模糊熵

摘要： 针对脑电信号分类准确率不高导致脑控设备控制稳定性差的问题,提出一种基于离散小波变换(DWT)、多变量经验模态分解(MEMD)和模糊熵的特征提取与分类方法.首先,利用DWT将脑电信号分解成一系列窄带信号;其次,利用MEMD对子带信号进行分解,得到一系列本征模函数(IMFs),选择合适的IMFs进行信号重构,利用模糊熵算法对信号提取特征,作为实验的特征向量;最后,使用支持向量机(SVM)进行分类.利用脑机接口(BCI)大赛数据作为验证集,验证了该算法的有效性,使分类精度提高到了96.2％,同时解决了经验模态分解(EMD)中频带覆盖较广的问题.

摘要： 论文依据网络正能量模糊性和多规则的特点,借助语言犹豫模糊集和普通犹豫模糊集建立正能量事件的评价集,针对事件属性对正能量的影响效应确定各属性的模糊熵和权重,建立犹豫模糊推荐模型。借助TOPSIS的思想,从大数据中得到正能量事件的标准值,通过事件与标准值模糊相似度的计算确定推荐阈值以得到满意的正能量事件推荐结果。

摘要： 针对轴承振动信号的冗余信息过多、故障特征提取率较低的问题,提出一种基于鲸鱼算法及综合评价指标优化变分模态分解(VMD)参数的轴承故障特征提取方法。首先构建了一种模糊熵与峭度倒数和的综合评价指标,作为鲸鱼优化算法(WOA)的适应度函数;其次对VMD的相关参数进行寻优;然后使用优化的参数对原始信号进行VMD分解,得到固有模态函数(IMFs),选取模糊熵与峭度倒数和最小的IMF作为目标模态;最后对目标分量进行希尔伯特包络谱分析来提取故障特征。在仿真信号实验和实测数据实验中与传统方法对比,结果表明,鲸鱼算法与综合指标的结合能选取最优VMD分解参数,故障频率提取率较传统方法有所提高。

摘要： 对作战目标的识别是指挥与控制系统在作战环境中实施精确打击的前提条件,然而多种系统协同作战必然会对作战目标的识别有差异。针对冲突识别信息融合导致的目标识别不明确甚至错误的问题,提出一种基于改进DS证据理论的指控系统信息融合方法,该方法构建基于智联体的融合模型,在此模型基础上根据皮尔逊相关系数计算出目标识别信息的相关性权重,引入分类思想并结合模糊熵理论计算出目标分类权重,最后用DS融合规则对经过相关性权重和目标分类权重修改后的目标识别信息进行融合。仿真结果表明,与DSCR方法、CRET方法、CBF方法、CMCE方法和NDCM方法相比,所提方法在各种冲突情况下降低了识别错误目标的概率,提高了对正确目标的识别,有效提升了系统的目标识别能力。

摘要： 针对变分模态分解(VMD)算法预设参数选择的问题,提出了一种基于SA-GA模糊熵的VMD参数优化算法,该算法结合模拟退火算法(SA)和遗传算法(GA)的优点,选取模糊熵(FE)为适应度函数,求解最优分解参数。经过仿真信号分析,相比EMD算法,SA-GA模糊熵的VMD参数优化算法有效地抑制了模态混叠和虚假分量的现象,具有较高的分解精度。最后利用SA-GA模糊熵的VMD参数优化算法进行爆破振动信号实测分析,结果表明:SA-GA模糊熵的VMD参数优化算法可以根据不同的爆破振动自适应地选取最优解,解出来的IMF分量具有明确的物理意义,频谱图能清晰地看出信号内所包含的频率成分,具有良好的适用性。

摘要： 为了更加有效地提取S700K转辙机典型故障下动作功率曲线的故障特征,基于集合经验模态分解和多尺度模糊熵的方法提出一种新的故障诊断方法。首先对S700K转辙机动作功率曲线进行集合经验模态分解,计算获得包含不同时间信息的本征函数;然后对不同时间维度的分量提取模糊熵作为特征参数,由于模糊熵能辨别出信号的细微特征,从而可以获得原始信号多个维度的细微特征作为S700K转辙机不同状态下的特征参数;最后根据灰色关联度分析算法计算待检曲线和各故障曲线特征值之间的灰关联度值,由该值确定S700K转辙机的故障类型。实验结果表明,该诊断模型能显著提高S700K转辙机的故障诊断精度,且具有较好地适应性。

摘要： 针对供输弹系统早期采集的信号中成分复杂,故障特征难以提取和识别的问题,提出一种基于模糊熵与布谷鸟改进的极限学习机(CS-ELM)的供输弹系统早期故障预示方法。运用改进的可调品质因子小波变换对信号进行滤波降噪,提取各子带信号的模糊熵特征;选取模糊熵值较大的5个子带进行重构,完成降噪并将其模糊熵组成特征向量;运用CS-ELM对所提取的特征向量进行早期故障预示并与ELM的诊断结果进行对比。试验结果验证了该方法的有效性,其预示准确率达90.7%。

摘要： 功率开关器件是逆变器的核心部件,但其易发生开路故障,故对其进行故障诊断方法研究很有必要;针对中点钳位型(NPC)三电平逆变器功率开关管器件的开路故障,提出一种基于总体经验模态分解(EEMD)模糊熵和粒子群算法(PSO)优化的核函数极限学习机(KELM)的故障诊断方法;首先采样功率开关器件的桥臂输出端的三相电压作为故障信号以区分各种故障类型,然后利用EEMD模糊熵提取故障特征向量,最后将其划分为训练集和测试集送入PSO-KELM中,识别故障类型并输出诊断结果;经Matlab平台仿真实验得到该方法的故障诊断率超过98%,通过与其他方法的对比实验分析,该方法的有效性与优势得到验证。

摘要： 为提高电能质量扰动检测定位在高噪声环境下的准确性,在小波包降噪的基础上引入模糊熵判据,对不同噪声水平的扰动信号自适应最优分解层数,构造阈值随噪声系数改变的函数。选取噪声序列模糊熵最大时的阈值作为最优阈值,对降噪后的扰动信号进行Hilbert-Huang变换,以确定其起止时间与频率等参数。将算法与传统的小波阈值降噪方法进行对比,结果表明算法对于不同的噪声环境均具有良好的抗噪能力。由此可见基于模糊熵的小波包降噪可以更好地提高电能质量扰动分析的精度。

摘要： 利用信息熵或模糊熵确定子空间聚类中每个簇的不同特征,较好地解决了高维数据的子空间聚类.为了进一步提高聚类算法的性能,将权向量的负结构α-熵引入到高斯混合模型中,获得了结构α-熵的加权高斯混合的子空间聚类模型,提出了结构α-熵的加权高斯混合模型的子空间聚类算法SEWMM(Structuralα-Entropy Weighting Mixture Model),该算法不仅可以发现高维数据空间中位于不同子空间的簇,而且能够获得子空间中具有不同形状体积的簇.同时,进一步分析了算法的收敛性与时间复杂性.通过选取UCI(University of California,Irvine)标准数据集及图像数据集,对提出的算法SEWMM进行了实验,并与一些典型的聚类算法进行了比较,表明了提出的算法在总体性能上具有一定的提升.

摘要： 为更好的进行齿轮故障诊断的研究,采用模糊熵(Fuzzy Entropy,FE)对不同类型、不同转速下的齿轮进行研究.首先,运用实验信号进行模糊熵参数进行计算确定;然后,对实验信号进行改进局部均值分解(Local Mean Decomposition,LMD)得到多个不同分量(Product Function,PF),最后,对分解得到的PF分量进行模糊熵值计算,利用支持向量机(SVM)进行故障识别诊断.齿轮实验数据的处理结果表明该方法可以有效的诊断辨别齿轮故障,具有一定的优势.

摘要： 提出了一种基于经验小波变换的自适应多尺度模糊熵的转子系统故障诊断方法.首先,采用最近提出的经验小波变换将转子信号分解为若干个不同尺度的具有紧支集频谱的内禀模态函数之和;其次,计算每个内禀模态函数的模糊熵;再次,将提取的多尺度特征故障特征向量输入到基于神经网络集成建立的多故障分类器进行训练:最后,将测试样本输入到已训练的分类器进行测试.实验数据分析结果验证了论文方法的有效性.

摘要： 特征选择是一项重要的数据预处理技术,其目的是在不降低数据分类精度情形下选择一个特征子集,从而对原数据集达到降维的效果,同时也提高学习算法的性能.在邻域粗糙集模型中,传统方法构造出的对象邻域粒未考虑数据的分布问题,使得邻域粒存在一定的误差.首先通过方差来刻画数据的分布,然后根据数据分布提出一种改进的邻域粒,这种改进的邻域粒能够自适应数据的分布,有着较好的优越性,最后将改进邻域粒与邻域模糊熵结合,提出一种特征重要度的评估方式,并给出对应的特征选择算法.实验结果表明,新提出的特征选择算法在特征选择结果、时间消耗和特征子集的分类精度方面都更具一定的优越性.

摘要： 针对脑电信号的非线性特征和运动想象时的节律特性,采用单一的特征提取算法存在分类识别率不高的问题,提出一种结合小波变换和模糊熵的特征提取方法.通过小波变换,把脑电信号进行三层分解,根据执行运动想象动作时出现的事件相关同步/事件相关去同步(ERS/ERD)特征,抽取alpha和beta频段的信号进行模糊熵特征提取,使用支持向量机分类器对运动想象脑电信号进行模式分类.实验采用第四届脑-机接口竞赛数据Data Set1数据集,结果表明,结合小波变换和模糊熵的特征提取方法明显优于采用单一模糊熵、样本熵以及其它传统的特征提取方法,最高平均分类识别率可以达到90.25％.

摘要： 模糊熵是衡量振动信号复杂性的非线性动力学方法,针对振动信号的多尺度特性,提出了一种基于经验小波变换-模糊熵的滚动轴承故障特征提取方法.经验小波变换是在经验模态分解和小波变换的基础上提出的一种非平稳信号处理方法.通过采用经验小波变换将滚动轴承振动信号自适应地分解为若干个不同尺度的具有紧支集频谱的单分量信号之和,再提取每个单分量信号的模糊熵,最后,将提取的多尺度特征向量输入到基于支持向量机的多故障分类器进行训练和测试,实现滚动轴承的故障诊断.实验数据分析结果表明了论文方法的有效性.

摘要： 提出了一种基于模糊熵的运动想像脑电特征提取的新方法.根据脑电信号模糊熵时间序列良好的事件相关同步/事件相关去同步(ERS/ERD)特征,构筑人脑想像左右手运动任务时的C3和C4脑电模糊熵差值特征向量,利用Fisher线性分类器对左右手运动想像的意识任务进行分类.对国际脑机接口竞赛相关数据进行了测试,最大分类准确率达到87.22％.基于模糊熵的脑电信号特征可以作为有效特征对运动想像任务进行区分.

摘要： 为了增强图像边缘检测中对模糊边缘的检测能力,本文提出了一种基于模糊熵方向特征的图像边缘检测方法.首先运用隶属度和模糊熵函数将图像灰度值空间转化为邻域模糊熵值特征空间,以增强模糊边缘的对比;然后在特征空间3×3邻域内定义12种有效的边缘方向结构,同时提取每点像素的有效方向结构信息测度阵列,最后结合方向结构测度阵列进行非极大抑制,采用自适应阈值法确定图像边缘.实验结果表明,该方法对模糊边缘有较强的检测能力,检测的图像边缘定位精确和保持更多细节信息.

摘要： 行星齿轮箱作为风电机组传动系统中易发故障的部件之一,其故障检测和诊断具有重要意义.本文针对行星齿轮箱的振动信号幅值和频率调制明显、边频带复杂、频谱分析困难、故障特征频率提取难度较大的特点,提出一种基于改进的EEMD和声发射技术的行星齿轮箱故障诊断方法,结合EEMD高频到低频的分解特点和模糊熵对IMF分量的筛选对声发射信号进行分析.实验表明,所提出的方法能够有效提取故障特征频率,且能有效滤除噪声对特征频率的干扰.

摘要： 为提高目标识别准确率,以一定数量样本的四类水声目标信号为研究对象,分别提取近似熵、样本熵、模糊熵三种非线性特征作为K近邻分类器(KNN)和支持向量机(SVM)的输入特征.分类结果表明,近似熵和样本熵只能有效区分部分目标类型,而模糊熵特征对于四类目标类型的平均识别率达到了98.55％,验证了模糊熵可作为区分文中四类水声信号的有效特征.

摘要： 本文针对目前供应商选择决策方法存在的不足，提出了基于混合信息的供应商选择模型。通过规范化的方法把区间数转化为直觉模糊数,通过建立直觉模糊数与语言变量的对应关系，把混合多属性决策信息统一在同一决策框架下;然后利用扩展熵权模型确定属性的权重,通过直觉模糊集的模糊熵计算专家判断信息的模糊程度确定每位专家的权重,再通过相对熵排序法得到每位专家的排序结果,最后根据加权算术算子集结每位专家的判断信息，得到备选供应商排序。最后,将该模型用于解决某航空项目供应商选择的实际问题,验证了该模型的有效性。

摘要： 一种基于熵权‑层次分析模糊综合评价法的深基坑稳定性评估方法，属于岩土力学与工程领域。本发明既考虑到指标权重赋权的客观性，又考虑到风险发生概率和事故破坏损失程度，主要步骤包括：构建评价指标体系；基于层次分析法，确定评价指标权重；基于熵权法，对评价指标权重进行修正；确定指标综合权重；划分安全等级；确定安全等级；模糊综合评判，得到评价分值。本发明提出差异系数，并基于此系数对层次分析法和熵权法计算得出的各项指标权重进行线性加权组合，结合细化后的深基坑施工安全状态等级评定表，综合定量地评估深基坑的稳定状态。本发明解决了现有分析方法中判断矩阵A受专家经验水平影响的问题，能够客观、准确的对评价指标进行赋权，提高了权重计算的可信度。

摘要： 本发明公开了一种基于信息熵的模糊半监督支持向量机的分类方法，步骤为，1）数据预处理；2）计算有标签数据模糊隶属度；3）建立基于熵的模糊半监督支持向量机模型及其对偶模型；4）将基于信息熵的模糊半监督支持向量机对偶模型改写为标准的二次规划问题形式，通过序列极小优化算法优化该标准二次规划问题，得到基于信息熵的模糊半监督支持向量机对偶模型的拉格朗日乘子，从而求得基于信息熵的模糊半监督支持向量机模型的优化参数，根据优化参数即可获得分类超平面；5）基于获得的分类超平面，对待处理数据做分类，即可获得分类结果。本发明具有收敛速度非常快，计算轻松容易，最终分类准确率高、效果更好等特点。

摘要： 本发明公开一种基于直觉模糊熵和区间模糊熵的多属性决策系统，包括决策信息获取模块、模糊熵计算模块、决策结果生成模块；所述决策信息获取模块用于获取目标的若干决策信息矩阵，并传输至模糊熵计算模块；所述模糊熵计算模块对决策信息矩阵进行处理，得到决策者犹豫度权重系数和效益属性犹豫度权重系数，并传输至决策结果生成模块；所述决策结果生成模块根据决策者犹豫度权重系数和效益属性犹豫度权重系数计算每个决策信息矩阵的综合评价结果，并根据决策信息矩阵的综合评价结果得到最优决策。本专利提出的数学期望的犹豫信息熵在实际应用中非常有效，其熵与加入传统模糊熵和标准差后的熵相差很小。

摘要： 本发明公开了一种基于有序信息熵的模糊熵空间聚类分析方法，包括S1输入标准化矩阵，令整数i＝1；S2将关系集合D对应的第i个值赋值给模糊熵空间参数，初始化中间集合A、C；S3令中间集合B为空；S4如果R(x

摘要： 本发明公开了一种基于余切函数的图片模糊熵在模糊多属性决策中的应用，其特征在于：包括以下步骤：S1：规范化初始决策矩阵；S2：根据基于余切函数的图片模糊熵计算决策属性权重；S3：确定正理想解和负理想解；S4：计算每个方案的属性值与正理想解和负理想解的灰关联系数；S5：计算每个方案的灰关联度和灰关联贴近度；S6：计算每个方案在正理想解和负理想解上的规范化投影；S7：计算每个方案的规范化投影贴近度；S8：计算组合贴近度，并根据组合贴近度对方案从大到小排序。本发明可以在属性权重完全未知的情况下，利用现有数据求解属性客观权重，同时改进经典TOPSIS排序方法，用灰关联度和规范化投影作为组合贴近度，根据决策者不同的偏好来设定二者权重的大小，使决策结果更为合理。可应用于各种多属性决策的场景，例如环保企业选择、项目投资等。

摘要： 本发明公开了一种基于区间值球形模糊集新模糊熵的多属性决策方法，其特征在于：包括以下步骤：S1:对区间球形模糊数形决策矩阵进行规范化处理，形成规范区间球形模糊数评价矩阵；S2:通过区间球形模糊数的模糊熵求出属性权重；S3:通过区间球形模糊数得分函数确定正、负理想解；S4:通过距离函数、属性权重与正、负理想解求出各备选方案的群体利益值与个体遗憾值；S5:通过群体利益值与个体遗憾值利用VIKOR方法确定备选方案的排序得出最优方案或折衷方案，本发明可以求解评价值为区间值球形模糊数的客观权重使得决策结果能更加合理。该方法可以运用于各种多属性决策场景中，例如项目投资、建筑选址、人才选拔等。

摘要： 本发明公开了属于电力系统机组同调识别领域的一种结合小波模糊熵和GG模糊聚类的同调机组分群方法。根据WAMS中的相量测量装置获取故障后系统机组功角信息，利用多尺度小波分解将功角摇摆曲线分解为整体趋势和细节信息，计算各个尺度小波系数的模糊熵，将各个尺度小波模糊熵(包括全局特征和局部特征)作为发电机的特征向量，特征提取全面，计算过程简单。再通过GG模糊聚类算法对其进行同调聚类，提高了同调机组分群准确度。本发明能够实时获取系统机组的分群状态，为简化电网、解列位置确定提供必要前提。

摘要： 本发明涉及医疗检测领域，具体涉及一种基于模糊熵特征提取的人机通气异步检测模型及装置，通过对采集到的具有多种人机不同现象的呼吸波形，基于模糊熵的特征提取方法，对多通道呼吸波形进行模糊熵特征提取，分别以一定的参数进行模糊熵特征计算，然后将三个维度的模糊熵特征扁平化到一维构成一个呼吸周期的特征样本，重复的将所有的呼吸周期波形进行特征提取计算，最后得到一个可同时分类多种人机不同步的现象的模型。

摘要： 本发明公开了一种基于变分模态分解与模糊熵的海杂波去噪方法，包括如下步骤：步骤S1：获取海杂波基本数据；步骤S2：利用EMD算法自适应分解海杂波序列，得到对应自适应分解层数u；步骤S3：以自适应分解层数u为基础，获取变分模态分解层数K取值范围，在变分模态分解层数K取值范围内选取最优的变分模态分解层数K*，用最优的变分模态分解层数对海杂波信号进行变分模态分解，得到K*个固有模态函数IMF；步骤S4：设定模糊熵算法初始参数；利用模糊熵算法对K*个固有模态函数IMF进行分类；步骤S5：对噪声分量进行平滑滤波；步骤S6：重构去噪信号。本发明利用赫斯特指数值确定优化的分解次数，对于分解后的各模态分量，使用模糊熵算法对其属性进行判断。

摘要： 一种基于优化变分模态分解和模糊熵的铣削颤振识别方法，步骤如下：力信号的获取后，去除铣削过程中力信号的直流分量，然后将其分割成等长度的时间序列；构建鲸鱼优化算法的优化函数，将各个分量中的最大峰度值作为优化函数，使用最大峰度的倒数进行搜索；结合WOA算法寻找最优分解参数[Kα]，设置分解层数和惩罚因子的迭代范围与精度，初始化搜索参数，使用收缩包络算法、随机探索算法和螺旋收缩算法输出最优的参数组合[Kα]，作为输入参数对力信号进行VMD分解，选择特征分量计算模糊熵指标，实现颤振的快速识别。本发明有效地实现颤振的准确识别，摆脱传统颤振识别技术对专家经验的依赖，具有多维度的分析能力，提高准确性。