基于熵互信息理论的基因调控网络的研究

将熵互信息理论应用到布尔基因调控网络中,并推导出了多个基因决定某个或多个基因的表达值的逻辑规则,根据得到的逻辑规则建立了基因逻辑电路网络,根据该网络和逻辑电路网络分析方法又建立了基因调控网络动态转换图,从而揭示了基因之间的调控关系。

基于互信息熵的全景视频关键帧数据实时提取系统设计

关键帧数据提取可以降低全景视频检索中产生的数据量,为了提高全景视频镜头边缘的检测与关键帧的提取的处理能力,提出基于互信息熵的全景视频关键帧数据实时提取系统设计;根据全景视频关键帧数据提取系统的硬件结构,分析视频播放器和镜头边缘检测器的工作原理;在系统的软件设计中,将待检测的两帧图像随机划分为子图像块,通过计算子图像块之间的互信息熵,获取全景视频图像的突变帧,将关键图像帧的特征差值曲线作为全景视频关键帧的时序特征,完成全景视频中关键帧数据的特征匹配,选择一个能够体现全景视频图像属性的特征,描述视频中的主要信息,利用数值化分析的方式,将全景视频帧的特征转换成数组形式的特征向量,通过计算互信息熵值,提取全景视频关键帧数;系统测试结果表明,文中系统将关键帧数据提取的查全率和查准率分别提高到95%和98%以上;能够准确提取出全景监控视频的关键帧数据,具有更好的全景视频处理能力。

基于边缘特征点互信息熵的医学图像配准方法

基于互信息熵的图像配准方法已经被广泛应用于医学图像配准中,为克服互信息配准方法的不足,结合图像空间结构信息,本文提出一种基于边缘特征点互信息熵的医学图像配准方法,设计了包括互信息熵、图像空间结构和形状特征点等多信息融合的配准新测度。算法首先采用改进的形态学梯度提取医学图像边缘轮廓;然后构造了以边缘区域特征和梯度信息为基础的特征点互信息能量函数,并通过最小化能量函数来获取配准参数;最后,结合梯度下降法优化策略,实现图像配准。实验研究表明,该方法在保证了配准精度的同时,配准速度较快、鲁棒性较好、综合性能优良,具有一定的临床推广价值。

互信息熵与区域特征结合的图像匹配研究

解决检测目标的定位问题是实施自动光学检测的前期工作。针对挠性印制电路基材制成品与标准设计存在的差异导致的匹配误差,本文提出了基于互信息熵与关键区域特征相结合的匹配误差校正方法。首先采用图像灰度互信息熵作为衡量检测目标与设计标准之间差异的指标,建立以互信息熵值为目标函数的搜索方法;根据关键区域内的互信息熵对匹配误差具有更好的敏感性与准确性的特点,选取含灰度信息丰富的关键区域与互信息熵相结合的方法对检测目标进行匹配以提高匹配效率;然后,在焊盘图像中添加椒盐噪声、缺损、冗余等干扰信息,在存在干扰的环境下实现对目标的准确定位与搜索,验证了算法的抗干扰能力。通过最终的实验表明,采用该方法对于75μm制程该方法定位精度可达22.4μm,优于霍夫变换法与坐标转换法。对于工艺误差、基材胀缩、外形缺损等因素造成的不良影响具有良好的抗扰性,更适于在实际的工业环境中使用。

邻域互信息熵的混合型数据决策代价属性约简

决策粗糙集模型是当前粗糙集理论的研究热点.然而目前决策粗糙集中的属性约简大多基于决策代价视角而构建,为了同时兼顾约简结果的决策代价和分类精度,本文通过融合属性子集的分类性能,在混合型信息系统下提出一种邻域互信息熵的决策代价属性约简算法.文中首先在混合型信息系统下提出邻域信息熵、邻域联合熵和邻域条件熵,并进一步地推导出了邻域互信息熵和邻域条件互信息熵;然后将邻域互信息熵理论融入邻域决策粗糙集的决策代价属性约简中,提出一种邻域互信息熵的混合型数据决策代价属性约简算法,该属性约简选择出的属性子集可同时兼顾决策代价和分类性能,并降低了属性约简结果的冗余程度;最后通过仿真实验证明了所提出算法的有效性和优越性.

基于属性互信息熵的量化关联规则挖掘

在量化关联规则挖掘中存在量化属性及其取值区间的组合爆炸问题,影响算法效率。提出算法BMIQAR,通过考察量化属性间互信息熵,找到具有强信息关系的属性集,从中得到频繁项集以产生规则。实验表明,由于在属性层进行了剪枝,因此缩减了搜索空间,提高了算法的性能,且能得到绝大多数置信度较高的规则。

基于改进PCNN和互信息熵的自动图像分割

脉冲耦合神经网络(PCNN)由于其良好的脉冲传播特性在图像分割中得到了广泛应用。针对其需要人机交互通过实验确定其相关参数等问题,改进PCNN模型,以像素对比度作为链接矩阵,以互信息作为迭代终止的判决依据,提出基于改进脉冲耦合神经网络的自动图像分割。实验结果表明,该方法实时性好、自适应性强,分割出的目标轮廓清楚。

基于最小化邻域互信息的邻域熵属性约简算法

属性约简是粗糙集理论的重要研究内容,混合型信息系统下的属性约简是目前的主要研究方向.在邻域粗糙集模型中,基于邻域熵的方法在进行属性约简时,由于未考虑属性之间的独立性,本文通过融入邻域互信息熵提出一种改进的属性约简算法.文中首先在邻域熵的基础上,提出了混合型信息系统下的邻域互信息熵,然后通过理论分析表明了邻域互信息熵可以作为属性之间独立性的评估,最后将邻域互信息熵融入传统的邻域熵属性约简中,提出一种基于最小化邻域互信息的邻域熵属性约简算法.仿真实验结果表明,该算法可以进一步地提高属性约简结果中属性的独立程度,比相关的属性约简算法具有更高的约简性能.

基于尺度效应曲线及信息熵的延河流域适宜DEM分辨率判定

[目的]确定黄土高原小流域地貌水文研究需要下的适宜DEM分辨率,探究尺度效应曲线和信息熵方法适用度,并为判定适宜分辨率提供新视角和新途径。[方法]以黄土丘陵沟壑区的延河流域为研究区,利用ArcGIS对原分辨率DEM进行重采样,获取多组不同分辨率DEM,并提取相应尺度下地形属性值,绘制两种不同的尺度效应曲线(“平均坡度-分辨率”和“局部方差均值-分辨率”曲线),并引入信息熵和互信息熵,结合实际地形,对适宜DEM分辨率进行了判别。[结果](1)在地形复杂的延河流域,基于不同判定方法所获结果有所不同,而局部方差均值、信息熵及互信息熵所获适宜分辨率结果相近。(2)采用不同地形属性判别适宜分辨率结果有所不同,剖面曲率和平面曲率所获适宜分辨率较为相近(局部方差均值结果为15~20 m,信息熵和互信息熵结果均为15 m),坡度较曲率所获适宜分辨率差异更大(局部方差均值结果为20~35 m,信息熵和互信息熵结果均为20 m)。[结论]局部方差均值和信息熵均适用于该地区的DEM分辨率判定,延河流域适宜DEM分辨率为15~20 m。

基于平均互信息熵的复杂系统可靠性评定方法

可靠性评定是定量评估系统可靠性水平的重要途径,是对其可靠性进行定量控制的必要手段。某些复杂系统由于研制时间和经费的限制,现场试验样本量极其有限,依赖传统的基于大样本的数理统计方法将难以获得客观结论,因此其可靠性评定一直是工程实践中的技术难题。针对复杂系统可靠性评估和寿命预测时现场样本量不足的问题,提出了一种基于多源信息融合的可靠性评定方法。该方法利用平均互信息熵来度量多源验前信息对可靠性评定不确定性减少所起的作用,以此为依据确定多源信息融合权重,并通过融合验前分布进行复杂系统的可靠性评定,从而减少了评定过程中的主观性,增强了评定结论的可信性。最后通过仿真实例验证了方法的有效性。

融合显著特征和互信息熵的SLAM闭环检测算法

针对移动机器人SLAM闭环检测存在的闭环错误判定问题,提出了一种融合显著特征和互信息熵的闭环检测算法.首先,通过帧间位姿变化和信息熵差异得到关键帧,利用词袋模型逆向索引查询关键帧获取闭环候选帧.然后,引入图像颜色与深度信息计算当前关键帧与闭环候选帧的显著特征生成显著图.最后,将显著图均匀划分四块,计算两匹配关键帧显著图对应块的互信息熵,由每块对应互信息熵生成一个表征两幅图像相似度的四维向量,通过四维向量将满足互信息熵条件的闭环帧进行几何验证,判断是否产生闭环.实验结果表明,该算法能够降低机器人累积误差,生成全局一致的地图,同时满足实时性要求.

OTSU和互信息熵在多阈值分割中的应用

对经典OTSU法进行改进,使其应用于多阈值图像的分割。考虑到原图像和分割图像的内在联系,提出了利用互信息熵作差的方法来确定分割类数的规则,使OTSU法和互信息熵差法很好地结合在一起。

混合型数据的邻域条件互信息熵属性约简算法

属性约简是粗糙集理论的重要研究内容之一,其主要目的是消除信息系统中不相关的属性,降低数据维度并提高数据知识发现性能。然而,基于粗糙集的属性约简方法大多没有考虑属性之间的依赖性,使得最终的属性约简结果存在一定的冗余属性。对此,提出一种基于邻域条件互信息熵的属性约简算法。首先,在传统邻域熵的基础上,针对混合型数据,提出混合型邻域互信息熵模型和混合型邻域条件互信息熵模型;然后利用这两种熵模型进行混合型信息系统的属性依赖度评估和属性启发式搜索,并设计出一种属性约简算法;最后通过UCI数据集的实验分析,证明了提出的算法具有较高的属性约简性能。

结合互信息熵差测度的高斯混合模型图像分割

从分割图像与原图像的内在联系出发,提出了一种基于高斯混合模型与互信息熵差结合的分割算法———GMM-DMI算法.利用期望极值化方法确定高斯混合模型的各分量参数,以互信息熵差为模型选择准则,计算前分割图像与当前分割图像的互信息熵差,互信息熵差达到最小时即为最优解.实验结果表明,本算法所得到的目标图像的区域保持形状且定位性能好.

互信息熵和Prewitt差测度的Lasso模型关键帧提取

针对视频关键帧提取过程中,需要对视频中每帧图像进行大量诸如特征提取、图像配准、冗余消除等高复杂度的计算,占用大量的运算时间等问题。提出了1种互信息熵和Prewitt差测度的Lasso模型关键帧提取算法。该算法首先利用视频分割技术,将视频按照镜头变化分割得到了视频片段;其次利用互信息熵和Prewitt双重特征量提取视频片段中的关键帧并采用边缘匹配算法消除冗余帧序列。最后,得到的关键帧序列用Lasso模型检验收敛性。理论分析和实验结果表明,与基于加权的多视图关键帧提取算法相比,关键帧提取时间平均缩短了28.7s,验证了本文算法的高效性。

半监督P-N学习互信息熵图像稳定

本文提出一种半监督P-N学习互信息熵图像稳定算法,构建一种图像稳定-学习框架(Image Stabilization-Learning,ISL)。在互信息熵图像稳定基础上,引入一种半监督P-N学习机制,对运动数据进行推理训练,并通过对训练数据分类;构建分类训练模型,对运动参数进行预测;在此基础之上,通过评估模型更新运动估计参数,实现对抖动视频序列进行在线补偿。本文经采用互信息熵稳定与半监督P-N学习互信息熵图像算法对抖动视频序列测试对比,运动估计稳定失误率降低至1%,进一步提升视频序列高频去抖动能力。

基于经验模态分解互信息熵与同步压缩变换的微地震信号去噪方法研究

针对微地震信号具有随机性、非平稳性与时频耦合的特点以及经验模态分解(Empirical Mode Decomposition,EMD)的模态混叠问题,提出了基于经验模态分解互信息熵与同步压缩变换(Synchrosqueezing Transform,SST)的微地震信号去噪方法。首先对微地震信号进行经验模态分解,获得从高频到低频排列的固有模态函数(Intrinsic Mode Function,IMF)分量;然后求取相邻固有模态函数分量之间的互信息熵,从而辨识出高频与低频部分的分界;最后利用同步压缩变换提取高频部分的有效信号,将其与低频部分重构,实现微地震信号的有效去噪。利用不同噪声强度的理论模型和实际资料,对本文方法与直接舍弃高频成分的去噪方法进行了对比,结果表明,本文方法能够很好地去除微地震信号中的混叠噪声,并将有效信号从噪声中提取出来,提高了资料的信噪比。

基于互信息熵-近红外光谱的过程模式故障检测

近红外光谱分析在工业过程故障检测方面具有独特的优势,是一种准确且高效的方法。结合互信息熵和传统的主成分分析,对近红外光谱特征信息进行提取,通过构建过程的模式来刻画工业过程的运行状态。利用近红外光谱数据,从有机分子含氢基团振动信息中获取工业系统的过程模式,从微观分子层面探索提高工业过程故障检测准确率的有效方法,结合贝叶斯统计学习技术,提出了基于近红外光谱数据的工业过程故障检测技术。针对近红外光谱信息量丰富,谱带较宽,特征性不强的特点,首先对工业过程不同运行状态下的近红外光谱吸光度数据进行一阶导数预处理,采用主成分分析法(principal component analysis,PCA)压缩光谱数据量,扩大不同运行状态下光谱特征信息的差异性,提取光谱的内部特征信息。然后采用互信息熵(mutual information entropy,MIE)作为光谱特征信息相关性度量函数,基于最小冗余最大相关算法进一步减少光谱特征信息间的冗余并最大化光谱特征信息与类别的相关性,弥补了PCA无监督特征波长选择的不足,提出一种基于PCA-MIE的过程模式构建方法,获得的过程模式子集更紧凑更具类别表现力。再利用贝叶斯统计学习算法,根据后验概率对构建的模式子集进行决策,判别生产过程的正常状态和故障状态。由于过程模式子集结合了PCA浓聚方差的优势和互信息熵相关性测度的特征信息选择方法,蕴含了更多的近红外光谱的本质信息与内在规律,从而更能刻画工业过程的运行状态。接着,设置测试准确率TA作为评估标准,用以评价故障检测方法的性能效果。最后利用某化工厂提供的原油脱盐脱水过程近红外光谱数据对所提方法进行验证,并与传统近红外光谱特征信息提取方法PCA和MIE方法性能进行对比分析,结果表明基于PCA-MIE的过程模式故障检测方法几乎在所有维数子集上性能都优于其他两种方法,在特征维数为18维时获得最高的准确率94.6%,证明了方法的优越性。

CUDA框架下的视频关键帧互信息熵多级提取算法

在传统视频关键帧提取过程中,需要对每一帧视频图像进行特征提取、图像匹配、重复检测等大量计算,导致算法运行时间过长。对此,该文提出了CUDA框架下的关键帧互信息熵多级提取算法。在CPU调度及GPU划分线程基础上,依据帧间三通道互信息熵,将视频序列初次划分为静态片段类和动态片段类;运用相邻帧间互信息量极小值法,将动态片段划分成多个关键子类,在关键子类中选取预备关键帧;并运用SUSAN算子分块计算,快速完成帧间的边缘匹配,从预备关键帧中滤除冗余,得到最终的关键帧序列。实验结果表明,与其他算法相比,该算法的查全率和查准率均为91%以上,提取关键帧的数量平均减少约42.82%,降低了视频数据量的存储,与其他CPU串行方法相比,其关键帧提取时间减少约50%,提高了算法运算效率。

基于信息源选择的多源信息系统邻域互信息熵属性约简

属性约简是粗糙集理论的重要研究内容。针对多源信息系统中信息源之间存在相互依赖的问题,提出一种基于信息源选择的多源信息系统邻域互信息熵属性约简算法。首先提出多源信息系统下信息源的差异度度量,通过该度量可以评估信息源在整个多源信息系统的独立程度;接着利用差异度对多源信息系统的信息源进行选择,使得选择出的信息源具有较高的独立性;最后基于邻域互信息熵模型,对选择出的新多源信息系统进行属性约简,提出相应的属性约简算法。实验分析表明,所提出的多源信息系统属性约简算法具有较高的有效性和优越性。