摘要：由于分类型和数值型属性特性的差异,设计混合类型数据聚类算法时通常需要对两种类型属性区别对待,增加了聚类算法的设计与实现难度。另外,不同属性所包含的信息量存在差异,但现有算法通常平等对待各个属性。提出了一种融合单纯形映射与信息熵加权的混合类型数据聚类算法。基于单纯形理论将分类型属性映射为高维数值属性向量,应用信息熵理论为各属性分配权重建立相似性度量公式,将该度量方法应用于K-Means算法框架得到聚类算法。在6个UCI的混合数据集上的实验表明,提出的聚类算法优于传统映射聚类算法和K-Prototype算法,在准确度上分别提高了2.70%和18.33%。

摘要：目前很多图书馆都更加信息化和数字化,馆藏书籍数量也因此不断提高。如何通过聚类算法做出海量图书类目的精确分类,以便用户更加方便快捷地筛选,成为亟需解决的问题。提出的熵加权聚类改进算法是以传统熵加权聚类算法为基础所设计的新的聚类中心矩阵计算方法。通过选取具有代表性的样本点作为初始聚类中心,降低数据维度和冗余。此外,通过合并策略对信息熵加权隶属表示进行修改,从而避免聚类过程中的局部最优。实验结果表明,提出的聚类方法在处理书籍大数据分类任务时具有较高的精度和稳定度。

摘要：为解决现有图像去雾算法运行效率低下且对白亮目标区域色彩失真的问题,提出一个基于四叉树分解与熵加权上下文正则的单帧图像去雾算法。原始雾图像估计出边界的约束量并进行四叉树分解,利用输入图像的统计特性,自适应地获得逐块的传输函数。引入每一个颜色通道的熵,改善权值函数的精度,通过最小化优化函数计算最终传输映射。该算法可获得具有最逼真的颜色与最少的光晕效应的高质量无雾图像。仿真的定性定量结果表明,该算法相比于现有算法能够获得最佳去雾效果,极大降低计算复杂度。

摘要：河北省地下水面临着环境质量恶化的严重挑战,地下水水质及其适宜性评价是水源地饮水安全保障和可持续利用的基础。为了有针对性地开展河北省地下水饮用水源地水质评价及其变化特性,选取3期水质监测数据,利用熵加权水质指数法,自定义水质分类标准评价水源地地下水水质及其适用性。结果表明,水源地地下水呈弱碱性,12.4%样品存在一般化学指标超过Ⅲ类水限制,9.9%样品中硝酸盐和氟化物超过限制;自定义的水质分类标准显示91个水样被归类于Ⅲ类水,3个样品的熵加权水质指数值接近100;丰枯变化显示39个样品发生了水质类别变化,37个样品水质类别存在年际间变化;水样中TH、TDS、Na^(+)、SO_(4)^(2-)浓度升高是水源地水质变差的直接原因。研究结果可为提升河北省地下水饮用水源地管理水平和保障饮水安全提供技术支撑。

摘要：针对夜间行人检测成像尺度不一等因素所引起的类内方差较大、实时性不足等问题,本文在统计学习的应用原理下,设计了基于熵加权和FCSVM优化的头部校验夜间行人快速识别方案.该方案应用熵加权原理改进梯度直方图特征,引入了三分支结构的支持向量机对目标进一步识别,同时利用快速分类支持向量机(FCSVM)降低运算所需的开销,确保实时性,最后通过头部校验方法对误检目标进一步分析评估,进一步提高图像匹配的准确度.实验结果表明,该方案在夜间环境下能有效区分远红外行人目标,在充分确保行人实时性的基础上,在市区、郊区等不同应用环境中,均具有良好的实用性.

摘要：云计算环境下的大数据特征挖掘是大数据统计及分析的基础。为了提高聚类的准确度和速度,设计了一种基于分布式Hadoop平台和熵加权特征选择的数据挖掘方案。该方案首先采用无回路有向图对Hadoop平台下的Map Reduce作业流调度问题进行了分析。然后采用并行Map Reduce执行过程完成分布式计算。最后,采用熵加权聚类算法实现海量数据挖掘。仿真结果显示,提出的数据挖掘方案具有较好聚类效果和运行效率。

摘要：针对夜间行人检测成像尺度不一所引起的类内方差较大、实时性不足等问题,在统计学习的应用原理下,设计基于熵加权和快速分类支持向量机(FCSVM)优化的头部校验夜间行人快速识别方案。应用熵加权原理改进梯度直方图特征,引入三分支结构的支持向量机识别目标,同时利用FCSVM降低运算开销,确保实时性,通过头部校验方法分析评估误检目标,提高图像匹配的准确度。实验结果表明,该方案在夜间环境下能有效区分远红外行人目标,在充分确保行人检测实时性的基础上,在市区、郊区等不同应用环境中均具有较好的识别效果。