基于最大熵模型的微博传播网络中的链路预测

微博是基于用户关注关系建立的具有媒体特性的实时信息分享社交平台.微博上的信息扩散具有快速性、爆发性和时效性.理解信息的传播机理,预测信息转发行为,对研究微博上舆论的形成、产品的推广等具有重要意义.本文通过解析微博转发记录来研究影响信息转发的因素或特征,把微博信息转发预测问题抽象为链路预测问题,并提出基于最大熵模型的链路预测算法.实例验证的结果表明:1)基于最大熵模型的算法在运行时间上具有明显的优势;2)在预测结果方面,最大熵模型比同类其他算法表现优异;3)当训练集大小和特征数量变化时,基于最大熵模型的预测结果表现稳定.该方法在预测链路时避免了特征之间相互独立的约束,准确率优于其他同类方法,对解决复杂网络中其他类型的预测问题具有借鉴意义.     

利用最大熵方法研究强子-强子碰撞的高能极限

利用最大熵方法研究了强子-强子碰撞的高能极限.定义了不同类型的熵并着重讨论了物理约束的作用.对高能极限下的平均多重数和这一极限与现有实验数据之间的内插作出了确定的预言.     

一种基于最大流的网络结构熵

熵是可用来反映网络结构异质性的指标.针对传统熵指标不能很好反映网络全局异构性的不足,本文引入网络流的概念,综合考虑径向测度和中间测度,提出一种新的网络结构熵.特殊网络(如公用数据集Dolphins网络)的分析结果表明,本文提出的熵指标在一定程度上克服了其他网络熵指标的不足,更能够反映网络的真实拓扑结构;对随机网络、最近邻耦合网络、星型网络、无标度网络、Benchmark网络和小世界网络等典型网络的理论分析和仿真实验,进一步证明本文提出的熵指标在刻画一般复杂网络结构特征上的有效性和适用性.     

基于蚁群算法的二维最大熵分割算法

由于二维最大熵分割法不仅考虑了像素的灰度信息,而且还充分利用了像素的空间邻域信息,因此能够取得较好的分割效果.但是,该方法的计算量巨大,不利于红外图像的快速处理.蚁群算法于20世纪90年代初提出,是受到蚁群集体行为的启发而提出的一种基于种群的模拟进化算法,属于随机搜索算法.该算法已经成功应用于旅行商等离散问题.将蚁群算法应用于二维最大熵法,提出了基于蚁群算法的二维最大熵分割算法.与传统的穷尽搜索法相比,求解速度提高了60倍左右.仿真实验表明,该方法快速、简单、有效.     

基于最大熵原理的小波去噪方法

小波变换去噪中最关键的问题是如何确定小波系数的阈值,使其能够将与噪声和信号相对应的小波系数合理地区分开来。根据概率论的基本原理可以推断,随机序列的细节小波变换系数符合正态分布。基于此结论,可以利用最大熵原理确定一个阈值,使得绝对值小于此阈值的小波系数组成的序列符合正态分布。该阈值在统计意义下能够最佳地区分信号与噪声的小波系数。采用光谱数据的仿真分析以及与其他方法的对比实验证明,这种最大熵小波去噪方法不仅在提高信噪比方面显示出了其优势,而且去噪效果不易受信噪比变化的影响。     

砖墙模型不能给出黑洞熵

砖墙模型被广泛用于静态或稳态黑洞熵的计算,但为了避免发散,砖墙模型需要引入一紫外截断因子. 截断因子的引入至今没有给以合理的解释. 有工作表明,用砖墙模型或薄膜模型计算黑洞熵时,若采用广义不确定关系则可以去掉截断因子. 证明了将广义不确定关系用于砖墙模型计算Schwarzschild黑洞熵时,由于砖墙模型给出熵的第一项既是Bekenstein-Hawking项又含有截断因子,因此在去掉截断因子的同时也丢掉了Bekenstein-Hawking项,将得不到黑洞熵. 关键词： 黑洞熵 砖墙模型 截断因子 广义不确定关系     

基于最大熵估计Alpha谱缩放与平移量的温度与发射率分离算法

在热红外波段, 为了使温度与发射率分离过程不依赖数据库提供的经验信息, 并且实现更高的反演精度和更快的计算速度, 研究了一种新的温度与发射率分离算法. 首先, 在维恩近似原理的基础上, 求解了Alpha谱分布, 并利用Alpha谱描述光谱发射率的形状信息. 其次, 改进了最大熵温度与发射率分离算法: 应用最大熵估计模型对Alpha谱缩放与平移量进行估计, 减少了待估计参数的数量, 大幅简化了求解过程. 最后, 进行了算法的数值仿真实验: 求解了典型地物目标的温度与光谱发射率, 并且分析了算法对系统噪声的鲁棒性. 仿真数据表明: 发射率估计的最大RMSE为0.017, 温度估计的最大绝对误差的绝对值为0.62 K; 对系统添加测量信噪比为11的高斯白噪声, 发射率估计的相对RMSE为2.67%, 温度估计的相对误差为1.26%. 结果表明: 本文所述算法求解精度高, 计算速度快, 具备良好的鲁棒性.     

Kerr 时空黑洞熵和测不准关系

通过应用在量子引力中、由广义测不准关系得出的新的态密度方程,直接求解轴对称Kerr黑洞背景下Bose场和Fermi场的配分函数.然后,在黑洞视界附近计算黑洞背景下Bose场和Fermi场的熵.在所得结论中不存在用brick wall模型计算黑洞熵时出现的发散项,也不存在紫外因子.得到黑洞熵与视界面积成正比的结论.     

基于多检测器最大熵融合的多通道光谱图像异常检测

提出了一种多检测器最大熵融合的多通道光谱图像异常检测算法.选择多个不同的异常检测器,并利用自适应窗宽非参核密度估计方法估计其各自的输出分布,保留了多通道光谱图像数据的“长尾”特性,且避免了先验模型假设带来的模型误差.将各原始检测器的输出投影到具有标准正态边缘分布的变换空间中,利用变换空间中模型化的最大熵融合规则实现多检测器的决策级最优概率融合.在原数据空间通过似然函数的检验完成多通道光谱图像的目标检测.利用机载EPS-A航拍多通道光谱图像进行了实验,实验结果表明了算法的有效性.     

基于信息熵的社交网络观点演化模型

随着网络服务的发展,社交网络逐渐成为信息传播的新媒介.因此,研究网络舆情演化具有重要意义和实用价值.为了更好地研究网络舆论,在信息熵的基础上,提出了一个社交网络观点演化模型.此模型存在以下两个特点:一是可以反映个体面对正负两种观点趋向做出抉择时的心理过程;二是可以反映个体形成新观点时主观因素和客观因素的影响.在仿真实验中,讨论了舆论环境对个体观点演化的影响,初始观点和自信度对观点演化的影响,以及意见领袖对群体观点演化的影响.实验结果表明,该模型可以反映真实社交网络中个体的心理学特征,比如个体的观点形成会受到舆论环境的影响,自信的个体不愿意接受他人的观点,当意见领袖存在时群体的观点会受到影响等.     

Canny edge detection enhancement by general auto-regression model and bi-dimensional maximum conditional entropy

This paper proposes a novel Canny algorithm without manually setting parameters. Adaptive filter design, implementation and automatic calculation of low and high thresholds are studied in this paper. A general auto-regressive model is deduced that uses only uniform expression for both the linear and non-linear autoregressive model based on Weierstrass theory. Moreover, the bi-dimensional expression of the model is deduced by using bi-vectors instead of scalar parameters. The Generalized M-estimator is chosen for the new model. An adaptive filter is implemented based on the general auto-regression model and simulations are carried out. Gray entropy mathematical model is established according to the gray level-gradient co-occurrence matrix of image and the simulated annealing algorithm is used to solve the gray entropy model. Experiments are done on the worldwide datasets to evaluate the performance of our method. Results demonstrate the superiority of our method compared with the best parameter values method and standard Canny, especially when images are polluted by mixed noises containing Gaussian noise, Poisson noise and impulse noise.     

On the axiomatic approach to the maximum entropy principle of inference

Recent axiomatic derivations of the maximum entropy principle from consistency conditions are critically examined. We show that proper application of consistency conditions alone allows a wider class of functionals, essentially of the form ∝ dx p(x)[p(x)/g(x)] ^s , for some real numbers, to be used for inductive inference and the commonly used form − ∝ dx p(x)ln[p(x)/g(x)] is only a particular case. The role of the prior densityg(x) is clarified. It is possible to regard it as a geometric factor, describing the coordinate system used and it does not represent information of the same kind as obtained by measurements on the system in the form of expectation values.     

基于K-阶结构熵的网络异构性研究

结构熵可以考察复杂网络的异构性.为了弥补传统结构熵在综合刻画网络全局以及局部特性能力上的不足,本文依据网络节点在K步内可达的节点总数定义了K-阶结构熵,可从结构熵随K值的变化规律、最大K值下的结构熵以及网络能够达到的最小结构熵三个方面来评价网络的异构性.利用K-阶结构熵对规则网络、随机网络、Watts-Strogatz小世界网络、Barabási_-Albert无标度网络以及星型网络进行了理论研究与仿真实验,结果表明上述网络的异构性依次增强.其中K-阶结构熵能够较好地依据小世界属性来刻画小世界网络的异构性,且对星型网络异构性随其规模演化规律的解释也更为合理.此外, K-阶结构熵认为在规则结构外新增孤立节点的网络的异构性弱于未添加孤立节点的规则结构,但强于同节点数的规则网络.本文利用美国西部电网进一步论证了K-阶结构熵的有效性.     

基于脉冲耦合神经网络和图像熵的各向异性扩散模型研究

在图像去噪过程中, 大部分基于偏微分方程的各向异性扩散模型均使用梯度信息检测边缘, 当边缘部分被噪声严重污染时, 这些方法不能有效检测出这些边缘, 因而无法保留边缘特征. 为了较完整的保留图像的区域信息, 用脉冲耦合神经网络(PCNN)能使具有相似输入的神经元同时产生脉冲的性质对噪声图像做处理, 得到图像熵序列, 并将图像熵序列作为边缘检测算子引入到扩散方程中, 不仅能克服仅用梯度作为边缘检测算子易受噪声影响的弊端, 而且能较完整地保留图像的区域信息. 然后, 用最小交叉熵准则搜索使去噪前后图像信息量差异最小的阈值, 设计最佳阈值控制扩散强度, 建立基于脉冲耦合神经网络与图像熵改进的各向异性扩散模型(PCNN-IEAD). 分析与仿真结果表明, 该模型与经典模型相比, 保留了更多的图像信息, 能够兼顾去除图像的噪声和保护图像的边缘纹理等细节信息, 较完整的保留了图像的区域信息, 性能指标同样也证实了新模型的优越性. 另外, 该模型的运行时间较经典模型的短, 因此, 该模型是一个理想的模型.     

基于最大模糊熵和遗传算法的图像分割

为了分割照度不均匀的网格图像,提出了一种基于最大模糊熵和遗传算法的阈值分割方法。基于模糊集合理论,根据像素灰度值把原始图像中的像素分为黑和亮两个模糊集,利用最大模糊熵准则确定模糊区间的范围,寻找模糊参数的最优组合,实现图像分割。由于穷举法搜索模糊参数的最优组合存在计算复杂度高、占用存储空间大等缺点,因此采用了遗传算法确定最优阈值。为了验证该方法的有效性,对其进行了图像分割实验,并与最大类间方差法、迭代法和一维最大熵法进行了比较。实验结果表明,该方法能够自动、有效地选取阈值,分割效果优于其它三种算法,并能保留原始图像的主要特征。     

A maximum entropy mean field method for driven diffusive systems

We introduce a method of generating systematic mean field (MF) approximations for the nonequilibrium steady state of ferromagnetic Ising driven diffusive systems (DDS), based on the maximum entropy principle due to Jaynes. In the phase coexistence region, MF approximations to the master equation do not provide a closed system of equations in the MF variables. This can be traced to the conservation of the order parameter by the stochastic dynamics. Our maximum entropy mean field (MEMF) approximation method is applicable to high temperatures as well to the low-temperature phase coexistence region. It is based on a derivation of a generalized variational free energy from the maximum entropy principle, with the MF evolution equations playing the role of constraints. In the phase coexistence region this free energy is nonconvex and is interpreted by means of a Maxwell construction. We use a pair-level variant of the MEMF approximation to calculate quantities of interest for the ferro-magnetic Ising DDS on a square lattice. Results of calculations with several different choices of transition rates satisfying local detailed balance are discussed and compared with those obtained by other methods.