有效防范针对隐私信息的背景攻击和链接攻击。然而,现有方案都是通过寻找最优k-等价集来平衡隐私性与可用性.从全局看,k-等价集并不一定是满足k-匿名的最优等价集,隐私机制的可用性最优化问题仍然未得到解决.针对上述问题,提出一种基于最优聚类的k-匿名隐私保护机制.通过建立数据距离与信息损失间的函数关系,将k-匿名机制的最优化问题转化为数据集的最优聚类问题;然后利用贪婪算法和二分机制,寻找满足k-匿名约束条件的最优聚类,从而实现k-匿名模型的可用性最优化;最后给出了问题求解的理论证明和实验分析.实验结果表明该机制能最大程度减少聚类匿名的信息损失,并且在运行时间方面是可行有效的.

摘要： 为了减少数据发布时的信息损失,针对基于聚类的数据发布匿名方案数据可用性较低等问题,文中提出了一种基于混合聚类的k-匿名数据发布算法。相对于传统的单一聚类方法,该算法将密度聚类和划分聚类相结合,依据数据集的密度特征选取初始聚类中心点,利用划分聚类进行迭代实现最优聚类。此外,该方法剔除了数据集中的部分离群点噪声,减小了其对聚类结果的影响。针对混合型数据记录,采用k-means和k-modes结合的距离度量方式,引入桶泛化算法,减少了泛化操作造成的信息损失。实验结果表明,相较于现有方法,基于混合聚类的k-匿名数据发布算法能够有效降低数据匿名的信息损失,提高数据发布的质量。

摘要： 针对现有的匿名方案往往较少考虑离群数据的敏感问题以及信息损失与时间效率的最优化问题,提出一种基于约束聚类的k-匿名隐私保护方法.通过K近邻思想划分初始集群,根据设定的阈值δ将集群进行重新划分,划分过程始终遵循信息损失最小化原则,得到每个等价类元组数都在k与2k之间,过程中分类考察准标识符属性并充分考虑离群点对聚类结果的影响,有效降低匿名过程中的信息损失.实验结果表明,该方法有效节省了执行时间并降低了信息损失.

摘要： 特征选择是处理高维大数据常用的降维手段,但其中牵涉到的多个彼此冲突的特征子集评价目标难以平衡.为综合考虑特征选择中多种子集评价方式间的折中,优化子集性能,提出一种基于子集评价多目标优化的特征选择框架,并重点对多目标粒子群优化(MOPSO)在特征子集评价中的应用进行了研究.该框架分别根据子集的稀疏度、分类能力和信息损失度设计多目标优化函数,继而基于多目标优化算法进行特征权值向量寻优,并通过权值向量Pareto解集膝点选取确定最优向量,最终实现基于权值向量排序的特征选择.设计实验对比了基于多目标粒子群优化算法的特征选择(FS_MOPSO)与四种经典方法的性能,多个数据集上的结果表明,FS_MOPSO在低维空间表现出更高的分类精度,并保证了更少的信息损失.

摘要： 在我国水资源约束日益严重的背景下,选取我国31个省市2005—2017年的面板数据,运用水贫困指数(Water Poverty Index,WPI)模型构建水贫困评价指标体系,进行水贫困的时空差异分析.结果显示:首先,2005—2017年我国整体水贫困指数呈上升趋势,其中宁夏、天津的水贫困指数较低,而广东、江苏的水贫困指数较高(水贫困指数越高,水安全程度越高);其次,水资源丰富且用水能力较强的长江中游区域水贫困指数明显高于其他区域,东部、南部、大西南及东北属于第二梯队,而黄河中游、北部及大西北的水贫困指数则低于全国平均水平;最后,基于泰尔指数的水贫困时空差异分析表明,地区内部差异是造成我国各省市水贫困差异的主要原因.因此,在保障我国水安全战略和实现可持续发展目标的宏观背景下,亟需通过资源、途径、能力、使用和环境五个维度改善区域水资源系统状态,减少区域内部各个省市之间的水贫困差异,从而提升我国水安全水平.

摘要： 随着互联网技术的迅速发展,社会进入了大数据时代。数据不仅类型多种多样,结构错综复杂还具有动态变化的特点。如何从海量数据中快速获取有价值的信息是当前亟待解决的问题。粗糙集是一种处理数据不确定性的数据评价方法。属性约简是粗糙集理论的一个重要核心应用。本文将围绕属性约简后信息损失量进行研究,从而找寻一种属性约简算法,在约简后既能保持数据分类准确率较高且信息损失较少。本文借助知识粒度的概念和约简算法,引入联合粒度,并将其运用到属性约简过程,进一步得出基于联合粒度属性约简算法。然后运用其算法对决策表系统进行约简,得出该算法在保持分类准确率不变的情况下,其信息损失量降至较低。最后通过UCI数据集进行仿真实验探究,从而验证了该方法的准确性和有效性。

摘要： 异构领域自适应(HDA)的主要目的是借助源域的知识,辅助处于不同特征空间中目标域的数据进行建模.异构领域自适应一个核心的问题是如何在领域适配过程中有效保持原始数据的信息,减少因为特征变换导致的信息损失,提出了一个联合信息保持算法(JIP)来解决上述问题.所提算法通过两方面来保持原始数据的信息:一方面,在异构领域自适应场景中,两个领域之间通常存在大量配对样本,所提算法通过最大化配对样本之间的相关性来保持这种配对信息.另一方面,所提算法优化了结构信息保持策略,同时保持了原始数据的局部结构信息和全局结构信息.最终,将联合信息保持和分布匹配整合在一起,从而实现异构领域自适应.实验结果表明,所提算法较之于先进的异构领域自适应算法有明显优势.

摘要： 卷积神经网络因具有强大的表征能力而被广泛用于图像处理算法,但其在处理过程中存在耗时和信息损失等不足.为此,提出一种基于非对称空间金字塔池化模型的卷积神经网络结构.设计非对称金字塔池化方法融入立体匹配网络,以获取更详细的图像特征信息.分别叠加卷积核为3×3和1×1的卷积层,用于融合多尺度信息和提升网络收敛速度,同时将网络结构由4层增加至7层,以提高匹配精度.在KITTI和Middlebury数据集上进行视差预测,实验结果表明,与基准网络相比,该网络结构可使收敛时间缩短约50.1％,匹配错误率从6.65％降低至4.78％,在立体匹配中获得更平滑的视差效果.

摘要： 本文针对获取的Pleiades卫星影像数据产品,利用相同范围的IKONOS影像对该数据产品的图像质量,及辐射分辨率改变后的影像信息损失情况进行了分析.研究结果表明:Pleiades数据动态范围较小,多光谱波段同步性较好,无像元距离差;辐射分辨率由16bit输出为8bit后,影像的可解译程度不受影响,可以将Pleiades影像输出为8bit后进行目视解译工作.

摘要： 首先考虑非线性回归模型中参数向量θ的M估计的用曲率表示的一阶随机展开式.在此基础上,求出θ的Huber形式的M估计的信息损失.

摘要： KACA算法是一种较好的基于局部重编码的k-匿名化算法，它产生的匿名化微数据的信息损失少，数据可用性高．但该算法的效率低，不适合匿名化规模很大的微数据．为解决该问题，将高效的聚类算法——c-mocles算法——与KACA算法结合，提出了c-mocles-KACA算法．该算法首先采用c-modes算法将整个数据集划分为较大的类，然后采用KACA算法来分别k-匿名化这些类中元组数大于2k-1的类.实验表明，c-modes-KACA算法产生的信息损失量与KACA算法相近，效率却比KACA算法高得多．

摘要： 本文指出了采用常见的阈值确定方法进行小波阈值去噪，存在着有用信息损失严重的问题，不利于信号特征的提取；揭示了出现上述问题的原因；提出了一种新型的基于先验知识的阈值确定方法，进一步提出了以小波去噪后特征频率分量的功率谱密度值的下降程度为依据的先验因子确定方法.运用上述阈值确定方法对含有较强高频分量的信号进行小波去噪后，信号拟关注的信息损失较小，去噪效果比较理想.实验表明，运用该方法对交-交变频器的输出电流进行小波去噪是行之有效的.

摘要： 在以往技术中，无法容易地取得两个以上的饲养对象的水中生物群的资产价值。能够通过资产价值输出装置，来容易地取得两个以上的饲养对象的水中生物群的资产价值，所述资产价值输出装置具备：水中生物群信息受理部，受理水中生物群信息，所述水中生物群信息包括与向作为两个以上的饲养对象的水中生物群供给的饵料相关的饵料信息、与饲养对象的尺寸相关的尺寸信息中的一个或者两个以上的信息；资产价值取得部，使用水中生物群信息，取得水中生物群的资产价值；以及资产价值输出部，输出资产价值。

摘要： 劳动生产率损失成本计算系统包括：就业信息存储部(21)，存储关于每个从业者的就业信息的数据；健康诊断结果存储部(22)，存储关于每个从业者的健康诊断的数据；压力检查结果存储部(23)，存储关于每个从业者的压力检查的数据；设定数据存储部(300)，存储设定数据；劳动生产率损失成本计算部(40)，根据就业信息存储部(21)存储的项目数据、健康诊断结果存储部(22)存储的项目数据以及压力检查结果存储部(23)存储的项目数据计算劳动生产率损失成本；以及输出部(50)，将已计算出的劳动生产率损失成本输出。

摘要： 压力损失决定装置(1)具有路径跟踪部(30)、配管信息管理部(50)和损失决定部(40)。路径跟踪部(30)从三维建筑物信息中提取应该配置配管的平面，对平面进行网格分割而分割成多个单元，设定作为配管的始点的始点单元和作为终点的终点单元。配管信息管理部(50)存储有表示流体在单元之间的压力损失值的损失信息(51)。损失决定部(40)检索通过从始点单元到终点单元的单元的连接而形成的多个配管路径，针对多个配管路径的各配管路径，使用损失信息(51)决定从始点单元到终点单元的压力损失值。

摘要： 本发明提供了一种损失分布计算系统，包括：频率分布/规模分布输入部分，用于输入关于频率分布和规模分布的信息；规模分布离散化部分，用于执行针对输入规模分布的上部离散化和下部离散化之一或者两者；子复合分布计算部分，用于在执行对所有事件的划分之后计算针对所有事件之外的部分的损失的累积和的概率值，以便计算上部子复合分布和下部子复合分布之一或者两者，上部子复合分布基于频率分布和上部离散规模分布进行计算，并且下部子复合分布基于频率分布和下部离散规模分布进行计算；精确度计算部分，用于基于上部子复合分布和下部子复合分布之一或者两者计算损失分布函数的上限和下限，基于上部子复合分布和下部子复合分布之一或者两者计算函数作为损失分布函数的近似值，并且计算近似值的精确度；以及损失分布输出部分，用于输出关于具有由关于所计算的精确度的信息表示的保证的精确度的损失分布函数的近似值的信息。

摘要： 本发明公开了一种基于有限元分析及地理信息的农村房产损失评估方法，改善了现有技术中洪灾损失率曲线的精确度有待提高的问题。该发明含有以下步骤，步骤1、模拟砌体房屋洪灾损伤过程；步骤2、拟合损失率曲线；步骤3、利用水动力软件模拟确定洪水影响范围及淹没水深；步骤4、评估淹没区内房屋价值；步骤5、计算洪灾房产损失。该技术通过有限元模拟对黄河下游农村地区砌体房屋在洪水中损伤过程展开了分析，对损失率数据进行拟合得到了连续的损失率曲线。与传统台阶式损失率曲线相比，该曲线以相对水深为自变量，能用于不同建筑高度的砌体房屋损失评估，具有更为广泛的适用性。

摘要： 本发明涉及光伏发电技术领域，具体地说，涉及基于光纤通信信息采集光伏电站发电量损失核定方法。其包括如下方法步骤：S1、对光伏电站的预测发电量和实际输电量进行初步对比，判断出故障的初步范围；S2、根据故障的初步范围，对光伏板实际发电量与实际输电量进行二次对比，该基于光纤通信信息采集光伏电站发电量损失核定方法中，通过预测发电量与实际输电量和实际发电量进行依次对比，使故障的范围逐渐进行缩小，并得到最终的故障源头，使工作人员根据故障源头来因对不同的检修工作，解决了电量损失监控并不能具体的判断出电量损失的源头，同时两者之间距离较远，导致工作人员在检修时需要耗费较长的时间。

摘要： 针对物理信息神经网络训练慢，收敛难的问题，从神经网络的损失函数进行设计，通过将损失函数进行分阶段设置的方法达到满足物理信息神经网络训练标准要求的同时完成对训练本身的加速。具体可分为：1)构建物理信息神经网络所需要的微分方程约束；2)将微分方程约束作为一阶段损失函数的设置值进行训练，直至loss下降到某一阈值；3)将二阶段损失函数设置为实际数据点与神经网络预测值的均方差值进行训练。通过合理对实际问题进行两阶段阈值的分配可以有效降低物理信息神经网络的训练难度，使得网络的收敛速度更快。

摘要： 本发明公布了一种基于互信息损失函数的无监督一锅式多帧图像去噪方法，属于图像处理技术领域。本发明在使用多帧图像数据进行训练之后，在面对新数据时，仅需要单张含噪图像即可完成去噪，同时本发明不需要任何干净图像作为标签，将多帧图像作为一个整体输入深度学习模型从而进行更加全局的学习和更加综合的噪声模式信息挖掘，与现有技术相比，本发明可以最充分地利用多帧含噪图像中隐含的交互信息。

摘要： 本发明公开了一种线性离散系统信源初值信息损失分析方法和系统，方法包括建立线性离散系统模型；基于线性离散系统模型，建立并优化线性离散系统最小信息损失动态状态估计的目标函数；结合线性离散系统的特性，对目标函数进行优化，输出状态初值信源损失函数模型；预设状态条件，对状态初值信源损失函数模型的信源初值信息损失进行分析；本发明基于线性离散系统最小信息损失动态状态估计模型，结合线性离散系统特性进行优化，得到状态初值信源损失函数；并针对线性离散系统的状态初值信源损失函数进行分析；本发明的推导过程对线性离散系统的信源损失的初值部分进行量化，方便根据最小信息损失状态估计模型研究线性离散系统的信源初值信息损失。

摘要： 本发明提供一种信道信息损失讨论的计算方法及系统，所述计算方法包括以下步骤：建立线性离散系统MIL的信源信道模型；依据信源信道模型建立MIL的动态状态估计模型，包括各时刻量测噪声的相关性和量测噪声的概率分布类型。本发明在实际运用中，结合线性离散系统的性质及一些基本假设，将已有的MIL状态估计模型进行简化，从信道信息损失方面进行讨论，并给出了常见多断面状态估计与MIL动态状态估计之间的关系，首先建立线性离散系统的信源信道模型，从而建立了MIL动态状态估计模型。