基于Renyi熵和ISSA-SVM的轴承故障诊断分析

在工业系统中,旋转机械的信号通常是非平稳的、非线性的,并且带有噪声干扰。为了提高异常检测分析的准确性,克服优化方法的局限性,提出了一种基于Renyi熵的滚动轴承故障诊断方法和一种基于飞行策略的改进麻雀搜索算法(ISSA)来优化支持向量机(SVM)。首先,小波包分析对原始信号进行分解,从分解后的频带中选取最佳频带进行重构,然后利用重构后的频带计算Renyi熵,形成特征向量,输入到具有动态逆向学习因子的麻雀搜索算法进行故障诊断。该方法提高了种群的多样性。通过采用飞行策略初始化种群,调整步长因子,避免了麻雀搜索算法陷入局部最优的问题。与灰狼优化算法和粒子群优化算法相比,麻雀搜索算法在故障诊断方面具有最高的准确性。三种算法准确率分别为88.89%、93.94%和96.97%。采用Lévy飞行策略对三种算法进行优化,ISSA-SVM的准确率最高达到99%,IPSO-SVM的准确率达到98%,IGWO-SVM的准确率达到95%。实验数据表明,利用Lévy飞行算法优化的麻雀搜索算法具有最高的故障诊断精度。因此,将Renyi熵与ISSA-SVM相结合提出的非线性故障诊断方法可行。

ReLFA:Resist Link Flooding Attacks via Renyi Entropy and Deep Reinforcement Learning in SDN-IoT

Link flooding attack(LFA)is a fresh distributed denial of service attack(DDoS).Attackers can cut off the critical links,making the services in the target area unavailable.LFA manipulates legal lowspeed flow to flood critical links,so traditional technologies are difficult to resist such attack.Meanwhile,LFA is also one of the most important threats to Internet of things(IoT)devices.The introduction of software defined network(SDN)effectively solves the security problem of the IoT.Aiming at the LFA in the software defined Internet of things(SDN-IoT),this paper proposes a new LFA mitigation scheme ReLFA.Renyi entropy is to locate the congested link in the data plane in our scheme,and determines the target links according to the alarm threshold.When LFA is detected on the target links,the control plane uses the method based on deep reinforcement learning(DRL)to carry out traffic engineering.Simulation results show that ReLFA can effectively alleviate the impact of LFA in SDN IoT.In addition,the rerouting time of ReLFA is superior to other latest schemes.

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。

Keystroke Dynamics Based Authentication Using Possibilistic Renyi Entropy Features and Composite Fuzzy Classifier

This paper presents the formulation of the possibilistic Renyi entropy function from the Renyi entropy function using the framework of Hanman-Anirban entropy function. The new entropy function is used to derive the information set features from keystroke dynamics for the authentication of users. A new composite fuzzy classifier is also proposed based on Mamta-Hanman entropy function and applied on the Information Set based features. A comparison of the results of the proposed approach with those of Support Vector Machine and Random Forest classifier shows that the new classifier outperforms the other two.

SDN环境下基于Renyi熵的低速率分布式拒绝攻击的检测

针对现在对低速率分布式拒绝攻击的研究不足,提出了一种在软件定义网络(SDN)环境下,利用Renyi熵来检测L-DDoS的方法.该方法首先在控制器上收集PACKET_IN数据包,然后基于目的 IP来计算Renyi熵,最后通过设定一定的阈值来检测异常流量.实验结果表明:相比于利用香农熵的检测方法,该方法通过调整一定目的 IP熵的阶数可以检测L-DDoS攻击流量从而降低误警率.

基于Renyi熵的LS-SVM财务困境预测模型

为了提高企业财务困境预测的正确率,减少训练模型的样本数和训练时间,在传统支持向量机预测模型的基础上,将Renyi熵和最小二乘支持向量机算法应用于财务困境预测,提出了一种基于Renyi熵的最小二乘支持向量机预测模型。独立推导出了适合财务困境预测这一离散序列的熵以及支持向量机核函数的表达式,同时,给出了这一改进算法的实现步骤。实验结果表明,该算法无论是训练样本的数量还是训练时间,都显著优于传统的最小二乘支持向量机以及标准支持向量机预测模型。

基于Renyi熵与PSO算法的图像多级阈值分割

在图像阈值分割方法中,Renyi熵法因其显著效能而得到大量应用.为了更好地发挥Renyi熵在图像分割中的应用,提出把Renyi熵法扩展到图像多级阈值化问题.然而,由于计算时间复杂度上的高要求,很难把这种有效的技术推广到复杂图像多级阈值化问题.为减少本方法的计算时间,应用粒子群优化算法实施最佳阈值的搜索.实验结果表明,本方法能有效地对图像进行多级分割,并且显著降低计算时间.

基于多尺度Renyi熵特征和LS-SVM混合模型的流型辨识

提出一种基于经验模式分解(EMD)多尺度Renyi熵和最小二乘支持向量机(LS-SVM)的流型辨识方法。该方法首先将采集到的差压波动信号进行EMD分解,得到自适应的不同频段内的分解信号。接着提取反应不同流型的多尺度Renyi熵特征向量。将此特征向量作为已经训练好的EMD和LS-SVM混合流型辨识模型的输入,从而实现流型的智能化识别。实验结果表明,这种方法对泡状流、塞状流以及弹状流等流型具有较高的辨识准确性。

基于Renyi熵的SDN自主防护系统

针对SDN架构下的常见网络异常行为,提出了一套基于Renyi熵的SDN自主防护系统,该系统可实现网络异常行为检测、诊断及防御。系统无须引入第三方测量设备,直接利用OpenFlow交换机流表信息。首先,通过计算和检测特征熵值,实现异常网络行为的检测。然后,进一步分析OpenFlow流表信息,实现异常行为的诊断。最后,实施防御控制措施,建立一套黑名单机制,将产生异常行为的主机加入黑名单,并阻塞相应的异常流量。为了验证系统的有效性,在Floodlight控制器上开发了原型。Mininet上的仿真实验表明,系统能够有效检测、诊断及防御网络中常见的异常行为,且具有较低的部署成本,增强了SDN的安全性。

基于Renyi熵的SPWVD时频参数优选研究

针对Wigner-Ville时频分析方法会产生交叉项干扰的问题,采用平滑伪Wigner-Ville时频分析方法,使用两个平滑窗分别在时间域和频率域来压制交叉项干扰。但是平滑伪Wigner-Ville时频分析需要根据不同信号的特征选择不同平滑窗的窗长才能保证信号的时频聚集性。提出以Renyi熵为目标函数的模拟退火算法来快速优选平滑窗长。并使用合成数据对该方法进行了测算和分析,结果表明该方法不但保留了Wigner-Ville时频分析方法的时频聚集性,还能准确有效地对信号进行分析处理,具有较高实用价值。

基于S变换和Renyi熵的舒张期心音信号分析

冠心病的无创诊断一直是学者研究的热点,近几年基于心音的冠心病诊断方法相继被提出。该文利用时频变换中的S变换对心音信号进行时频分析,在此基础上,用Renyi熵来度量舒张期心音信号的复杂度,以获取舒张期心音特征来区分正常信号与病理信号。实验结果表明,在S变换下,舒张期心音信号的Renyi熵能很好地区分正常人和冠心病患者。

基于Renyi熵和K-medoids聚类的轴承性能退化评估

滚动轴承性能退化评估是实现轴承剩余寿命预测和制定维修方案的基础,聚类分析作为数据挖掘的基本工具在故障评估中得到广泛应用。K-medoids聚类算法不易受极端数据影响,与隶属度函数相结合计算隶属度值作为故障指标可将故障程度大小表示在特定区间上,Renyi熵作为特征能很好地识别信号的微小变化。对滚动轴承振动信号进行小波包分解并降噪,将最优子带进行重构后计算Renyi熵,构成特征向量输入到K-medoids聚类模型中得到隶属度作为评价指标评估当前轴承性能状态,实现对故障的定量评估,同时设定自适应阈值确定早期故障出现时间。人工植入故障试验和全寿命疲劳试验分析表明该方法能有效评估故障程度大小且能及时发现早期故障的出现。

基于D-S证据理论改进AHP-熵权的流域洪涝灾害评估研究

考虑致灾因子危险性、孕灾环境敏感性以及承灾体易损性,选取指标构建小清河流域洪涝灾害风险评估指标体系,提出一种基于D-S证据理论的改进AHP-熵权法计算指标权重,求取洪涝灾害风险指数,运用自然断点分级法确定洪涝灾害风险等级,分析小清河流域洪涝灾害风险空间分布情况。结果表明:小清河流域洪涝灾害风险总体上表现出南低北高的趋势,其中高风险区和较高风险区分别占流域面积的8.7%和14.3%,主要分布在小清河干流以及主要支流两岸。所得评估结果同“利奇马”台风发生期间实际洪灾风险分布情况一致,对比证明基于D-S证据理论的改进AHP-熵权法优于AHP和熵权法,可为小清河流域防洪减灾决策提供依据。

Sandwiched Renyi量子相对熵单调性的另一证明

量子相对熵在保迹完全正定的映射作用下是单调递减的.此外,对于一种新提出的Sandwiched Renyi量子相对熵,当映射满足Schwarz不等式或映射保迹正定时,也有研究证明该量子相对熵的单调性也成立.本文利用复插值技巧给出当α∈[1/2,1)时Sandwiched Renyi量子相对熵单调性的另一证明.该技巧曾被用于证明α∈(1,∞)时量子相对熵在保迹正定映射的作用下满足单调性.

Performance Evaluation of Public Bus Transportation by Using DEA Models and Shannon’s Entropy:An Example From a Company in a Large City of China

The purpose of this paper is to assess the operational efficiency of a public bus transportation via a case study from a company in a large city of China by using data envelopment analysis(DEA)model and Shannon’s entropy.This company operates 37 main routes on the backbone roads.Thus,it plays a significant role in public transportation in the city.According to bus industry norms,an efficiency evaluation index system is constructed from the perspective of both company operations and passenger demands.For passenger satisfaction,passenger waiting time and passenger-crowding degree are considered,and they are undesirable indicators.To describe such indicators,a superefficient DEA model is constructed.With this model,by using actual data,efficiency is evaluated for each bus route.Results show that the DEA model with Shannon’s entropy being combined achieves more reasonable results.Also,sensitivity analysis is presented.Therefore,the results are meaningful for the company to improve its operations and management.

The Topological Entropy Mechanism of Coronavirus Disease 2019 (COVID-19)

The biological principal or its detailed mechanism for the pandemic coronavirus disease 2019 (COVID-19) has been investigated and analyzed from the topological entropy approach. The findings thus obtained have provided very useful clues and information for developing both powerful and safe vaccines against the pandemic COVID-19.

基于Renyi交叉熵与CVSS的网络安全态势评估模型

网络安全态势评估对于保证网络的可靠运行具有非常重要意义,是一种重要的网络监管手段.本文提出一种基于网络流量评估、威胁评估、和漏洞评估三个模块的网络安全态势评估模型,弥补单一考虑网络某一方面因素的方式从而导致网络安全态势的评估不够全面的问题.本文介绍了如何部署该网络框架,并如何应用此网络框架实时地反应网络安全态势.通过与其他算法进行对比,结果表明该方法可以准确、合理地反应网络安全态势.

Shear viscosity to entropy density ratio in BUU transport model

Shear viscosity (η) is a basic transport coefficient of the medium.In this work,we calculate shear viscosity to entropy density ratio (η/S) of an equilibrated system in intermediate energy heavy ion collisions within the framework of the Boltzmann-Uehling-Uhlenbeck model (BUU) model.After the equilibration of Au + Au system at central collision in a fixed volume is reached,temperature,pressure and energy density are extracted by the phase space information and then η/S is calculated using the Green-Kubo formulas.The results show that η/S drops with the incident energy and its value is not so drastically different from the RHIC results.

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。

水泵水轮机S特性区能量损失及流动特性研究

为了调节电网的稳定性,抽水蓄能电站需要频繁启停和变换工况运行,导致水泵水轮机容易进入S特性区,机组振动增加,并网失败。本文以模型水泵水轮机为研究对象,采用熵产理论详细分析了S特性区不同工况下的能量损失规律,明确了熵产率分布与内部流动结构的关系。结果表明:S特性区内近飞逸工况总熵产最大,约为设计工况的5.1倍,脉动熵产占据的比例接近80%,随着流量的减小,转轮熵产占比逐渐降低,活动导叶和尾水管的熵产占比增加。小流量工况转轮进口靠近下环位置首先出现了明显的漩涡,导致了活动导叶出口和转轮进口的高熵产区,随着流量进一步减小,漩涡逐渐向上冠转移,并且切向速度增大,在转轮进口形成挡水环,阻碍水流进入转轮,在无叶区内出现了环状分布的高熵产区。反水泵工况,水流在低压边与逆时针旋转的叶片撞击,导致水流很难进入叶片内部,形成了大尺度的回流涡结构;双列叶栅内充满大量涡结构,导致活动导叶吸力面的熵产率增大,并且向固定导叶传播。