用水資料，采用信息熵理論分析安徽省用水結(jié)構(gòu)變化，同時選取與安徽省用水結(jié)構(gòu)密切相關(guān)的18個指標(biāo)，采用灰色關(guān)聯(lián)度法分析影響安徽省用水結(jié)構(gòu)變化的主要驅(qū)動因子。結(jié)果表明，2002—2021年安徽省用水結(jié)構(gòu)信息熵和均衡度總體上均呈上升趨勢，分別由2002年的0.888 nat和0.640上升至2021年的1.052 nat和0.759，用水結(jié)構(gòu)系統(tǒng)越來越復(fù)雜穩(wěn)定，水資源開發(fā)利用越來越合理；安徽省用水結(jié)構(gòu)變化主要受農(nóng)業(yè)用水和生活用水方面影響，包括耕地面積、農(nóng)田有效灌溉

評價指標(biāo)，采用信息熵-正交試驗設(shè)計優(yōu)化該制劑中黃連、苦參、玫瑰花、沒食子的提取方式及其工藝條件，并考察其最佳干燥溫度。結(jié)果 黃連與苦參、玫瑰花與沒食子分別提取更有利于有效成分的浸出。黃連、苦參水提液中鹽酸小檗堿提取轉(zhuǎn)移率約為44%，沒食子、玫瑰花水提液中沒食子酸的提取轉(zhuǎn)移率達(dá)84%。水提與干燥工藝的最佳條件為：黃連、苦參分別用10倍、8倍量水提取2次，提取時間分別為2.5、2.0 h，提取液經(jīng)濃縮后于70 ℃減壓干燥；沒食子、玫瑰花分別用8倍、6倍量水提取

特征組合，采用信息熵對傳統(tǒng)主成分分析進(jìn)行改進(jìn)。對比主成分分析和改進(jìn)主成分分析結(jié)果，改進(jìn)主成分分析的前3個主成分包含了超過95%的信息量，而傳統(tǒng)主成分分析的前7個主成分所包含的信息量僅為91.01%。結(jié)合主成分分析結(jié)果指出有效提升化工企業(yè)創(chuàng)新創(chuàng)業(yè)技能必須強(qiáng)化員工技能培訓(xùn)，注重企校合作，打造創(chuàng)新創(chuàng)業(yè)平臺，這對化工企業(yè)轉(zhuǎn)型升級提供了數(shù)據(jù)支撐。關(guān)鍵詞：隨機(jī)森林；主成分分析；信息熵；企業(yè)中圖分類號：TP391;TQ050.8 文獻(xiàn)標(biāo)志碼：A文章編號：1001-592

多可選的方法。信息熵的方法優(yōu)勢是避免人工賦權(quán)的主觀性，根據(jù)數(shù)據(jù)的特征自動完成賦權(quán)，從而區(qū)分不同的課程。以信息熵的方法為例，選取10門課程的模擬數(shù)據(jù)，進(jìn)行了課程評估數(shù)據(jù)分析的探索。關(guān)鍵詞：課程評估;OBE理念;數(shù)據(jù)分析;信息熵中圖分類號：TP311? ? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2022）17-0122-021 引言決定學(xué)校人才培養(yǎng)質(zhì)量的關(guān)鍵因素之一是課程建設(shè)水平，課程評估是檢驗、推動課程建設(shè)的重要途徑。新時代全國高等學(xué)校本科教育

，提出一種基于信息熵的船舶軌跡自適應(yīng)分段壓縮算法。該算法綜合考慮船舶位置、航向和速度等信息，引入信息熵作為評判軌跡特征點的指標(biāo)，從船舶軌跡中提取分段關(guān)鍵點，進(jìn)而自適應(yīng)劃分出多條子軌跡，再利用自頂向下時間比（topdown time ratio， TDTR）算法分別對子軌跡進(jìn)行壓縮。以老鐵山水域船舶交通數(shù)據(jù)為實驗樣本，從壓縮誤差、運行效率等方面對比分段前后的軌跡壓縮效果。結(jié)果表明，該算法能根據(jù)船舶的航向和速度信息對船舶軌跡進(jìn)行自適應(yīng)分段，分段后再壓縮可大幅降

出一種基于二維信息熵的特征顯著圖的疵點檢測方法。將待檢測織物圖像使用改進(jìn)的同態(tài)濾波進(jìn)行預(yù)處理，改善圖像因光照不均對疵點檢測產(chǎn)生的影響;利用圖像基元信息熵與圖像紋理的關(guān)系引入二維熵來反映圖像紋理的空間分布，計算每個重疊的圖像基元的信息熵，并把該熵值作為中心像素的灰度值，經(jīng)歸一化后生成一幅特征顯著圖;最后對顯著圖進(jìn)行閾值分割得到疵點的輪廓，同時通過顯著圖得到徑向投影差分序列對織物圖像進(jìn)行疵點判別。結(jié)果表明，本方法能夠有效地抑制織物中重復(fù)的紋理背景，突出疵點部分

要】 熵，又稱信息熵，表示事物的混亂程度，熵值低，則提示該事物有規(guī)律可循。教學(xué)過程，正是教學(xué)信息由教師、教材輸送給學(xué)生的傳遞過程。提高教學(xué)中的有效信息傳遞，可理解為是一個熵減的過程。在進(jìn)行醫(yī)學(xué)課程設(shè)計時，可將熵減理論應(yīng)用到當(dāng)中，以增加信息傳導(dǎo)的準(zhǔn)確性及有效性。在醫(yī)學(xué)教育中，熵減可作為教學(xué)目的之一，也可以作為醫(yī)學(xué)的備課原則之一。【關(guān)鍵詞】信息熵，醫(yī)學(xué)，課程設(shè)計【中圖分類號】G644.5 【文獻(xiàn)標(biāo)識碼】A 【文章編號】2026-5328（2022）02--

發(fā)展現(xiàn)狀，采用信息熵理論綜合分析法對港口企業(yè)的綜合競爭力進(jìn)行研究，構(gòu)建評價指標(biāo)體系，使港口企業(yè)能夠了解自身在行業(yè)中的地位，合理進(jìn)行資源配置。【關(guān)鍵詞】 信息熵;港口企業(yè);評價指標(biāo);綜合競爭力0 前 言隨著經(jīng)濟(jì)全球化的發(fā)展和國際貿(mào)易量的增加，全國各地對港口重要性的認(rèn)識越來越深刻。制定以港興城的發(fā)展戰(zhàn)略，鼓勵和扶持港口的發(fā)展，使得我國沿海沿江港口星羅棋布，各港口企業(yè)之間的競爭日益激烈。為使港口企業(yè)認(rèn)識到自身在所處行業(yè)中的地位，增強(qiáng)港口企業(yè)的競爭力，實現(xiàn)可持續(xù)發(fā)

進(jìn)行處理，采用信息熵、單一土地動態(tài)度對麥積區(qū)土地利用結(jié)構(gòu)及其動態(tài)變化特征進(jìn)行了定量分析并對麥積區(qū)2021 — 2026的信息熵進(jìn)行了預(yù)測。結(jié)果表明，麥積區(qū)土地利用類型時間變化具有不均衡性，但已呈現(xiàn)良好方向發(fā)展的趨勢。從單一土地動態(tài)度來看，居民工礦用地、水利設(shè)施用地、交通設(shè)施用地均為正向變化，其中交通設(shè)施用地變化最為明顯，水利設(shè)施變化幅度最小。其他用地類型均為負(fù)向變化，林地變化最小。依據(jù)2015 — 2017年信息熵、均衡度、優(yōu)勢度以及2021 — 2026

間 流動空間 信息熵 用戶體驗 信息設(shè)計 柵格系統(tǒng)引言隨著數(shù)字技術(shù)的發(fā)展，我們正在對自己所處的空間進(jìn)行深刻的數(shù)字化改造，大量的可視化大屏，觸控玻璃等融入到物理空間當(dāng)中，為空間的拓展帶來了新的可能性，也為用戶帶來了各種各樣不同的情感體驗。與此同時信息流對空間的介入也帶來了一些問題，從負(fù)面角度看大量信息對空間的附著讓空間的信息變得雜亂且難以突出重點。更多的信息究竟讓人類的生活更久便利，還是更加混亂？在這樣的環(huán)境下，我們該如何趨利避害，才能為智慧空間建立其合理的

元件，可以利用信息熵設(shè)計機(jī)械設(shè)備故障自診斷系統(tǒng)，從而大幅降低機(jī)械設(shè)備運行故障事件發(fā)生概率。因此，本文通過機(jī)械設(shè)備自診斷系統(tǒng)硬件、軟件的設(shè)計，以期為機(jī)械設(shè)備維護(hù)相關(guān)從業(yè)者提供有效參考價值。關(guān)鍵詞：信息熵;設(shè)備故障;自診斷;故障行為;存儲數(shù)據(jù)庫在電網(wǎng)應(yīng)用環(huán)境中，隨著傳輸電子數(shù)量級水平的提升，部分機(jī)械設(shè)備會出現(xiàn)明顯的運行故障。因此，傳統(tǒng)可編程控制器件型故障診斷系統(tǒng)在數(shù)控機(jī)床裝置作用下，確定電子量的實時傳輸數(shù)據(jù)，通過結(jié)構(gòu)式框架，實現(xiàn)故障數(shù)據(jù)信息定向化分析。但此時，

小紋理復(fù)雜度和信息熵與運動平緩區(qū)域的最大紋理復(fù)雜度和信息熵;然后基于K-Means聚類思想隨機(jī)選取k個初始聚類中心，并采用設(shè)計的聚類規(guī)則對像素點進(jìn)行迭代分類，最后對分類后的各個聚類集合根據(jù)運動劇烈區(qū)域與運動平緩區(qū)域的紋理復(fù)雜度和信息熵進(jìn)行區(qū)域分類，最終確定該視頻幀的感興趣區(qū)域和非感興趣區(qū)域，完成視頻感興趣區(qū)域的提取。消除傳統(tǒng)K-Means聚類算法對圖像分割時分類不準(zhǔn)確和魯棒性弱的問題，并提取出視頻的感興趣區(qū)域。關(guān)鍵詞：K-Means聚類;感興趣區(qū)域;非感興

歸類，然后利用信息熵法對需求項進(jìn)行熵權(quán)值求解排序，求得需求重要度排序，并以此來構(gòu)造精確的用戶需求模型。最終，通過小型多功能電動掃吸車的用戶需求模型構(gòu)建過程來進(jìn)一步說明這3種方法結(jié)合的有效性以及普適性。關(guān)鍵詞：情境分析法? KJ法? 信息熵? 用戶需求? 小型多功能電動掃吸車中圖分類號：TB472 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-098X（2021）07（a）-0032-03Application of Information Entropy in Pr

行土地利用結(jié)構(gòu)信息熵、城鎮(zhèn)土地利用與產(chǎn)出效益的相關(guān)性的分析。2016-2018年期間，山西省土地利用結(jié)構(gòu)信息熵呈先上升后下降的發(fā)展態(tài)勢，但土地利用結(jié)構(gòu)的變化幅度不大。為我省土地利用結(jié)構(gòu)改進(jìn)，提出節(jié)約集約利用土地，優(yōu)化土地利用結(jié)構(gòu)，加大綠化力度，建設(shè)生態(tài)城鎮(zhèn)的合理化建議。關(guān)鍵詞：山西省，土地利用結(jié)構(gòu)，信息熵山西省位于黃土高原的東部，面積15.67萬km2，屬于中部崛起經(jīng)濟(jì)區(qū)的重要省份之一，并且作為我國重要的能源基地，在全國經(jīng)濟(jì)發(fā)展中扮演著重要角色。2018年

; 互信息; 信息熵 ; N-gram中圖分類號：TP18? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044（2021）26-0001-05開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：Dynamic Recognition Model of Unknown Words Based on Mixed Information Double Array TrieCHEN Hao-yu，HONG Jia-wei，CHEN Zhi-ran（Faculty of Co

問題，建立基于信息熵的機(jī)器學(xué)習(xí)模型-分類決策樹，分析影響收入的關(guān)鍵因素，進(jìn)而提出一種基于Keras搭建的新型高精準(zhǔn)率神經(jīng)網(wǎng)絡(luò)收入分類模型。該模型能夠精準(zhǔn)地確定影響大數(shù)據(jù)人才收入的主要因素，為大數(shù)據(jù)行業(yè)相關(guān)人員提供從業(yè)指導(dǎo)與幫助。關(guān)鍵詞： 大數(shù)據(jù); 信息熵; 機(jī)器學(xué)習(xí); 分類決策樹; 神經(jīng)網(wǎng)絡(luò)中圖分類號：TP391.4? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ?文章編號：1006-8228（2021）09-26-03Abstract： The factors

獲得局部航跡和信息熵， 然后利用信息熵來度量局部航跡質(zhì)量。 根據(jù)設(shè)置的雙門限篩選出質(zhì)量好的局部航跡， 并將其信息熵歸一化的結(jié)果賦給傳感器的權(quán)值， 實現(xiàn)權(quán)值的動態(tài)分配。 仿真結(jié)果表明， 在考慮不同的傳感器精度和量測丟失率的情況下， 該算法對機(jī)動目標(biāo)的跟蹤性能優(yōu)于已知的航跡融合算法。關(guān)鍵詞：多傳感器; 量測丟失; 信息熵; 航跡選擇; 航跡融合; 目標(biāo)跟蹤中圖分類號：TJ765; TP391 ??文獻(xiàn)標(biāo)識碼：??? A? 文章編號：1673-5048（2021

不精確. 基于信息熵，本文提出一種新的改進(jìn)門控權(quán)重單元，利用信息熵技術(shù)量化數(shù)據(jù)序列的變化程度，動態(tài)調(diào)整權(quán)重矩陣刻畫數(shù)據(jù)的變化趨勢. 基于4個公開數(shù)據(jù)集分別進(jìn)行實驗，實驗結(jié)果表明新模型比傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)模型具有更好的預(yù)測性能.關(guān)鍵詞：多變量時間序列;門控機(jī)制;循環(huán)神經(jīng)網(wǎng)絡(luò);門控權(quán)重單元;信息熵中圖分類號：TP391 ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼：AMultivariate Time Series Prediction Based on Gating

建了基于連續(xù)型信息熵的應(yīng)急資源配置量模型，通過算例對模型的有效性進(jìn)行驗證，并進(jìn)行決策者風(fēng)險偏好和最優(yōu)配置量之間的靈敏度分析。研究結(jié)果表明，基于連續(xù)型隨機(jī)變量的信息熵模型可為決策者提供應(yīng)急資源的最優(yōu)配置量，并且最優(yōu)配置量隨決策者風(fēng)險偏好的不同趨于穩(wěn)定。關(guān)鍵詞：海上突發(fā)事件;信息熵;應(yīng)急資源;配置量中圖分類號：F224 ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A ? ? ? ? ? ?文章編號：1006—7973（2021）07-0072-04由于氣象、水文等眾多不確

價值。關(guān)鍵詞：信息熵;層次分析法;混合式教學(xué);過程考核引言以信息技術(shù)推動職業(yè)教育教學(xué)改革創(chuàng)新，加快推進(jìn)職業(yè)教育信息化發(fā)展是我國教育改革的重要決策[1-3]。在“互聯(lián)網(wǎng) +”時代，基于MOOC（Massive Open Online Courses）或SPOC（Small Private Online Course）平臺開展線上線下混合式課堂教學(xué)已成為當(dāng)前高校信息化教育教學(xué)改革的熱潮[4-8]。截止2020年12月，高等教育出版社開發(fā)的“智慧云2.0”SPO

空間;反廣告;信息熵;流量中圖分類號：J524.3 文獻(xiàn)標(biāo)識碼：A 文章編號：1004-9436（2021）10-000-021 引言與問題提出隨著數(shù)字媒體的興起和傳播媒介的變革，短視頻與平臺媒體等異軍突起，人們被包裹在宏大的數(shù)字信息流中。2009年，陳剛教授針對這一社會現(xiàn)狀，提出數(shù)字生活空間的全新概念：“以互聯(lián)網(wǎng)為基礎(chǔ)的新的傳播形態(tài)，是依托數(shù)字技術(shù)，對人類日常生活中的各種信息傳播和交流活動進(jìn)行的虛擬的還原和放大，這種傳播形態(tài)創(chuàng)造了一種新型的數(shù)字生活空間。

有序程度可以用信息熵進(jìn)行描述和刻畫[2]。目前，大部分學(xué)者利用信息熵理論從不同空間尺度進(jìn)行了相關(guān)研究，如：魏麗娜等運用信息熵理論，研究了甘肅省土地利用結(jié)構(gòu)的動態(tài)變化，并對影響信息熵值大小的土地利用類型進(jìn)行了分析[3]；石培基等基于信息熵理論，分析了甘州區(qū)土地利用結(jié)構(gòu)信息熵的空間差異[4]；周子英等基于信息熵和相關(guān)性，對長沙市土地利用結(jié)構(gòu)時空變化進(jìn)行了研究[5]。胡源等采用信息熵研究了武漢市土地利用結(jié)構(gòu)變化，并結(jié)合多元線性回歸模型分析其變化的影響因素[6]；

結(jié)構(gòu)元素，引入信息熵加權(quán)系數(shù)，改進(jìn)了形態(tài)學(xué)邊緣檢測算法.首先，為去除圖像噪聲，選定2種不同尺度的結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)開閉運算;然后，利用4種不同方向的結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)邊緣檢測，可以獲得4幅不同方向結(jié)構(gòu)元素下的邊緣圖像;再根據(jù)每幅邊緣圖像的信息熵來確定權(quán)值，并將這些邊緣圖像按照比例進(jìn)行加權(quán)求和即可得到較為理想的邊緣圖像.仿真實驗證明：改進(jìn)的形態(tài)學(xué)邊緣檢測算法具有很強(qiáng)的抗噪性能，而且檢測到的邊緣信息更完整流暢，具有一定的適用性和優(yōu)越性.關(guān)鍵詞：多尺度多方向;結(jié)

課題。本文基于信息熵理論，引入均衡度以表征北方地區(qū)用水結(jié)構(gòu)特征，采用灰色關(guān)聯(lián)度和Pearson相關(guān)分析法探究其驅(qū)動因子。結(jié)果表明：北方地區(qū)農(nóng)業(yè)是用水大戶，工業(yè)和生活用水量較接近，生態(tài)用水占比最少但增速較快;2003—2019年，北方地區(qū)用水結(jié)構(gòu)朝均衡方向發(fā)展，但東北地區(qū)用水結(jié)構(gòu)逐漸單一;北方地區(qū)社會經(jīng)濟(jì)影響著用水結(jié)構(gòu)，西北、東北、華北片區(qū)用水結(jié)構(gòu)特征演變的主要驅(qū)動因子不同。關(guān)鍵詞：用水結(jié)構(gòu);信息熵;灰色關(guān)聯(lián)度;均衡度中圖分類號：TV213.9 ? ?

設(shè)計了一種基于信息熵加權(quán)的目標(biāo)識別算法。該算法利用紅外光譜的特征，結(jié)合車輛目標(biāo)的幾何結(jié)構(gòu)特點，將相應(yīng)特征信息以加權(quán)的形式量化給出。實驗針對紅外汽車目標(biāo)進(jìn)行測試，實驗結(jié)果顯示，采用信息熵加權(quán)算法的目標(biāo)識別概率得到了明顯的提升，明顯優(yōu)于未使用優(yōu)化的測試結(jié)果，從而驗證了本算法的可行性?！娟P(guān)鍵詞】? ? 目標(biāo)識別? ? 紅外圖像? ? 信息熵? ? 加權(quán)參數(shù)引言：紅外目標(biāo)識別是一種能夠根據(jù)紅外圖像追蹤分析紅外熱目標(biāo)的技術(shù)，實時精確的紅外目標(biāo)識別算法廣泛應(yīng)用于兵器制

主要用地類型。信息熵上升、優(yōu)勢度下降、均衡度上升，說明各土地利用類型規(guī)模差異減少、單一土地利用類型支配程度下降；綜合土地利用動態(tài)度為0.12，屬于土地利用極緩慢型。單一土地利用動態(tài)度中，耕地、林地、草地利用極緩慢，建設(shè)用地中的建設(shè)用地動態(tài)度為7.07，在建設(shè)用地動態(tài)度中變化最大；土地利用類型變化主要表現(xiàn)為耕地轉(zhuǎn)向建設(shè)用地，水域、未利用土地轉(zhuǎn)向耕地和建設(shè)用地，水域轉(zhuǎn)向未利用土地。耕地、草地與地區(qū)生產(chǎn)總值（X1）、第一產(chǎn)業(yè)（X2）、第二產(chǎn)業(yè)（X3）、第三產(chǎn)業(yè)（

510006）信息熵（entropy）是來源于信息論中的一個概念，它描述了信息的不確定程度。信息熵越大，信息熵在很多方面都有一定的應(yīng)用。在關(guān)鍵幀的提取技術(shù)［1］中，可以利用互信息熵和互信息量對視頻序列提取關(guān)鍵幀。在應(yīng)用支持向量機(jī)（supported vector machine，SVM）進(jìn)行網(wǎng)絡(luò)入侵檢測［2］時，可以利用信息熵選取特征，然后再進(jìn)行入侵檢測。對于相似性度量，信息熵也有一定的應(yīng)用。使用聚類算法對樣本進(jìn)行聚類［3］時，可以使用疊加信息熵場對樣本之

市各個區(qū)（縣）信息熵值的空間分異規(guī)律，對土地利用效率的提高具有深遠(yuǎn)意義。因此，本研究工作得出研究區(qū)土地利用系統(tǒng)的空間格局變化規(guī)律，找出了和土地利用結(jié)構(gòu)信息熵值空間分異規(guī)律有關(guān)的因素，該結(jié)果可為蘭州市土地利用結(jié)構(gòu)與布局的優(yōu)化調(diào)整提供借鑒。1 技術(shù)路線本文利用2018年蘭州市土地利用類型數(shù)據(jù)，利用信息熵公式分別計算了蘭州市各區(qū)（縣）土地利用結(jié)構(gòu)信息熵，以找到土地利用結(jié)構(gòu)信息熵的空間演變規(guī)律及成因，并利用GIS軟件來展現(xiàn)和分析土地利用結(jié)構(gòu)信息熵在空間上的分異規(guī)律

宇等利用圖像的信息熵、紋理以及邊緣信息等特征對圖像的復(fù)雜度進(jìn)行了分析，并采用等權(quán)重系數(shù)加權(quán)求和的方法對圖像的復(fù)雜度進(jìn)行了定量的評估[3]132.Zou等利用圖像的紋理特征研究了圖像的復(fù)雜度，并利用灰度共生矩陣對紋理特征進(jìn)行了分析[6].上述方法中，研究者或只是對圖像進(jìn)行了定性的描述，或沒有考慮各指標(biāo)間的權(quán)重，即沒有給出準(zhǔn)確、定量的描述方法.計算機(jī)存儲的版面文檔信息中，包含圖像空間分布的像素信息(灰度值或彩色數(shù)字化編碼)和文字部分的文字編碼，即文檔的二進(jìn)制字

5）。二、利用信息熵與相對頻度對教學(xué)數(shù)據(jù)進(jìn)行分析1.計算信息熵（1）統(tǒng)計分析對于編號為A的課程，共計180次行為記錄，其中：1）教師講解59次；2）教師提問22次；3）教師板書13次；4）教師展示媒體內(nèi)容20次；5）教師組織課堂活動2次；6）教師評價8次；7）教師總結(jié)10次；8）學(xué)生思考6次；9）反應(yīng)性學(xué)生說話23次；10）自發(fā)性學(xué)生說話11次；11）學(xué)生沉寂1次；12）無助教學(xué)的混亂5次。對于編號為B的課程，根據(jù)表1的分類方法進(jìn)行采樣，共計180次行為記

39 )?利用信息熵判定HEVC預(yù)測單元尺寸快速算法馮磊1,2， 戴明1, 孫麗娜1， 趙春蕾1,2(1.中國科學(xué)院 長春光學(xué)精密機(jī)械與物理研究所，長春 130033；2.中國科學(xué)院大學(xué)，北京 100039 )為提高HEVC編碼器的幀內(nèi)預(yù)測速度，提出一種基于信息熵的high efficiency video coding (HEVC) 幀內(nèi)預(yù)測單元(PU)尺寸快速判定算法. 利用圖像的信息熵隨圖像中細(xì)節(jié)的豐富程度產(chǎn)生不同的值這一特性，判斷PU是否需要進(jìn)行分

　510630信息熵在建筑工程管理中的應(yīng)用及其影響文/宋俊珍廣東粵能工程管理有限公司廣東廣州510630隨著我國建筑工程行業(yè)的快速發(fā)展，其管理水平明顯提升，但仍然存在許多安全事故隱患問題，不僅威脅人們的生命健康安全，而且可能阻礙建筑工程管理行業(yè)的可持續(xù)發(fā)展進(jìn)程。信息熵在建筑工程管理中的應(yīng)用，能夠適應(yīng)建筑工程行業(yè)未來發(fā)展的需要，提高建筑工程管理工作效率，為建筑工程行業(yè)發(fā)展提供充足動力。本文主要對信息熵進(jìn)行概述，并分析其在建筑工程管理中的應(yīng)用和產(chǎn)生的影響。信息

0)?基于融合信息熵距的滾動軸承故障診斷方法關(guān)焦月1，艾延廷1，田 晶1，王 帥1，周海侖1，孫 丹1,高紅池2(1.沈陽航空航天工程大學(xué) 航空航天工程學(xué)部(院)， 沈陽 110136;2.中國人民解放軍75752部隊76分隊，廣東 佛山 528100)針對機(jī)匣內(nèi)滾動軸承故障，采用一種基于融合信息熵距的故障診斷方法進(jìn)行診斷。通過航空發(fā)動機(jī)轉(zhuǎn)子系統(tǒng)試驗臺模擬滾動軸承的單一和耦合故障，采集其聲發(fā)射信號，利用時域的奇異譜熵、頻域的功率譜熵、時-頻域的小波能譜熵以

，設(shè)計一種利用信息熵值作特征量檢測地震前兆觀測數(shù)據(jù)的方法，可以快速從大量數(shù)據(jù)中檢測出問題數(shù)據(jù)，大大縮短數(shù)據(jù)預(yù)處理中非正常數(shù)據(jù)的定位時間。1 前兆數(shù)據(jù)特征值提取方法數(shù)據(jù)特征量提取方法設(shè)計中，借鑒信息領(lǐng)域信息熵的概念，通過前兆觀測數(shù)據(jù)信息熵的定義來提取前兆觀測數(shù)據(jù)的特征值。1.1 信息熵Shannon［2］將信息熵定義為：離散隨機(jī)事件出現(xiàn)概率的不確定性。一個系統(tǒng)越有序，信息熵就越低；越混亂，信息熵就越高。所以，信息熵是系統(tǒng)有序化程度的一個度量。假設(shè)X是一個離散

耗散動力系統(tǒng)的信息熵演化*郭永峰1?趙小山2譚建國1(1．天津工業(yè)大學(xué)理學(xué)院，天津 300387)(2．天津職業(yè)技術(shù)師范大學(xué)理學(xué)院，天津 300222)熵在描述隨機(jī)系統(tǒng)的演變、不穩(wěn)定性、無序性或混亂程度以及信息傳遞方面起著重要的作用．本文對非高斯噪聲驅(qū)動的一類耗散動力系統(tǒng)的信息熵演化進(jìn)行了研究，文中通過線性變換的方法簡化了所研究系統(tǒng)的FPK方程，然后根據(jù)Shannon信息熵定義推導(dǎo)出了該耗散動力系統(tǒng)隨時間演化信息熵的精確表達(dá)式，最后分析了非高斯噪聲和系統(tǒng)耗

度，提出基于互信息熵與關(guān)鍵區(qū)域特征相結(jié)合的圖像匹配方法。主要內(nèi)容包括:①論述互信息熵衡量定位誤差的有效性，提出基于互信息熵的匹配方法;②選取含有豐富信息區(qū)域作為匹配的區(qū)域特征，采用互信息熵與關(guān)鍵區(qū)域特征相結(jié)合的方法實現(xiàn)對檢測目標(biāo)的高效匹配;③通過添加噪聲、冗余信息、制造外形誤差等方式驗證算法的抗干擾能力;④跟同類算法進(jìn)行比較，凸顯算法的優(yōu)越性。2 互信息熵與匹配誤差分析互信息熵源自于信息熵的內(nèi)容，用于衡量事物與事物之間的相關(guān)性。兩個離散隨機(jī)變量假設(shè)X與Y的

算并比較相應(yīng)的信息熵，進(jìn)一步提出實測壽命數(shù)據(jù)滿足隨機(jī)特性，從而能夠提供可靠Weibull分布參數(shù)應(yīng)具備的條件。1 信息熵的計算1.1 計算方法設(shè)含有N個疲勞壽命的數(shù)據(jù)組已經(jīng)按文獻(xiàn)[3]方法求得參數(shù)κ和λ，則其中壽命為x的數(shù)據(jù)具有的兩參數(shù)Weibull概率密度函數(shù)為[1](1)并且，這N個壽命的數(shù)據(jù)組具有Weibull總信息熵U(N) ，即(2)(3)式中：pi為第i個壽命xi的歸一化概率；u(i)為壽命xi對總信息熵U(N)的貢獻(xiàn)。當(dāng)N趨向無限大，求和就被

體CAI課件的信息熵 ——評價CAI課件的一個量化指標(biāo)王翠香中國地質(zhì)大學(xué)信息工程學(xué)院，北京 100083通過隨機(jī)變量的信息熵給出了評價CAI課件的一個量化指標(biāo),利用該指標(biāo)可以從一個側(cè)面評價CAI課件的優(yōu)劣。一 、引言多媒體教學(xué)是信息時代一種全新的教學(xué)方式，多媒體課件的使用優(yōu)化了課堂結(jié)構(gòu)，提高了學(xué)習(xí)效率，已經(jīng)成為教師進(jìn)行課堂教學(xué)的重要手段和必然選擇，因此，CAI課件的評價也成為一個亟須解決的重要問題。CAI課件是一種信息的集合，我們主張CAI課件應(yīng)該是一種面

度量方法 ——信息熵與方差趙秀菊(襄樊學(xué)院 數(shù)學(xué)與計算機(jī)科學(xué)學(xué)院， 湖北 襄樊 441053)信息熵和方差都被用作不確定性的度量，之間理應(yīng)存在一定的科學(xué)關(guān)系. 從信息熵與方差的公式入手討論信息熵和方差在風(fēng)險度量時的優(yōu)缺點，指出之間的關(guān)系. 最后給出它們在一些領(lǐng)域的應(yīng)用.風(fēng)險度量；信息熵；方差；概率分布在Markowitz的均值—方差模型中，用方差度量風(fēng)險；Massoumi and Racine[1]考慮到有時候我們并不能很好的了解金融市場的概率分布時，信息