非k积态基于Sandwiched Renyi相对熵的关联测度

在量子信息理论中,Sandwiched Renyi相对熵具有极其重要的应用价值。该研究给出多体复合系统非k积态基于Sandwiched Renyi相对熵的关联测度,同时证明了其满足量子关联度的一些必要性质,包括非负性,酉不变性,在完全正的保迹线性映射下的单调性,联合凸性以及在非相干辅助子系统影响下的不变性。

平稳小波域多尺度乘积下的指数Renyi熵自动阈值选择方法

受目标和背景的大小比例、噪声或者随机细节等因素影响,灰度图像的灰度直方图可能呈现出无峰、单峰、双峰或者多峰模式。为了在统一框架内处理这4种不同直方图模式下的自动阈值选择问题,提出了一种平稳小波域多尺度乘积下的指数Renyi熵自动阈值选择方法。该方法首先利用平稳小波对原始图像进行水平、垂直和对角方向的多尺度变换,再对各个方向的高频子带进行多尺度乘积运算构造出融合图像;然后通过内外轮廓图像对融合图像进行采样重构一维直方图;最后计算重构直方图所对应的指数Renyi熵,并取最大值对应的阈值作为最终分割阈值。提出的方法与4种自动阈值分割方法、2种聚类分割方法以及2种活动轮廓分割方法进行了比较。在16幅合成图像和50幅真实世界图像上的实验结果表明:在合成图像集中,相比于分割精度第2的方法,平均马修斯相关系数提高了41.2%;在真实世界图像集中,相比于分割精度第二的方法,平均马修斯相关系数提高了20.8%。提出的方法具有更稳健的分割适应性,且在分割精度方面明显优于其他8个分割方法。

SDN中基于Renyi交叉熵和RMSprop算法的双层DDoS识别模型

针对软件定义网络(SDN)中存在的DDoS攻击,提出了基于Renyi交叉熵和RMSprop算法的DDoS识别模型。首先,引入计算双向流比例作为检测模块的初检方法,降低常态化监控负荷的同时,能够及时发现异常流量;然后,引入Renyi交叉熵算法作为识别模块流量特征相似性定值计算方法,有效扩大异常与正常流量数据间的信息距离,对DDoS初期小流量攻击,可以更早地识别;最后,识别模块引入RMSprop算法计算当前网络阈值,可以吸收瞬时突变,进一步提升识别准确性。实验结果表明,该模型具备时间开销低、识别成功率高的特点,可以有效地增加SDN的安全性。

基于Renyi熵的文本情感分析

为了能够通过文本语句的关键词理解整个语句的褒贬含义,提出一种改进型Renyi熵,通过对所抽取的文本关键词可能涵盖的不同词性的褒贬程度进行分析,有效地对该语句的褒贬进行分类。该方法使得文本褒贬识别方式接近于人类思维方式,与其他几个现有的模型相比,其褒贬的分类准确度和精确度均有所提高。同时,该方法也为文本情绪分析领域的研究提供了新思路。

二维直线型Renyi熵阈值分割方法

考虑到噪声对图像的影响,提出了二维直线型Renyi熵阈值分割方法,由于二维方法的运算量太大,给出了二维直线型Renyi熵方法的快速递推公式。实验表明,对于噪声图像二维直线型Renyi熵阈值法可以获得比传统二维Renyi熵更好的分割结果。

三维最大Renyi熵的灰度图像阈值分割算法

针对现阶段的阈值分割算法(如最小误差法、Otsu法、Renyi熵法等)在灰度、邻域均值或中值构成的二维或三维直方图上进行分割而造成的误分和低抗噪性等问题,提出了一种基于灰度、邻域均值和邻域加权中值三维直方图的最大Renyi熵阈值分割算法。相比目前多种阈值分割算法,新加入的邻域加权中值既能很好地过滤噪声,又能保留一定的图像边缘细节。经过对多幅图像的实验表明,该方法无论在精度上还是抗噪性上都有明显提升。

一种结合纹理信息的三维Renyi熵阈值分割算法

充分利用图像空间邻域信息,引入均值-中值-梯度共生矩阵模型,并结合Renyi熵相关理论,提出一种结合纹理信息的三维Renyi熵阈值分割算法.同时给出了该方法的快速递推公式,有效的节省了计算时间与存储空间.实验结果表明,与现有分割算法如最大类间方差法、最小误差法、最大熵法和灰度-梯度法相比,本方法的分割效果更为理想,即使对于低对比度、低信噪比的目标,本文算法也更具鲁棒性.

基于分解的二维Renyi灰度熵的图像阈值分割

针对传统二维Renyi熵阈值法的高计算复杂性,提出一种新的基于分解的二维Renyi灰度熵阈值分割方法。该方法通过求解两个一维Renyi灰度熵阈值替代二维Renyi灰度熵的最佳阈值,理论上证明当满足一定条件时,两者等价;同时将计算复杂度由O(L4)降到O(L),所耗时间约为传统二维Renyi熵算法的1/10000。

改进的二维Renyi熵图像阈值分割

提出一种基于灰度-梯度信息二维Renyi熵图像阈值分割新方法。首先,由图像灰度值和梯度值构造出二维直方图,在此基础上计算目标和背景区域的二维Renyi熵,并使此熵值函数最大,得到分割阈值。像素梯度信息和Re-nyi熵可调参数相结合,可以处理更多类型的图像,同时分割得到的图像内部更均匀,边界形状更准确。

基于EEMD-Renyi熵和PCA-PNN的滚动轴承故障诊断

针对滚动轴承故障特征提取与状态监测问题,提出一种基于集合经验模式分解(EEMD)、Renyi熵、主元分析(PCA)和概率神经网络(PNN)的新方法.首先,将轴承振动信号通过EEMD分解成一组本征模态函数(IMF),计算每个IMF分量的Renyi熵值作为表征故障特征的向量,采用主元分析(PCA)对特征降维,提取主元输入概率神经网络进行故障分类.通过SKF6203轴承的正常、内圈点蚀、外圈点蚀和滚动体点蚀这4类状态的诊断实验验证了方法的有效性,诊断正确率为91.7%.

灰度图像的模糊Renyi熵多级阈值分割方法

为克服Renyi熵阈值化方法在处理图像固有模糊特性上的不足,基于模糊集理论,提出一种有效的图像多级阈值化方法。把图像转换到模糊域,定义分割区域的模糊Renyi熵,然后应用最大熵原理对图像实施阈值分割。另外,在方法实现中采用差分演化算法搜索最佳阈值,以提高计算效率。在合成及真实图像上的实验结果表明了提出方法的有效性,同时,运用差分演化算法使方法满足图像分割时间性能需求。

基于二次Renyi熵的正则化互信息特征选择方法

提出了一种基于二次Renyis熵的正则化互信息特征选择方法,该方法能高效地对互信息进行估计从而使计算复杂度大大降低。同时把正则化互信息特征选择方法与嵌入式方法相结合得到一个两段式特征选择算法,该算法可以找出更具特征的特征子集。通过实验比较了该方法与其他基于互信息的特征选择算法的效率与分类精度,结果表明该方法能够有效改善计算复杂度。

一维Renyi熵阈值法中参数的自适应选取

提出了一种自适应选取一维Renyi熵阈值分割法中参数α的方法.该方法以一种图像分割质量评价指标-均匀性测度为适应度函数,利用粒子群算法在参数空间进行优化搜索,从而可以根据具体的图像获得合适的参数,得到最佳的图像分割阈值.结果表明:一般情况下,可以(0,1)范围内搜索最优的α值;当需要更好的分割效果时,可在(0,10)范围内搜索最优的α值.

基于RENYI熵的水声信道判决反馈盲均衡算法研究

在水下通信系统中,为了抑制由多径效应产生的严重码间干扰,必须进行信道均衡。针对传统的常数模判决反馈盲均衡(CMA-DFE)收敛速度较慢的问题,该文提出了一种基于RENYI熵的判决反馈盲均衡算法(RENYI-DFE)。该算法使用RENYI熵算法调节均衡器前向权向量,用CMA算法调节均衡器反馈权向量,与CMA-DFE相比,该算法在计算量增加很小的情况下,使得盲均衡算法的收敛速度显著增加。仿真结果证明了该算法的优越性。

基于样条函数Renyi熵的时间分集小波盲均衡算法

针对时间分集分数间隔判决反馈盲均衡算法(TD)计算量大、收敛速度慢的缺点,该文提出了一种基于样条函数Renyi熵的时间分集小波盲均衡算法。该算法直接把定义的样条函数Renyi熵作为代价函数用于TD的权向量更新,利用分数间隔获得更详细的信道信息;由正交小波变换降低输入信号的自相关性,以加快收敛速度;利用时间分集和判决反馈结构来降低多径衰落对通信质量的影响。水声信道盲均衡的仿真实验,验证了该算法的有效性。

基于二维Renyi交叉熵的刀具磨损图像分割

为了快速准确地完成刀具磨损检测系统中刀具磨损图像的分割,提出了分解的二维Renyi交叉熵刀具磨损图像阈值分割方法。首先引入Renyi交叉熵的定义,给出一维Renyi交叉熵阈值选取公式。然后推导出二维Renyi交叉熵阈值选取公式,并采用快速递推公式来降低阈值选取准则函数的计算复杂度。最后提出了二维Renyi交叉熵的分解算法,将二维Renyi交叉熵的运算转化为两个一维Renyi交叉熵的运算,使算法的运算量从O(L4)降为O(L)。针对不同类型的刀具磨损图像的实验表明,所提出的方法与基于粒子群优化的二维最大Shannon交叉熵法、基于粒子群优化的二维Renyi熵法、二维最小Tsallis交叉熵法相比,在分割效果和运行速度上均具有很大优势。

引入Renyi熵的正交小波盲均衡的快速算法

把一种最新的基于Renyi熵的随机梯度最陡下降的盲均衡算法引入到正交小波CMA盲均衡(WBCMA)中,使得正交小波盲均衡算法的收敛速度显著增加,而计算量却增加很少.

基于五帧差和二维Renyi熵的运动目标检测

针对传统帧间差分法存在的不足,提出改进五帧差分法和二维Renyi熵阈值分割法相融合的运动目标检测算法。该算法充分考虑视频序列帧间的时空相关性,利用改进五帧差分法对预处理后的视频图像序列进行差分运算,以提取运动目标的帧间时间相关性;将得到的差分序列使用二维Renyi熵阈值分割法分割处理,以获取运动像素与同帧周围像素的空间相关性。该算法避免了五帧差分法轮廓提取的空间信息丢失,克服了二维Renyi熵阈值分割法容易忽略运动像素的时间信息,从而提升了运动目标检测的完整性。实验结果表明,该算法能够更准确地检测出运动目标,具有较好的鲁棒性和有效性。

红外人体图像模糊Renyi熵快速分割

针对红外人体图像目标与背景对比度低、边缘模糊、细节分辨能力差等特点,以及通常情况下的实时性处理要求,提出了一种新的有效分割方法。基于Renyi熵原理,构造了一种广义模糊熵——模糊Renyi熵;为了较快地获得分割阈值,基于混沌理论设计了一种混沌模拟退火算法,用于最佳分割阈值的搜索;把提出的模糊熵与混沌模拟退火算法相结合用于红外人体图像分割,并与几种著名的图像阈值分割方法进行了比较。实验结果表明,用该方法对红外人体图像进行分割,能得到较满意的分割结果,与其他方法相比,鲁棒性较好;对具有256级灰度的图像进行分割,其CPU耗时约为0.8s,满足了红外人体图像分割的精确、实时性要求。

利用混沌布谷鸟优化的二维Renyi灰度熵图像阈值选取

为了进一步降低现有的Renyi熵阈值法的计算复杂度,提出了基于混沌布谷鸟算法和二维Renyi灰度熵的阈值选取。首先,引入一维Renyi灰度熵阈值选取公式,建立基于像素灰度和邻域梯度的二维直方图,推导出基于该直方图的二维Renyi灰度熵阈值选取公式,通过快速递推公式来减少阈值准则函数的计算量;最后,采用混沌布谷鸟算法搜索最优阈值来完成图像分割。结果表明,与二维Arimoto熵法、基于粒子群的二维Renyi熵法、基于混沌粒子群的二维Tsallis灰度熵法、基于布谷鸟算法的二维Renyi灰度熵法相比,所提出的方法能够准确实现图像分割,且运算速度有所提升。