导读:本文包含了特征熵论文开题报告文献综述及选题提纲参考文献，主要关键词:文本分类,文本特征,权重计算,类别频率
特征熵论文文献综述
阿力木江·艾沙,殷晓雨,库尔班·吾布力,李喆[1]（2019）在《基于类别信息和特征熵的文本特征权重计算》一文中研究指出基于类别信息的特征权重计算方法对特征与类别的关系表达不够准确,即对于类别频率相同的特征无法比较其对类别的区分能力,因此要考虑特征在类内的分布情况。将特征的反类别频率(inverse category frequency,ICF)和类内熵(entropy)相结合引入到特征权重计算方案中,构造了两种有监督特征权重计算方案。在维吾尔文文本分类语料上进行的实验结果表明,该方法能够明显改善样本的空间分布状态并提高维吾尔文文本分类的微平均F1值。(本文来源于《计算机应用研究》期刊2019年11期）
裴浩然,袁冠,张艳梅,李月娥,李思宁[2]（2019）在《融合特征熵的轨迹结构异常检测方法》一文中研究指出从轨迹结构特征出发,分析轨迹内部及整体特征,提出融合特征熵的轨迹结构异常检测方法(TSAD-FE,trajectory structure anomaly detection method based on feature entropy)。根据开放角将轨迹划分为轨迹片段,运用线性回归模型对轨迹片段局部特征进行拟合,完成轨迹片段划分;引入轨迹结构框架描述轨迹内部特征属性,应用轨迹结构距离衡量轨迹片段之间的距离,并提出利用熵对特征权重赋值的方法,全面考虑轨迹内部特征对轨迹的影响;运用DBSCAN(density-based spatial clustering of applications with noise)聚类算法将轨迹集划分为若干簇并提取代表轨迹;通过比较轨迹片段与代表轨迹的结构相似度,提取异常轨迹片段,从轨迹整体上考虑异常轨迹片段占比,进而挖掘出异常轨迹。使用多个数据集的实验表明,融合特征熵的轨迹结构异常检测方法能够从轨迹空间形态及内部特征属性上发现异常,可以全面地发现明显异常轨迹及其分段,使检测结果更具有实际意义。(本文来源于《陕西师范大学学报(自然科学版)》期刊2019年05期）
蔡改贫,宗路,罗小燕,胡显能[3]（2019）在《基于CEEMDAN-云模型特征熵和LSSVM的磨机负荷预测研究》一文中研究指出针对球磨机磨矿过程中负荷难以检测和不能准确判断负荷状态的问题,提出了一种基于CEEMDAN-云模型特征熵和LSSVM的磨机负荷预测方法,用完整集成经验分解算法(CEEMDAN)对不同负荷的磨机振动信号进行分解,由相关系数法选取敏感模态分量重构信号,利用逆向云发生器计算重构信号的云模型特征熵作为信号的特征参数,运用正向云发生器生成云模型特征向量的云滴图,结果表明,欠负荷、正常负荷、过负荷之间的熵值差异很大,可以较好地区分和识别磨机负荷状态;将云模型特征向量作为最小二乘支持向量机(LSSVM)的输入,料球比、充填率为输出,建立磨机负荷预测模型;通过磨矿实验验证了该方法的有效性,模型能够准确预测磨机负荷状态。(本文来源于《振动与冲击》期刊2019年07期）
李泽宇,吴文全[4]（2016）在《基于小波包特征熵和粒子群优化的模拟电路故障诊断》一文中研究指出随着电路系统集成化和复杂化的发展,电路故障诊断技术越来越受到学者的重视,其中模拟电路由于其自身的特殊性成为研究中的一个难点。本文运用小波包特征熵作为电路故障特征的提取方法,选取支持向量机作为故障分类器,采用粒子群算法优化支持向量机的参数,将优化后的支持向量机与小波包特征熵相结合,共同完成对模拟电路故障的识别。通过对仿真实例的分析,验证该诊断方法的有效性和实用性。(本文来源于《电子设计工程》期刊2016年21期）
蔡笋,王亚潇[5]（2016）在《基于声振分段特征熵联合分析的断路器故障诊断方法》一文中研究指出高压断路器是电力系统中关键的保护装置。针对其故障诊断方法的不足,提出了一种基于声振分段特征熵联合分析的断路器故障诊断方法,将采集到的声音振动信号进行分段处理,利用集合经验模态分解(EEMD)提取声音信号和振动信号的特征熵,并由此形成特征矩阵,输入改进支持向量机(LIBSVM)进行判断。将本方法与传统的单一振动信号进行对比,并减少测试样本进行验证。实验结果表明,提出的诊断方法是切实有效的。(本文来源于《仪器仪表与分析监测》期刊2016年03期）
黄海新,孔畅,于海斌,文峰[6]（2016）在《自适应特征熵权模糊C均值聚类算法的研究》一文中研究指出特征权重算法对聚类效果有很大的影响,而传统的特征权重算法忽略了特征项在类间和类内的分布情况.因此,研究聚类后样本特征属性表现的有序性程度对聚类结果的影响,分析聚类后样本特征属性的分布情况,提出了一种自适应特征熵权模糊C均值聚类算法.该算法以聚类后的特征熵和信息增益作为准则调整特征权值,通过聚类与权重更新逐步迭代优化,直至获得最优的特征权值.实验表明,自适应特征熵权模糊C均值聚类算法能够有效地区分各个特征属性对聚类效果的重要程度;较于其它加权模糊C均值聚类算法,该算法能够得到更高的聚类准确率.(本文来源于《系统工程理论与实践》期刊2016年01期）
郑晓龙,杨贵营,黄晗[7]（2015）在《基于小波包特征熵的高速列车监测数据的特征分析》一文中研究指出将高速列车在不同工况和速度下的监测数据进行傅里叶分析用来确定各种不同工况信号的频率范围,再对不同工况和速度下的信号进行小波包分解,并重构通频范围内前几个低频带信号,进而建立信号的小波包特征熵向量,不同频带信号的小波包特征熵变化反映了列车运行状态的改变,最后将得到的小波包特征熵向量输入支持向量机进行故障识别。仿真分析结果表明该方法对高速列车故障状态识别是有效、可行的。(本文来源于《青岛科技大学学报(自然科学版)》期刊2015年02期）
戴月[8]（2014）在《基于小波神经网络和特征熵的高压断路器故障诊断研究》一文中研究指出作为电力系统的一种重要设备,高压断路器的故障诊断一直是研究中的重点。针对传统神经网络收敛速度慢,容易陷入局部极小等不足,提出了一种基于小波神经网络的高压断路器故障诊断方法。首先利用特征熵方法提取振动信号的特征值,然后利用小波神经网络进行分类识别。同时还给出了一种小波神经网络的改进方法,提高了其收敛速度。实验结果表明,相比较于传统神经网络,改进的小波神经网络训练速度更快,分类准确率更高,对于高压断路器的故障诊断效果更佳。(本文来源于《电气应用》期刊2014年22期）
孙申申,郭阳,任会之,范立南,康雁[9]（2013）在《基于流向特征熵和测地线距离的粘连血管型肺结节聚类分割》一文中研究指出肺癌计算机辅助诊断(lung cancer CAD)是辅助医生定量判别结节良恶性的新技术.倍增率是临床上判断结节良恶性的指标,而精确地分割结节又是计算倍增率的前提.因为结节和血管的CT值相近,所以难以正确分割粘连血管型结节.血管里充满着流向同一方向的血液,使得大部分血管像素梯度的法向量(流向特征)都指向同一方向,流向特征熵值小;而结节上的像素梯度法向量方向杂乱无章,流向特征熵值大.大部分血管像素到结节中心的测地线距离比结节像素到结节中心的距离大.基于上述血管与结节差异,文中提出了一种基于流向特征熵和测地线距离的K均值聚类算法来分割结节.针对132个临床CT影像的肺结节(104个孤立型和28个粘连血管型),12个LIDC集合1的肺结节(4个孤立型和8个粘连血管型)和182个LIDC集合2的肺结节(25个孤立型肺结节和157个粘连血管型肺结节),评估实验结果和影像科医生手工绘制的金标准相比较,孤立型肺结节分割正确率分别为100/104(96.2%),4/4(100%),24/25(96.0%),粘连血管型分割正确率分别为26/28(92.9%),7/8(87.5%)和149/157(94.9%).实验表明,该方法能在短的时间内正确地分割孤立型结节和粘连血管型结节且具有好的鲁棒性.(本文来源于《中国科学:信息科学》期刊2013年09期）
吴国洋[10]（2013）在《基于特征熵和优化SVM的轴承故障诊断方法》一文中研究指出为了对轴承的故障进行有效的识别,提出基于特征熵和优化支持向量机的轴承故障识别新方法.利用EMD分解信号提取分解信号的能量熵,由于这些熵值之间冗余信息较为严重,因此选用主成分分析对这些熵信息进行约简,提取最有效的特征信息,作为支持向量机模型的输入.通过粒子群优化选取最优决策树构造最佳的支持向量机分类模型进行状态的识别和判定,提高了分类的精确度.通过一个滚动轴承的实例说明方法的有效性和准确性.(本文来源于《兰州理工大学学报》期刊2013年04期）
特征熵论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
从轨迹结构特征出发,分析轨迹内部及整体特征,提出融合特征熵的轨迹结构异常检测方法(TSAD-FE,trajectory structure anomaly detection method based on feature entropy)。根据开放角将轨迹划分为轨迹片段,运用线性回归模型对轨迹片段局部特征进行拟合,完成轨迹片段划分;引入轨迹结构框架描述轨迹内部特征属性,应用轨迹结构距离衡量轨迹片段之间的距离,并提出利用熵对特征权重赋值的方法,全面考虑轨迹内部特征对轨迹的影响;运用DBSCAN(density-based spatial clustering of applications with noise)聚类算法将轨迹集划分为若干簇并提取代表轨迹;通过比较轨迹片段与代表轨迹的结构相似度,提取异常轨迹片段,从轨迹整体上考虑异常轨迹片段占比,进而挖掘出异常轨迹。使用多个数据集的实验表明,融合特征熵的轨迹结构异常检测方法能够从轨迹空间形态及内部特征属性上发现异常,可以全面地发现明显异常轨迹及其分段,使检测结果更具有实际意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
特征熵论文参考文献
[1].阿力木江·艾沙,殷晓雨,库尔班·吾布力,李喆.基于类别信息和特征熵的文本特征权重计算[J].计算机应用研究.2019
[2].裴浩然,袁冠,张艳梅,李月娥,李思宁.融合特征熵的轨迹结构异常检测方法[J].陕西师范大学学报(自然科学版).2019
[3].蔡改贫,宗路,罗小燕,胡显能.基于CEEMDAN-云模型特征熵和LSSVM的磨机负荷预测研究[J].振动与冲击.2019
[4].李泽宇,吴文全.基于小波包特征熵和粒子群优化的模拟电路故障诊断[J].电子设计工程.2016
[5].蔡笋,王亚潇.基于声振分段特征熵联合分析的断路器故障诊断方法[J].仪器仪表与分析监测.2016
[6].黄海新,孔畅,于海斌,文峰.自适应特征熵权模糊C均值聚类算法的研究[J].系统工程理论与实践.2016
[7].郑晓龙,杨贵营,黄晗.基于小波包特征熵的高速列车监测数据的特征分析[J].青岛科技大学学报(自然科学版).2015
[8].戴月.基于小波神经网络和特征熵的高压断路器故障诊断研究[J].电气应用.2014
[9].孙申申,郭阳,任会之,范立南,康雁.基于流向特征熵和测地线距离的粘连血管型肺结节聚类分割[J].中国科学:信息科学.2013
[10].吴国洋.基于特征熵和优化SVM的轴承故障诊断方法[J].兰州理工大学学报.2013