导读:本文包含了序列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:复杂网络,电输运性能,通信序列熵,正关联
序列熵论文文献综述
陈单,石丹丹,潘贵军[1]（2019）在《复杂网络电输运性能与通信序列熵之间的关联》一文中研究指出网络的电输运性能优化,不仅有助于理解网络的结构与功能关系,而且对于提升电气工程技术也有着非常重要的意义.从信息的角度看待网络,寻求影响网络电输运性能的信息结构测度是解决这一问题的有效途径.最近的研究表明,复杂网络的通信序列熵可以有效地量化网络的整体结构信息.本文将探讨其表征网络电输运性能的能力,其中主要研究了小世界网络、无标度网络、关联无标度网络、社团网络以及IEEE57等节点网络的通信序列熵和电输运性能之间的关联特性.研究结果表明,对于以上这些网络,它们的电输运性能是关于通信序列熵的单调递增函数,与通信序列熵成正关联特性.该规律的发现为设计高传输效率的电力网络提供了一个有效的策略,即可以通过提高网络的通信序列熵来优化其电输运性能.(本文来源于《物理学报》期刊2019年11期）
石丹丹,陈单,龙慧敏,王承科,潘贵军[2]（2019）在《基于通信序列熵的复杂网络信息度量研究》一文中研究指出从信息的角度看待网络系统并构建蕴含网络整体信息的测度是网络信息理论的关键问题,基于节点对通信能力的通信序列熵被考虑为量化网络信息的候选测度.为了探讨其表征网络整体信息的能力,首先研究模型网络的拓扑结构对通信序列熵的影响.结果表明,异质性强、度-度关联性强以及具有社团结构的网络均具有相对较小的通信序列熵.其次,对比研究一些真实网络和它们对应的随机化网络模型的通信序列熵,可以得到随机化网络模型的阶数越高,通信序列熵越小,且越接近真实网络的通信序列熵.这些研究结果表明,网络的通信序列熵敏感地依赖于网络的基本拓扑结构,而且随着网络有序程度的递增,通信序列熵呈减小趋势.本文的研究结论为通信序列熵具有量化网络整体信息的能力提供了证据.(本文来源于《中国科学:物理学 力学 天文学》期刊2019年07期）
杜飞[3]（2017）在《基于符号序列熵和詹森香农熵的脑电节律信号分析》一文中研究指出人类的大脑活动时会产生电位的变化,脑电信号可以记录到这种变化,这是大脑神经细胞活动所产生的电信号在大脑皮层的总体反应。不同的年龄段、性格、职业和身体健康状况的人会产生不相同的脑电信号。由于脑电信号中包含着丰富的生理状态或病理状态信息,因此通过对不同状态下的脑电信号的研究分析,可以对临床脑电信号的生理状态或病理分析起到有价值的参考。本文主要从叁个方面做了分析研究:首先:对少年与中年的脑电节律信号进行分析。本文通过运用多尺度符号序列熵(MSSE)分析不同年龄阶段的脑电节律信号。通过实验仿真及数值分析,MSSE算法对少年与中年两个不同年龄阶段的α波脑电节律信号的区分较为明显,并且可以证明随机噪声不会对对该算法造成影响。对于另外叁种脑电节律信号δ波、θ波以及β波的区分度则不是很明显。这能够对脑电信号的临床分析与诊断起到辅助作用。其次:使用JSD算法对正常人和癫痫病人的脑电节律信号进行了仿真实验并进行了数值分析。通过独立样本T检验,我们可以发现JSD算法可以显着性的区分正常人和癫痫病人的α波脑电节律信号与β波脑电节律信号,正常人的脑电节律信号的复杂度大,癫痫病人的脑电节律信号复杂度小。对于另外两种种脑电节律信号δ波与θ波的区分度则不是很明显。该算法可以为临床诊断提供了辅助。最后:使用LMCD算法对正常人和癫痫病人的脑电节律信号进行了仿真实验并进行了数值分析。通过独立样本T检验,我们可以发现LMCD算法可以显着性的区分正常人和癫痫病人的α波脑电节律信号,正常人的α波脑电节律信号的复杂度大,癫痫病人的α波脑电节律信号的复杂度小。对于另外三种脑电节律信号δ波、θ波以及β波的区分度则不是很明显。该算法同样为临床诊断提供了辅助。通过本文的研究,我们证明了多尺度符号序列熵(MSSE)算法能够有效的区分不同生理状态下的α波脑电节律信号,对于实际临床分析可以起到辅助作用。我们得到了正常人和癫痫病人的α波脑电节律信号与β波脑电节律信号复杂度的具有显著性差异,并且通过对两种复杂度计算方法的比较,我们能够得出基于LMCD(LMC差熵)的统计复杂度分析方法的区分度更大,并且效果更明显。可以为临床诊断提供的重要依据。(本文来源于《南京邮电大学》期刊2017-10-26）
杜飞,王世通,戴加飞,侯凤贞,李锦[4]（2016）在《少年与中年脑电信号的多尺度符号序列熵分析》一文中研究指出目的脑电信号的生理分析对于评估大脑功能的活跃程度、生理状态具有重要意义,脑电图(electroencephalography,EEG)是临床检查脑部疾病的一种手段,而影响脑电图结果的因素很多,其中年龄是不容忽视的因素之一。本论文提出多尺度符号序列熵(multiscale sign series entropy,MSSE)用于分析不同年龄阶段的β波脑电信号,采用符号化的方法来处理时间序列可以去除一些细节的信息而保留感兴趣的部分。方法首先依次对4组中年和少年的β波脑电数据从数据长度N、字长m和噪声等多个角度对其符号序列熵(sign series entropy,SSE)进行分析,验证了SSE能够正确区分中年和少年的β波脑电信号。接着基于SSE算法在多个尺度下对含噪声和去噪声的中年和少年的β波脑电信号进行分析。结果随着尺度的增加,含噪声与去噪声β波脑电信号SSE的值也同步升高,并且少年的SSE均高于中年的SSE。结论脑电信号的多尺度符号熵分析方法可以有效区分少年和中年β波脑电信号,并且在信号噪声的影响下也可对不同年龄段的β波脑电信号进行检测。(本文来源于《北京生物医学工程》期刊2016年06期）
陶建燕[5]（2016）在《一个随机变量序列熵率不存在的例子》一文中研究指出熵率概念在信息论中是一个非常重要的概念,本文证明了一个随机变量序列熵率是不存在的.(本文来源于《高等数学研究》期刊2016年04期）
赵海林[6]（2016）在《区间映射与其诱导函数包络序列熵关系》一文中研究指出研究了区间映射的拓扑序列熵与其诱导的函数包络上的拓扑序列熵之间的关系.证明了区间映射诱导的函数包络的拓扑序列熵只能为0或+∞,并且当区间映射的拓扑序列熵大于0时,其诱导的函数包络上的拓扑序列熵为+∞.(本文来源于《大学数学》期刊2016年03期）
赵海林[7]（2016）在《诱导动力系统的序列熵及相关问题的研究》一文中研究指出熵是拓扑动力系统研究中的一个重要概念,它反映了拓扑动力系统的复杂性程度。为了更好的了解零熵系统,人们对拓扑序列熵展开了研究。动力系统与其诱导系统之间动力学性质的相互关系也是学者们所关注的问题。最近Auslander, Kolyada和Snoha引入了一种新的诱导系统---函数包络,并研究了它的性质。本文主要研究诱导动力系统的序列熵及相关问题。我们首先研究了拓扑序列熵的性质,然后对一些特殊的一维动力系统,研究了其与诱导的函数包络之间拓扑序列熵的关系,主要包括以下两部分：1.我们将Kolyada文章中关于拓扑熵的结论推广到拓扑序列熵,研究了区间和圆周自映射上的原空间与其诱导的函数包络之间的拓扑序列熵的关系。设X是一个紧致度量空间,s(x)是由空间x上所有连续自映射构成的集合,我们证明了函数包络(s(x),F)的拓扑序列熵只有两个可能值0和+∞,并且当区间或圆周映射的拓扑序列熵大于0时,其函数包络的拓扑序列熵为+∞。2.对有限树T,我们将Matviichuk的关于拓扑熵的结果推广到拓扑序列熵,我们证明了当树上的连续自映射的拓扑序列熵大于0时,其诱导的动力系统(SH(T),F)的拓扑序列熵为+∞。(本文来源于《合肥工业大学》期刊2016-04-01）
王辉,龚东[8]（2016）在《关于平稳信源序列熵率H_∞(X)的几点讨论》一文中研究指出信息论基础这门课是信息与计算科学专业本科生的一门非常重要的基础课。它是利用建立在概率模型基础上的诸多信息量来研究信息处理和可靠性传输的一门学科。而平稳信源序列的熵率H1(X)则是用来描述信源输出符号携带信息的有效程度,对于熵率进行深入讨论,可以在教学过程中更好地帮助学生理解离散随机过程的一些信息度量。(本文来源于《科教文汇(下旬刊)》期刊2016年01期）
潘峥嵘,谯自健,张宁[9]（2015）在《基于符号序列熵的自适应随机共振的微弱信号检测》一文中研究指出针对现有随机共振以信噪比为测度,难以进行量化和在实际工程中应用,提出一种符号序列改进型香农熵结合随机共振的微弱信号检测方法。介绍了随机共振和符号序列化的基本原理,以输出信号的符号序列熵作为判断是否达到最佳随机共振的测度,自适应的调节系统参数a和b,使系统达到最佳共振并进行频谱分析。结果表明输出信号的符号序列熵可有效反映共振状况,能调节系统达到最佳信噪比输出,而且易于工程实现,证实了该方法的有效性,进而为衡量随机共振提供一种新方法。(本文来源于《计量学报》期刊2015年05期）
王世通[10]（2015）在《基于多尺度符号序列熵的睡眠脑电与少中年脑电信号分析》一文中研究指出脑电信号记录着大脑活动的电位变化,是大脑神经细胞生理活动的电信号在大脑皮层的总体反应。本文提出的多尺度符号序列熵(multiscale sign series entropy,MSSE)对不同生理状态下的脑电信号进行分析,希望对于临床脑电信号的病理及生理分析能够有一定的参考价值。本文主要对于睡眠脑电及少中年脑电信号进行多尺度符号序列熵的分析,并将此算法进行系统实现。论文所做的内容如下:(1)论文提出多尺度符号序列熵(MSSE)分析算法,将其应用到睡眠脑电(Sleep Electroencephalogram)的病理及生理状态的分析。其结果显示,多尺度符号序列熵(MSSE)分析算法能够有效的区分出清醒和睡眠两种状态,并且可以在受到噪声影响的情况下依旧能够对不同状态进行分析检测。通过研究结果可知该分析算法可以作为辅助睡眠脑电临床分析诊断的方法。(2)论文通过对少中年脑电信号(Young and Middle-aged Electroencephalogram)的多尺度符号序列熵(MSSE)分析来分析不同年龄阶段的脑电信号,通过分析可知,此算法能够有效的区分出少年和中年两种不同的年龄阶段的脑电信号,而且在噪声影响下同样也可以检测出不同年龄阶段的脑电信号。通过分析验证表明该分析算法能够辅助脑电信号的临床分析与诊断。(3)利用C#编程实现多尺度符号序列熵(MSSE)分析系统,该系统可以对睡眠脑电信号以及少中年脑电信号的分析,在不同的尺度以及各种不同模式的情况下,对两组生理脑电信号进行分析,并显示分析结果。通过验证证明此系统能够有效的分析不同生理状态下的脑电信号,在实际的临床脑功能评估中能够起到辅助作用。(本文来源于《南京邮电大学》期刊2015-03-01）
序列熵论文开题报告
（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：
从信息的角度看待网络系统并构建蕴含网络整体信息的测度是网络信息理论的关键问题,基于节点对通信能力的通信序列熵被考虑为量化网络信息的候选测度.为了探讨其表征网络整体信息的能力,首先研究模型网络的拓扑结构对通信序列熵的影响.结果表明,异质性强、度-度关联性强以及具有社团结构的网络均具有相对较小的通信序列熵.其次,对比研究一些真实网络和它们对应的随机化网络模型的通信序列熵,可以得到随机化网络模型的阶数越高,通信序列熵越小,且越接近真实网络的通信序列熵.这些研究结果表明,网络的通信序列熵敏感地依赖于网络的基本拓扑结构,而且随着网络有序程度的递增,通信序列熵呈减小趋势.本文的研究结论为通信序列熵具有量化网络整体信息的能力提供了证据.
（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。
序列熵论文参考文献
[1].陈单,石丹丹,潘贵军.复杂网络电输运性能与通信序列熵之间的关联[J].物理学报.2019
[2].石丹丹,陈单,龙慧敏,王承科,潘贵军.基于通信序列熵的复杂网络信息度量研究[J].中国科学:物理学力学天文学.2019
[3].杜飞.基于符号序列熵和詹森香农熵的脑电节律信号分析[D].南京邮电大学.2017
[4].杜飞,王世通,戴加飞,侯凤贞,李锦.少年与中年脑电信号的多尺度符号序列熵分析[J].北京生物医学工程.2016
[5].陶建燕.一个随机变量序列熵率不存在的例子[J].高等数学研究.2016
[6].赵海林.区间映射与其诱导函数包络序列熵关系[J].大学数学.2016
[7].赵海林.诱导动力系统的序列熵及相关问题的研究[D].合肥工业大学.2016
[8].王辉,龚东.关于平稳信源序列熵率H_∞(X)的几点讨论[J].科教文汇(下旬刊).2016
[9].潘峥嵘,谯自健,张宁.基于符号序列熵的自适应随机共振的微弱信号检测[J].计量学报.2015
[10].王世通.基于多尺度符号序列熵的睡眠脑电与少中年脑电信号分析[D].南京邮电大学.2015