采用混合策略联合优化的模糊C-均值聚类信息熵点云简化算法

针对传统聚类算法处理点云简化问题时精度低、耗时长且易丢失特征信息等问题,提出了一种基于动态精英自适应混合策略的鹈鹕算法(DEAMPOA)与加权熵法联合优化的模糊C-均值聚类(FCM)信息熵点云简化算法。采用动态自适应种群混合策略,同时融合了精英反向化思路,显著提升了鹈鹕优化算法(POA)的收敛趋势和全局寻优能力,提高了寻找FCM最优聚类中心的成功率;利用DEAMPOA结合加权熵法对FCM进行优化,提高鲁棒性的同时增强了搜索精度,得到较好的聚类结果;在8种UCI标准数据集上与4种算法对比进行聚类性能评估实验,验证了所提方法综合性能优越;将所提方法与信息熵融合,并应用在三维点云KITTI数据集简化中。实验结果表明:与包围框简化法、随机采样简化法和特征选择简化法对比,所提方法全局误差简化前后点集之间平均欧式距离(MED)指标分别降低了2.25%、6.93%、5.74%,点云简化效果最优且运行速度满足要求。

基于特征信息熵与支持向量机的智能网联汽车CAN总线异常检测技术

本文结合CNA报文的结构特点,探究了基于特征、信息熵的异常检测技术和基于支持向量机的异常检测技术。基于特征、信息熵的异常检测技术,将CAN ID作为特征,统计包含该特征的所有报文并计算信息熵。根据信息熵确立阈值标准,对比CAN总线报文的熵值是否在阈值范围内,从而检测是否存在异常。仿真结果表明,在报文数量较少的情况下,该技术的异常检测率可以达到100%。基于支持向量机的异常检测技术,将异常报文预处理后输入到支持向量机中训练,得到异常检测指标。利用该指标与CAN总线报文进行对比,从而检测是否存在异常。实验结果表明,该技术对多种CNA报文的异常检测率在90%以上。

基于广义柔度曲率信息熵的板式轨道脱空损伤识别

板式轨道填充层作为轨道结构关键部位,在高频列车荷载和环境共同作用下出现脱空损伤,引起脱空位置轨道结构刚度改变。为有效检测板式轨道的轨道板脱空情况,采用数值仿真分析得到无砟轨道模态信息,利用轨道脱空区域广义柔度曲率局部峰值进行轨道脱空损伤识别。结合广义柔度、均匀荷载面(Uniform load surface, ULS)、曲率和局部信息熵,提出可定位损伤的ULS曲率信息熵,并在CRTS III板式轨道上进行验证。研究结果表明:广义柔度曲率利用轨道脱空前后模态信息计算轨道脱空损伤曲率差,能够有效定位脱空位置;ULS曲率信息熵表征值只需要轨道的一阶模态信息便能够有效地反映轨道脱空位置及面积,且克服了广义柔度曲率需要健康模态信息的不足;轨道对称位置上相同面积脱空的ULS曲率信息熵值相同;ULS曲率信息熵值与脱空面积和厚度成正相关关系;ULS曲率信息熵表征值具有较好的损伤识别敏感性,能够识别小于单个测点布置面积的0.1 m×0.1 m小面积脱空,并且对轨道板边脱空识别敏感性高于轨道板中脱空识别敏感性。

基于灰色信息熵与TOPSIS融合的安徽省城市电商竞争力空间差异分析

以安徽省城市电子商务竞争力空间差异分析为切入点,为克服传统方法人为选取指标构建评价体系的主观性在基于灰色关联度视角构建城市电商竞争力评价指标的基础上,运用信息熵计算指标权重,并与TOPSIS法相融合的方法来对城市电商竞争力进行量化分析。运用模型对安徽省地区级城市的电商竞争力进行分析,以期为制定安徽省电子商务发展及其产业规划提供理论依据,为政府决策者更好地科学规划电子商务产业。

基于信息熵和Canopy-K-Means算法的货车驾驶风格识别

为识别货车的激进驾驶行为,保障货车行车安全,提出1种基于信息熵和Canopy-K-Means算法的货车驾驶风格识别方法。首先,从货车自然驾驶数据中提取出604个驾驶片段,根据信息熵理论计算各个驾驶片段的速度熵值、横向加速度熵值和纵向加速度熵值,构成货车驾驶风格表征指标集;其次,针对K-Means算法的聚类数量主观选取、初始聚类中心随机选取的问题,使用Canopy算法改进K-Means算法(Canopy-K-Means算法);最后,分别使用K-Means算法和Canopy-K-Means算法对货车驾驶风格进行识别。研究结果显示,Canopy-K-Means算法的轮廓系数和Calinski-Harabasz指数均大于K-Means算法,表现出更优的聚类性能。根据Canopy-K-Means算法,可将货车驾驶风格分为沉稳型、常规型和激进型3类,其中激进型货车驾驶风格的指标熵值和极差均较大,存在较高的安全隐患,需要引起相关部门的高度重视。

基于信息熵和支持向量机的高校教师能力评价

针对现有的高校教师能力评价指标,提出一种人工智能算法的评价模型,以评估高校教师的教师的能力水平,促进教师教学质量的提升和学校整体教育质量的提高。采用基于信息熵和支持向量机等算法,建立了高校教师能力评价模型,利用信息熵进行数据处理和特征选择,并运用支持向量机算法进行模型构建和评估。测试结果表明,基于信息熵和支持向量机算法的高校教师能力评价模型在评价过程和等级划分上具有较大的实用价值。该模型为高校教师的能力识别、管理和评价提供了有效的研究方法,有助于推进现有评价体系。

基于信息熵的直升机通用质量特性评估指标权重确定方法

权重反映了各指标在通用质量评估中的重要程度,确定评估指标权重是开展直升机通用质量特性评估的关键环节。基于信息熵理论,提出了一种直升机通用质量特性评估指标权重的确定方法。通过采集专家意见构建指标权重评价矩阵,计算各指标专家评价熵权值和区分度,并转换为信度因子,以信度因子对指标权重进行修正,实现了“主观+客观”的指标权重确定,为直升机通用质量特性评估指标权重的确定提供了一种新方法。

基于局部信息熵的计算机网络高维数据离群点检测系统

通过离群点检测可以及时发现计算机网络中的异常,从而为风险预警和控制提供重要线索。为此,设计一种基于局部信息熵的计算机网络高维数据离群点检测系统。在高维数据采集模块中,利用Wireshark工具采集计算机网络原始高维数据包;并在高维数据存储模块中建立MySQL数据库、Zooleeper数据库与Redis数据库,用于存储采集的高维数据包。在高维数据离群点检测模块中,通过微聚类划分算法划分存储的高维数据包,得到数个微聚类;然后计算各微聚类的局部信息熵,确定各微聚类内是否存在离群点;再依据偏离度挖掘微聚类内的离群点;最后,利用高维数据可视化模块呈现离群点检测结果。实验证明:所设计系统不仅可以有效采集计算机网络高维数据并划分计算机网络高维数据,还能够有效检测高维数据离群点,且离群点检测效率较快。

基于信息熵的粤港澳大湾区9市用水结构及空间分布规律研究

为揭示粤港澳大湾区广东9市用水结构的演化特征,基于2004—2022年《广东省水资源公报》数据,采用信息熵方法对2004—2022年粤港澳大湾区广东9市用水结构演变规律和空间分布特征进行分析。结果表明:2004—2022年粤港澳大湾区广东9市总用水量持续下降,用水结构更优化。从区域用水结构空间分布来看,佛山用水结构比较均衡,广州、珠海、中山、东莞用水结构相对均衡,深圳、惠州、肇庆、江门用水结构均衡度较差;从区域用水结构时间分布来看,2004—2022年广州市用水结构均衡度增加最大,其次是惠州和肇庆,深圳、中山、江门、东莞用水结构均衡度变化较小,珠海、佛山用水结构均衡性变化很小。相关研究结论可为粤港澳大湾区广东9市未来用水结构优化调整、水资源优化配置等提供参考。

以信息熵为基础的通信网络异常流量检测方法

随着互联网技术的迅速发展,网络安全问题层出不穷,异常流量检测就变得尤为重要。异常流量检测可以及时发现网络问题,降低网络攻击危害。针对源到端(OD)流链路中的数据流,提出一种基于信息熵的分布式异常流量检测方法,减少了网络流量异常的预处理时间和检测时间,提高了网络异常流量的检测效率。

基于图像信息熵与多元变分模态分解的电缆局放信号去噪方法

局部放电(PD)检测是评估交联聚乙烯(XLPE)电缆绝缘状态的主要手段。针对电缆终端与中间接头局部放电现场检测时存在白噪声、周期性窄带干扰,以及去噪过程中自适应性较弱的问题,该文提出了一种基于图像信息熵与新型自适应多元变分模态分解的去噪方法。首先,对信号进行多元变分模态分解,重组信号并转换成灰度图像,进而计算图像一维信息熵。在考虑算法执行效率的同时,将Pearson相关系数与图像信息熵优化算法的模态参数相结合。其次,通过计算各本征模态分量的峭度来判定其主导分量的性质特征,利用峭度对噪声敏感的特性区分PD特征信息与噪声干扰分量,进而对噪声干扰分量进行3σ准则滤波。最后,通过新型改进小波阈值算法得到去噪信号。利用该方法对PD信号进行去噪,并与基于Spearman的变分模态分解(S-VMD)法、自适应集合经验模态分解(NAEEMD)法、短时傅里叶变换-奇异值分解(STFTSVD)法进行对比分析。结果表明,该方法对现场PD信号具有良好的抑噪性能,且耗时少、执行效率高、工程应用价值高。

基于层间邻域信息熵的时序网络节点重要性评估方法

为识别时序网络中的重要节点,提出基于层间邻域信息熵的时序网络节点重要性评估方法。受明显路径流网络模型的启发,该方法通过引入参数ω,融合节点在相邻时间快照的层间邻域拓扑信息,使用信息熵来刻画网络结构的复杂性,并且兼顾了相邻时间快照的全局拓扑信息。通过使用SIR传播模型、Kendall相关系数、以及Top-k指标来验证该方法的有效性与适用性,在6个真实数据集上与其他6种评估方法进行比较。实验结果表明,提出的方法能够更为有效的识别出时序网络中的重要节点,同时对重要性排名靠前的节点的识别更为准确;可根据时序网络的拓扑结构调整ω从而提升该方法的评估效果;该方法的时间复杂度仅为O(mn),适用于大型时序网络。

VMD结合小波包信息熵和GJO-SVM的电机轴承故障诊断

针对电机滚动轴承故障特征难以提取从而导致诊断准确率低的问题,提出了一种基于变分模态分解(Variational Modal Decomposition,VMD)结合小波包信息熵(Wavelet Packet Information Entropy,WPIE)的特征提取方法,并采用金豺优化(Golden Jackal Optimization,GJO)算法优化后的支持向量机(Support Vector Machine,SVM)进行电机滚动轴承的故障诊断。首先,利用VMD将采集到的信号进行分解,依据局部极小包络熵筛选出最优本征模态(Intrinsic Mode Function,IMF)分量;其次,利用小波包将最优IMF分量再分解,并提取信息熵作为特征向量矩阵;最后,采用GJO算法对支持向量机中的惩罚参数和核参数进行寻优选择,建立GJO-SVM故障诊断模型,将特征向量矩阵输入金豺算法优化支持向量机(GJO-SVM)故障诊断模型中进行故障诊断。将VMD结合小波包信息熵特征提取与VMD结合近似熵特征提取进行对比试验,试验结果表明,VMD结合小波包信息熵特征提取精度提高了2.5%,其特征提取更加优越;将金豺算法优化支持向量机(GJO-SVM)与粒子群优化(Porticle Swarm OPtimization,PSO)算法支持向量机(PSO-SVM)、果蝇优化算法(Fruit fly Optimation Algorithm,FOA)支持向量机(FOA-SVM)进行对比试验,试验结果表明,GJO-SVM其平均准确率达到99.16%,较PSO-SVM、FOA-SVM分别提高了2.5%、3.61%。金豺算法优化支持向量机(GJO-SVM)可以更加有效提取并诊断滚动轴承故障。

基于信息熵与服务器识别的DoH流量检测

DNS over HTTPS(DoH)协议是一种针对域名系统(DNS)的最新改进方案,然而用户可使用第三方DoH服务规避内网原有的监管,所以异常流量检测方法不再适用于检测DoH流量。针对该问题提出了一种DTESI算法。首先,基于信息熵将DoH流量作为异常流量从全部网络流量中筛选出来;然后,利用DoH服务器与同一客户端建立TLS连接时响应方式总是相同的特性,用指纹识别检测客户端与DoH服务器之间的TLS协商,确定DoH服务器身份;最后,使用Top-K抽样算法选出一定时段内网络中前K台活跃主机着重进行流量检测,使算法能应用于中大型组织的网络。实验结果表明,针对发现的异常流量,DTESI算法检测出的DoH服务提供商准确率超过94%。在此基础上比较了在不同K值下的算法检测时间和对网络中全部DoH流量的检测覆盖率,结果表明合理选择K值可以提升算法的整体效能。

基于样本信息熵辅助的深度强化学习抗干扰策略

针对深度强化学习驱动的智能化干扰,提出了一种基于样本信息熵辅助的通信抗干扰策略。首先,基于神经网络对抗干扰策略网络和熵预测网络进行设计;接着,利用短时傅里叶变换对接收信号处理所形成的频谱瀑布图作为样本,对抗干扰策略网络和信息熵预测网络进行训练;之后,利用信息熵预测网络对抗干扰策略网络的训练样本进行精细化筛选,以提高训练样本的质量,最终提高抗干扰策略的在线决策能力和泛化性能。仿真结果表明,在干扰方干扰策略更新频率不超过通信方40倍且最大干扰通道数为3的极端条件下,基于样本信息熵辅助的通信抗干扰策略仍可取得至少61%的成功率;同时,与其他几种对比抗干扰策略相比,所提通信抗干扰策略具有更快的收敛速度。

基于主成分及信息熵的额敏灌区农业用水特征

以额敏灌区农业灌溉用水为研究对象,采用主成分分析、信息熵分析方法,选取10个指标对灌区2009—2021年进行主成分分析。结果表明:影响灌区农业用水的主要驱动因子为衬砌防渗渠道长度、灌溉面积、农作物播种面积、节水灌溉面积、灌溉水量、农业人口数等6个指标;时间上,2009—2022年额敏灌区用水构成以农业灌溉用水为主,耕地、园地、林地、牧草地灌溉用水量分别占农业灌溉用水量的90.25%、3.12%、5.05%、1.58%,农业灌溉用水量于2010—2020年呈现逐年下降趋势;空间上,灌区东北部农业用水以地表水为主,中部与西部地表水和地下水占比基本一致。2009—2022年信息熵值与均衡度在灌区不同地理位置表现为:西部>东北部>中部,东北、中、西部信息熵分别为0.36、0.32、0.56 Nat,东北、中、西部均衡度均值分别为0.26、0.23、0.40。分析成果可为灌区农业灌溉用水现状及用水管理提供理论参考。

基于多尺度眼动信息熵的抑郁检测

针对传统抑郁检测过程中出现的高主观依赖性和非普适性等弊端,提出一种基于多尺度眼动信息熵的抑郁检测方法。该方法以眼动扫描路径的多尺度信息熵为特征,通过比较被试在同一语义刺激下的眼动扫描路径差异,检测抑郁高危人群和抑郁症患者。在作答抑郁高危自评量表的眼动数据集上,该方法的平均分类准确度为80.36%,相较于MultiMatch、ScanMatch和SubsMatch算法,分别提升了12.50百分点、11.79百分点和9.08百分点。实验结果表明,该方法可以更好地捕获细颗粒度眼动信息,具有更高的准确度和灵敏度。

基于香农信息熵的印度土地利用格局演化与驱动因子研究

引入香农(Shannon)信息熵,从统计、结构、拓扑与专题4个方面,构建土地利用香农信息熵测度指标体系,挖掘印度土地利用格局与时空演化特征,并分析其驱动因子.结果表明:1)印度土地利用类性多样性先降后升,结构与拓扑复杂性一致水平较低;专题复杂性不断下降,近20 a来印度保持着以耕地为主的农业大国特色,土地利用变化程度不高.2)各用地斑块信息熵值空间自相关特征显著,表明城市扩张速度的非均衡性和农业发展的环境依赖性.3)坡度、海拔、人口密度驱动了印度土地利用变化.本研究丰富了空间复杂性研究,有望为发展中国家的土地规划与管理提供借鉴.

基于关联信息熵和轻量级梯度提升机的油纸绝缘特征优选策略

为了充分挖掘对变压器油纸绝缘综合诊断结果有利的老化特征量,提出一种基于关联信息熵和轻量级梯度提升机(LightGBM)的特征量优选策略。首先,基于不同老化状态的变压器介电响应实测数据,提取不同类别的时域特征量形成初始高维特征空间;其次,引入关联信息熵度量特征子集的相关性及冗余性,再利用轻量级梯度提升机评估特征的重要度,进而得到最优特征空间;最后,对比分析最优特征空间与不同对照组的诊断性能,有效验证了基于所提优选策略确定的最优特征空间的优越性。

基于改进信息熵的直接刀具状态监测设备部署

在不拆刀情况下,基于机器视觉的在线刀具状态监测系统可完成刀具磨损测量和状态评估,但与在线捕获刀具图像质量息息相关的系统部署参数选择却鲜有研究.为解决上述问题,本文构建基于改进信息熵的多项式回归模型以实现刀具状态监测系统的最优部署.首先,使用自适应阈值方法去除捕获刀具图像中背景要素干扰,并通过信息熵指标评估图像中刀具磨损区域的成像质量;然后,构建相机工作距离、曝光时间与所提出评价指标之间的多项式回归模型以描述部署参数与提出评价指标的映射关系;最后,应用最小二乘法求取多项式模型系数获得最优部署参数.在确保自变量的因子水平涵盖最优部署参数情况下设计正交实验,实验结果表明:提出的评价指标与工作距离、曝光时间等部署参数之间均存在主效应关系,符合光学成像系统的变化规律;与支持向量机、决策树和K近邻(K-nearest neighbor,KNN)算法等非线性回归预测模型相比,三次多项式回归模型预测误差最小,其平均绝对误差、均方误差、均方根误差分别为0.022631,0.00068,0.026069;在多项式回归模型求解的最优部署参数下,所捕获的刀具图像的测量精度达到96.76%,提高0.74%,满足刀具状态监测的精度要求.