基于属性信息熵的实体匹配方法研究

如何找出异构数据库间相同的实体,特别是当现实生活中的同一实体在不同的应用环境中用不同的标识符表示时,如何根据已知描述实体的相同属性的信息,进行实体匹配,解决实体异构问题,是实现数据库间互操作至关重要的因素。针对该问题,文章给出了一种基于属性信息熵的实体匹配方法。具体数据的实验结果显示该方法是很有效的。

面向大数据集的有效聚类算法

为解决传统模糊C-均值算法无法适应大规模数据集体量大、冗余属性的问题,提出了一种面向大数据集的混合聚类算法。将大数据集划分为多个子集,对各子集进行聚类,通过合并得到最终聚类结果。对于子集采用基于基因表达式编程(GEP)和模糊C-均值的混合算法进行聚类,以改善聚类的质量和效率;基于相似性选取初始聚类中心,使用信息熵体现属性重要程度,从而进一步优化聚类性能。实验仿真及分析结果表明,该算法具有较好地全局收敛性,得到的聚类效果也更好。

粗糙集理论在装备保障训练效果评估中的应用

装备维修保障训练效果评估中最关键的步骤就是评估指标体系的构建及优化,为了克服传统评价方法中存在指标关联性大和权重确定主观性强的问题,将粗糙集和信息熵理论引入装备维修保障训练效果评估领域。采用信息熵的算法对连续指标离散化,基于粗糙集区分矩阵的方法对指标体系进行属性约简,降低了模型的复杂性;在此基础上提出了粗糙集属性重要度和AHP法相结合确定指标权重的方法,进而通过专家评议应用于训练效果评估实例,得到了较好的评估效果,为装备维修保障训练评估提供了新的参考方法。

Entropy-KNN算法在岩性识别中的应用研究

为解决辽西隧道三号斜井正洞至出口区间岩性结构复杂多变、岩体破碎,识别岩性困难问题,利用该研究区隧道超前地质预报数据,经过滤波,得到岩石力学参数,提出基于属性值信息熵的Entropy-KNN分类模型识别岩性,使分类精度由70.3%提高至78.5%。KNN分类算法适合于多分类、多重合分类问题,可应用于岩性识别中。传统KNN方法只考虑不同类别临近点样本个数,距离加权-KNN方法只考虑不同类别临近点样本个数平均距离,分类效果欠佳。Entropy-KNN分类将传统KNN、距离加权-KNN与属性值信息熵结合,区别对待不同特征和不同样本点,为基于岩石力学参数识别岩性提供一种新的思路。

改进二叉树Entropy-SVM算法的芒果分类检测

提出一种二叉树Entropy-SVM的改进算法,并将其引入芒果分类检测系统。针对传统SVM在多类分类方式及类区分性度量上的不足,首先对样本系统中任意二类问题,把相同的特征属性值信息熵作为样本类别归属的影响因子,然后把样本的平均属性值信息熵定义为二类间的区分因子,由该定义计算二类间的区分度来得到样本系统中每一类的平均区分度。最后把平均区分度的高低作为二叉树SVM多类分类策略的依据,度值越高的类,越早分离。芒果分类检测试验表明,改进的二叉树Entropy-SVM分类检测的准确率明显高于传统SVM多类分类算法。

基于中心性指数的物流中心地等级体系构建

为规范物流秩序、提高物流运行效率,文章运用中心地中心性理论、信息熵多属性决策、空间相互作用关系等方法,以安徽省为例,构建的物流中心地等级体系,并进行实证研究。研究表明：安徽省物流中心地是等级分层的,其中包括1个一级、4个二级和9个三级物流中心地;各等级中心地形成了层层嵌套分布的物流服务范围;安徽省物流等级体系也凸显了物流业发展中出现的一些问题,物流中心地等级体系也有利于解决物流发展过程中出现的问题。