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(shí)選取與安徽省用水結(jié)構(gòu)密切相關(guān)的18個(gè)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(dòng)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(shì)，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(lái)越復(fù)雜穩(wěn)定，水資源開(kāi)發(fā)利用越來(lái)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(píng)價(jià)指標(biāo)，采用信息熵-正交試驗(yàn)設(shè)計(jì)優(yōu)化該制劑中黃連、苦參、玫瑰花、沒(méi)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(méi)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(méi)食子、玫瑰花水提液中沒(méi)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(shí)間分別為2.5、2.0 h，提取液經(jīng)濃縮后于70 ℃減壓干燥；沒(méi)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(duì)傳統(tǒng)主成分分析進(jìn)行改進(jìn)。對(duì)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(gè)主成分包含了超過(guò)95%的信息量，而傳統(tǒng)主成分分析的前7個(gè)主成分所包含的信息量?jī)H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(tái)，這對(duì)化工企業(yè)轉(zhuǎn)型升級(jí)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(lèi)號(hào)：TP391;TQ050.8 文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1001-592

多可選的方法。信息熵的方法優(yōu)勢(shì)是避免人工賦權(quán)的主觀性，根據(jù)數(shù)據(jù)的特征自動(dòng)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(mén)課程的模擬數(shù)據(jù)，進(jìn)行了課程評(píng)估數(shù)據(jù)分析的探索。關(guān)鍵詞：課程評(píng)估;OBE理念;數(shù)據(jù)分析;信息熵中圖分類(lèi)號(hào)：TP311? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：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(píng)估是檢驗(yàn)、推動(dòng)課程建設(shè)的重要途徑。新時(shí)代全國(guó)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(píng)判軌跡特征點(diǎn)的指標(biāo)，從船舶軌跡中提取分段關(guān)鍵點(diǎn)，進(jìn)而自適應(yīng)劃分出多條子軌跡，再利用自頂向下時(shí)間比（topdown time ratio， TDTR）算法分別對(duì)子軌跡進(jìn)行壓縮。以老鐵山水域船舶交通數(shù)據(jù)為實(shí)驗(yàn)樣本，從壓縮誤差、運(yùn)行效率等方面對(duì)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(duì)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(diǎn)檢測(cè)方法。將待檢測(cè)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(duì)疵點(diǎn)檢測(cè)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(lái)反映圖像紋理的空間分布，計(jì)算每個(gè)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(duì)顯著圖進(jìn)行閾值分割得到疵點(diǎn)的輪廓，同時(shí)通過(guò)顯著圖得到徑向投影差分序列對(duì)織物圖像進(jìn)行疵點(diǎn)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(diǎn)部分

要】 熵，又稱(chēng)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(guò)程，正是教學(xué)信息由教師、教材輸送給學(xué)生的傳遞過(guò)程。提高教學(xué)中的有效信息傳遞，可理解為是一個(gè)熵減的過(guò)程。在進(jìn)行醫(yī)學(xué)課程設(shè)計(jì)時(shí)，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?！娟P(guān)鍵詞】信息熵，醫(yī)學(xué)，課程設(shè)計(jì)【中圖分類(lèi)號(hào)】G644.5 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】2026-5328（2022）02--

發(fā)展現(xiàn)狀，采用信息熵理論綜合分析法對(duì)港口企業(yè)的綜合競(jìng)爭(zhēng)力進(jìn)行研究，構(gòu)建評(píng)價(jià)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?！娟P(guān)鍵詞】 信息熵;港口企業(yè);評(píng)價(jià)指標(biāo);綜合競(jìng)爭(zhēng)力0 前 言隨著經(jīng)濟(jì)全球化的發(fā)展和國(guó)際貿(mào)易量的增加，全國(guó)各地對(duì)港口重要性的認(rèn)識(shí)越來(lái)越深刻。制定以港興城的發(fā)展戰(zhàn)略，鼓勵(lì)和扶持港口的發(fā)展，使得我國(guó)沿海沿江港口星羅棋布，各港口企業(yè)之間的競(jìng)爭(zhēng)日益激烈。為使港口企業(yè)認(rèn)識(shí)到自身在所處行業(yè)中的地位，增強(qiáng)港口企業(yè)的競(jìng)爭(zhēng)力，實(shí)現(xiàn)可持續(xù)發(fā)

進(jìn)行處理，采用信息熵、單一土地動(dòng)態(tài)度對(duì)麥積區(qū)土地利用結(jié)構(gòu)及其動(dòng)態(tài)變化特征進(jìn)行了定量分析并對(duì)麥積區(qū)2021 — 2026的信息熵進(jìn)行了預(yù)測(cè)。結(jié)果表明，麥積區(qū)土地利用類(lèi)型時(shí)間變化具有不均衡性，但已呈現(xiàn)良好方向發(fā)展的趨勢(shì)。從單一土地動(dòng)態(tài)度來(lái)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(lèi)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(shì)度以及2021 — 2026

間 流動(dòng)空間 信息熵 用戶(hù)體驗(yàn) 信息設(shè)計(jì) 柵格系統(tǒng)引言隨著數(shù)字技術(shù)的發(fā)展，我們正在對(duì)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(lái)了新的可能性，也為用戶(hù)帶來(lái)了各種各樣不同的情感體驗(yàn)。與此同時(shí)信息流對(duì)空間的介入也帶來(lái)了一些問(wèn)題，從負(fù)面角度看大量信息對(duì)空間的附著讓空間的信息變得雜亂且難以突出重點(diǎn)。更多的信息究竟讓人類(lèi)的生活更久便利，還是更加混亂？在這樣的環(huán)境下，我們?cè)撊绾乌吚芎?，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(jì)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(yùn)行故障事件發(fā)生概率。因此，本文通過(guò)機(jī)械設(shè)備自診斷系統(tǒng)硬件、軟件的設(shè)計(jì)，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(jià)值。關(guān)鍵詞：信息熵;設(shè)備故障;自診斷;故障行為;存儲(chǔ)數(shù)據(jù)庫(kù)在電網(wǎng)應(yīng)用環(huán)境中，隨著傳輸電子數(shù)量級(jí)水平的提升，部分機(jī)械設(shè)備會(huì)出現(xiàn)明顯的運(yùn)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(shí)時(shí)傳輸數(shù)據(jù)，通過(guò)結(jié)構(gòu)式框架，實(shí)現(xiàn)故障數(shù)據(jù)信息定向化分析。但此時(shí)，

小紋理復(fù)雜度和信息熵與運(yùn)動(dòng)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(lèi)思想隨機(jī)選取k個(gè)初始聚類(lèi)中心，并采用設(shè)計(jì)的聚類(lèi)規(guī)則對(duì)像素點(diǎn)進(jìn)行迭代分類(lèi)，最后對(duì)分類(lèi)后的各個(gè)聚類(lèi)集合根據(jù)運(yùn)動(dòng)劇烈區(qū)域與運(yùn)動(dòng)平緩區(qū)域的紋理復(fù)雜度和信息熵進(jìn)行區(qū)域分類(lèi)，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(lèi)算法對(duì)圖像分割時(shí)分類(lèi)不準(zhǔn)確和魯棒性弱的問(wèn)題，并提取出視頻的感興趣區(qū)域。關(guān)鍵詞：K-Means聚類(lèi);感興趣區(qū)域;非感興

歸類(lèi)，然后利用信息熵法對(duì)需求項(xiàng)進(jìn)行熵權(quán)值求解排序，求得需求重要度排序，并以此來(lái)構(gòu)造精確的用戶(hù)需求模型。最終，通過(guò)小型多功能電動(dòng)掃吸車(chē)的用戶(hù)需求模型構(gòu)建過(guò)程來(lái)進(jìn)一步說(shuō)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(hù)需求? 小型多功能電動(dòng)掃吸車(chē)中圖分類(lèi)號(hào)：TB472 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：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(shì)，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(wàn)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(guó)重要的能源基地，在全國(guó)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(lèi)號(hào)：TP18? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2021）26-0001-05開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)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(wèn)題，建立基于信息熵的機(jī)器學(xué)習(xí)模型-分類(lèi)決策樹(shù)，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(lèi)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(lèi)決策樹(shù); 神經(jīng)網(wǎng)絡(luò)中圖分類(lèi)號(hào)：TP391.4? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：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(lái)度量局部航跡質(zhì)量。 根據(jù)設(shè)置的雙門(mén)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(shí)現(xiàn)權(quán)值的動(dòng)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(cè)丟失率的情況下， 該算法對(duì)機(jī)動(dòng)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(cè)丟失; 信息熵; 航跡選擇; 航跡融合; 目標(biāo)跟蹤中圖分類(lèi)號(hào)：TJ765; TP391 ??文獻(xiàn)標(biāo)識(shí)碼：??? A? 文章編號(hào)：1673-5048（2021

不精確. 基于信息熵，本文提出一種新的改進(jìn)門(mén)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(dòng)態(tài)調(diào)整權(quán)重矩陣刻畫(huà)數(shù)據(jù)的變化趨勢(shì). 基于4個(gè)公開(kāi)數(shù)據(jù)集分別進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)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(cè)性能.關(guān)鍵詞：多變量時(shí)間序列;門(mén)控機(jī)制;循環(huán)神經(jīng)網(wǎng)絡(luò);門(mén)控權(quán)重單元;信息熵中圖分類(lèi)號(hào)：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(guò)算例對(duì)模型的有效性進(jìn)行驗(yàn)證，并進(jìn)行決策者風(fēng)險(xiǎn)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(xiǎn)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(lèi)號(hào)：F224 ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ?文章編號(hào)：1006—7973（2021）07-0072-04由于氣象、水文等眾多不確

價(jià)值。關(guān)鍵詞：信息熵;層次分析法;混合式教學(xué);過(guò)程考核引言以信息技術(shù)推動(dòng)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(guó)教育改革的重要決策[1-3]。在“互聯(lián)網(wǎng) +”時(shí)代，基于MOOC（Massive Open Online Courses）或SPOC（Small Private Online Course）平臺(tái)開(kāi)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(kāi)發(fā)的“智慧云2.0”SPO

空間;反廣告;信息熵;流量中圖分類(lèi)號(hào)：J524.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004-9436（2021）10-000-021 引言與問(wèn)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(tái)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(duì)這一社會(huì)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(duì)人類(lèi)日常生活中的各種信息傳播和交流活動(dòng)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(huà)[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(yùn)用信息熵理論，研究了甘肅省土地利用結(jié)構(gòu)的動(dòng)態(tài)變化，并對(duì)影響信息熵值大小的土地利用類(lèi)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(duì)長(zhǎng)沙市土地利用結(jié)構(gòu)時(shí)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(cè)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(kāi)閉運(yùn)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(cè)，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(lái)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(shí)驗(yàn)證明：改進(jìn)的形態(tài)學(xué)邊緣檢測(cè)算法具有很強(qiáng)的抗噪性能，而且檢測(cè)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(dòng)因子。結(jié)果表明：北方地區(qū)農(nóng)業(yè)是用水大戶(hù)，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(huì)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(dòng)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(lèi)號(hào)：TV213.9 ? ?

設(shè)計(jì)了一種基于信息熵加權(quán)的目標(biāo)識(shí)別算法。該算法利用紅外光譜的特征，結(jié)合車(chē)輛目標(biāo)的幾何結(jié)構(gòu)特點(diǎn)，將相應(yīng)特征信息以加權(quán)的形式量化給出。實(shí)驗(yàn)針對(duì)紅外汽車(chē)目標(biāo)進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果顯示，采用信息熵加權(quán)算法的目標(biāo)識(shí)別概率得到了明顯的提升，明顯優(yōu)于未使用優(yōu)化的測(cè)試結(jié)果，從而驗(yàn)證了本算法的可行性?！娟P(guān)鍵詞】? ? 目標(biāo)識(shí)別? ? 紅外圖像? ? 信息熵? ? 加權(quán)參數(shù)引言：紅外目標(biāo)識(shí)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(shí)時(shí)精確的紅外目標(biāo)識(shí)別算法廣泛應(yīng)用于兵器制

主要用地類(lèi)型。信息熵上升、優(yōu)勢(shì)度下降、均衡度上升，說(shuō)明各土地利用類(lèi)型規(guī)模差異減少、單一土地利用類(lèi)型支配程度下降；綜合土地利用動(dòng)態(tài)度為0.12，屬于土地利用極緩慢型。單一土地利用動(dòng)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(dòng)態(tài)度為7.07，在建設(shè)用地動(dòng)態(tài)度中變化最大；土地利用類(lèi)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(lái)源于信息論中的一個(gè)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(duì)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(cè)［2］時(shí)，可以利用信息熵選取特征，然后再進(jìn)行入侵檢測(cè)。對(duì)于相似性度量，信息熵也有一定的應(yīng)用。使用聚類(lèi)算法對(duì)樣本進(jìn)行聚類(lèi)［3］時(shí)，可以使用疊加信息熵場(chǎng)對(duì)樣本之

市各個(gè)區(qū)（縣）信息熵值的空間分異規(guī)律，對(duì)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(lèi)型數(shù)據(jù)，利用信息熵公式分別計(jì)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(lái)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(duì)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(duì)圖像的復(fù)雜度進(jìn)行了定量的評(píng)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(duì)紋理特征進(jìn)行了分析[6].上述方法中，研究者或只是對(duì)圖像進(jìn)行了定性的描述，或沒(méi)有考慮各指標(biāo)間的權(quán)重，即沒(méi)有給出準(zhǔn)確、定量的描述方法.計(jì)算機(jī)存儲(chǔ)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(duì)頻度對(duì)教學(xué)數(shù)據(jù)進(jìn)行分析1.計(jì)算信息熵（1）統(tǒng)計(jì)分析對(duì)于編號(hào)為A的課程，共計(jì)180次行為記錄，其中：1）教師講解59次；2）教師提問(wèn)22次；3）教師板書(shū)13次；4）教師展示媒體內(nèi)容20次；5）教師組織課堂活動(dòng)2次；6）教師評(píng)價(jià)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(shuō)話23次；10）自發(fā)性學(xué)生說(shuō)話11次；11）學(xué)生沉寂1次；12）無(wú)助教學(xué)的混亂5次。對(duì)于編號(hào)為B的課程，根據(jù)表1的分類(lèi)方法進(jìn)行采樣，共計(jì)180次行為記

39 )?利用信息熵判定HEVC預(yù)測(cè)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(guó)科學(xué)院 長(zhǎng)春光學(xué)精密機(jī)械與物理研究所，長(zhǎng)春 130033；2.中國(guó)科學(xué)院大學(xué)，北京 100039 )為提高HEVC編碼器的幀內(nèi)預(yù)測(cè)速度，提出一種基于信息熵的high efficiency video coding (HEVC) 幀內(nèi)預(yù)測(cè)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(guó)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(wèn)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(lái)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(dòng)力。本文主要對(duì)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(dòng)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(yáng)航空航天工程大學(xué) 航空航天工程學(xué)部(院)， 沈陽(yáng) 110136;2.中國(guó)人民解放軍75752部隊(duì)76分隊(duì)，廣東 佛山 528100)針對(duì)機(jī)匣內(nèi)滾動(dòng)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(guò)航空發(fā)動(dòng)機(jī)轉(zhuǎn)子系統(tǒng)試驗(yàn)臺(tái)模擬滾動(dòng)軸承的單一和耦合故障，采集其聲發(fā)射信號(hào)，利用時(shí)域的奇異譜熵、頻域的功率譜熵、時(shí)-頻域的小波能譜熵以

，設(shè)計(jì)一種利用信息熵值作特征量檢測(cè)地震前兆觀測(cè)數(shù)據(jù)的方法，可以快速?gòu)拇罅繑?shù)據(jù)中檢測(cè)出問(wèn)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(shí)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(jì)中，借鑒信息領(lǐng)域信息熵的概念，通過(guò)前兆觀測(cè)數(shù)據(jù)信息熵的定義來(lái)提取前兆觀測(cè)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(gè)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(gè)度量。假設(shè)X是一個(gè)離散

耗散動(dòng)力系統(tǒng)的信息熵演化*郭永峰1?趙小山2譚建國(guó)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(wú)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(duì)非高斯噪聲驅(qū)動(dòng)的一類(lèi)耗散動(dòng)力系統(tǒng)的信息熵演化進(jìn)行了研究，文中通過(guò)線性變換的方法簡(jiǎn)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(dòng)力系統(tǒng)隨時(shí)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(shí)現(xiàn)對(duì)檢測(cè)目標(biāo)的高效匹配;③通過(guò)添加噪聲、冗余信息、制造外形誤差等方式驗(yàn)證算法的抗干擾能力;④跟同類(lèi)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(gè)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(shí)測(cè)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(jì)算1.1 計(jì)算方法設(shè)含有N個(gè)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(gè)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(gè)壽命xi的歸一化概率；u(i)為壽命xi對(duì)總信息熵U(N)的貢獻(xiàn)。當(dāng)N趨向無(wú)限大，求和就被

體CAI課件的信息熵 ——評(píng)價(jià)CAI課件的一個(gè)量化指標(biāo)王翠香中國(guó)地質(zhì)大學(xué)信息工程學(xué)院，北京 100083通過(guò)隨機(jī)變量的信息熵給出了評(píng)價(jià)CAI課件的一個(gè)量化指標(biāo),利用該指標(biāo)可以從一個(gè)側(cè)面評(píng)價(jià)CAI課件的優(yōu)劣。一 、引言多媒體教學(xué)是信息時(shí)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(píng)價(jià)也成為一個(gè)亟須解決的重要問(wèn)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(jì)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(xiǎn)度量時(shí)的優(yōu)缺點(diǎn)，指出之間的關(guān)系. 最后給出它們?cè)谝恍╊I(lǐng)域的應(yīng)用.風(fēng)險(xiǎn)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(xiǎn)；Massoumi and Racine[1]考慮到有時(shí)候我們并不能很好的了解金融市場(chǎng)的概率分布時(shí)，信息