1) MGEP
最大广义熵原理
1.
Physical laws for the evolution dynamics of ecosystem are expressed as the Maximum Generalized Entropy Principle (MGEP), that is to say, every ecosystem always follows an optimization process so that the generalized entropy of the whole ecosystem is maximal under given constraints, i.
本文定义了生态系统的"广义熵",指出控制生态系统演化动力学的物理学法则是"最大广义熵原理",即系统总是寻找一种优化过程使得在给定的约束或代价下广义熵最大,即总是使自身得到最大限度的发展。
2) generalized maximum entropy principle
广义最大熵原理
1.
The data from 2005 annual reports of 10 listed agriculture machine appliance companies on Shanghai and Shenzhen Stock market are adopted to evaluate their comprehensive strength based on the generalized maximum entropy principle and optimization theory.
提取沪深股市10家农业机械行业上市公司的2005年报的数据,采用了基于广义最大熵原理和优化理论的赋权评价方法,对农机上市公司综合实力进行了综合评价。
2.
Especially in order to give index s weight correctly,a new method is put forward based on the generalized maximum entropy principle and optimization theory.
特别针对指标权重的确定问题,提出了基于广义最大熵原理和优化理论新的赋权方法。
3.
The generalized maximum entropy principle which can integrate various weight determination methods is applied to obtain the weight of multi-index in dam safety synthetic appraisal.
针对大坝安全综合评价中多指标权重的确定问题,将熵理论引入大坝安全综合评价中,应用广义最大熵原理,将不同赋权方法有机集成在一起确定大坝安全评价中多指标权重。
3) maximum generalized information entropy principle (MGIEP)
最大广义信息熵原理
4) generalized maximum entropy
广义最大熵
1.
IA new method based on generalized maximum entropy is applied in estimating parameters of structural equation model,which is meant for situations with limited or incomplete data.
提出应用广义最大熵的方法对结构方程模型的参数进行估计,该方法能够处理有限的或者不完全数据。
2.
Aiming at generalized maximum entropy(GME) regression effect and especially the indetermination of the choice of support space of parameter and error in the model,the modelling process of GME regression method is analyzed,and its regression effect is compared with others effects through two cases in this paper.
针对广义最大熵回归方法的建模效果问题,尤其是模型中未知参数和误差项支持空间选择的不确定性问题,该文剖析了该方法的建模过程,并通过两个实例将该方法与其它建模方法的回归效果进行了对比分析。
3.
In this paper,a new method for limited or incomplete data based on generalized maximum entropy is applied to measure customer satisfaction.
本文提出了应用广义最大熵(Generalized Maximum Entropy,简称GME)的方法对顾客满意度进行测评,该方法能够处理有限的或者不完全数据。
5) maximum entropy principle
最大熵原理
1.
Comprehensive model of mid-and long-term load forecasting based on maximum entropy principle;
基于最大熵原理的中长期负荷预测综合模型的研究
2.
A Chinese entity extraction method based on maximum entropy principle;
一种基于最大熵原理的汉语实体提取方法
3.
Droplet size and velocity distribution function in sprays based on maximum entropy principle;
基于最大熵原理的喷雾液滴尺寸和速度联合分布函数
6) principle of maximum entropy
最大熵原理
1.
Principle of Maximum Entropy for back analysis in geotechnical engineering;
岩土工程反分析的最大熵原理
2.
Research on the Parameter Estimate and the Reliability Analysis of Engineering Slope Based on the Principle of Maximum Entropy;
基于最大熵原理的工程边坡参数估计及可靠度分析研究
3.
Application Study of Principle of Maximum Entropy in Hydrology Frequency Analysis;
最大熵原理在水文频率分析中的应用研究
补充资料：最大熵法
对信号的功率谱密度估计的一种方法。1967年由J.P.伯格所提出。其原理是取一组时间序列，使其自相关函数与一组已知数据的自相关函数相同，同时使已知自相关函数以外的部分的随机性最强，以所取时间序列的谱作为已知数据的谱估值。它等效于根据使随机过程的熵为最大的原则,利用N个已知的自相关函数值来外推其他未知的自相关函数值所得到的功率谱。最大熵法功率谱估值是一种可获得高分辨率的非线性谱估值方法，特别适用于数据长度较短的情况。
最大熵法谱估值对未知数据的假定 一个平稳的随机序列，可以用周期图法对其功率谱进行估值。这种估值方法隐含着假定未知数据是已知数据的周期性重复。现有的线性谱估计方法是假定未知数据的自相关函数值为零，这种人为假定带来的误差较大。最大熵法是利用已知的自相关函数值来外推未知的自相关函数值，去除了对未知数据的人为假定，从而使谱估计的结果更为合理。
熵在信息论中是信息的度量，事件越不确定，其信息量越大，熵也越大。对于上述问题来说，对随机过程的未知的自相关函数值，除了从已知的自相关函数值得到有关它的信息以外，没有其他的先验知识。因而，在外推时，不希望加以其他任何新的限制，亦即使之"最不确定"。换言之，就是使随机过程的熵最大。
最大熵法功率谱估值表达式 最大熵法功率谱估值的表达式为
式中PM为M阶预测误差滤波器的输出功率;B为随机过程的带宽;为采样周期;ɑm(m＝1,2,...,M)由下式决定：
式中rNx(M)为已知的随机过程的自相关函数值。
从功率谱估值的表达式可以看出，最大熵法与自回归信号模型分析法以及线性预测误差滤波器是等价的，只是从不同的观点出发得到了相同的结果。
由已知信号计算功率谱估值的递推算法 应用上述的谱估值表达式进行计算时，需要知道有限个自相关函数值。但是，实际的情况往往是只知道有限长的时间信号序列，而不知道其自相关函数值。为了解决这个问题，J.P.伯格提出了一种直接由已知的时间信号序列计算功率谱估值的递推算法，使最大熵法得到广泛的应用。递推算法如下：
递推算法只需要知道有限长的时间信号序列，不须计算其自相关函数值,所得的解保证是稳定的。但是,其解只是次优解。
应用递推算法往往使谱估值出现"谱线分裂"与"频率偏移"等问题，因而,又有各种改进的算法。其中,较著名的有傅格算法和马普尔算法，但是所需的计算量较大。另外，在有噪声的情况下，如何选定阶数仍有待进一步探讨。
最大熵法谱估值对未知数据的假定 一个平稳的随机序列，可以用周期图法对其功率谱进行估值。这种估值方法隐含着假定未知数据是已知数据的周期性重复。现有的线性谱估计方法是假定未知数据的自相关函数值为零，这种人为假定带来的误差较大。最大熵法是利用已知的自相关函数值来外推未知的自相关函数值，去除了对未知数据的人为假定，从而使谱估计的结果更为合理。
熵在信息论中是信息的度量，事件越不确定，其信息量越大，熵也越大。对于上述问题来说，对随机过程的未知的自相关函数值，除了从已知的自相关函数值得到有关它的信息以外，没有其他的先验知识。因而，在外推时，不希望加以其他任何新的限制，亦即使之"最不确定"。换言之，就是使随机过程的熵最大。
最大熵法功率谱估值表达式 最大熵法功率谱估值的表达式为
式中PM为M阶预测误差滤波器的输出功率;B为随机过程的带宽;为采样周期;ɑm(m＝1,2,...,M)由下式决定：
式中rNx(M)为已知的随机过程的自相关函数值。
从功率谱估值的表达式可以看出，最大熵法与自回归信号模型分析法以及线性预测误差滤波器是等价的，只是从不同的观点出发得到了相同的结果。
由已知信号计算功率谱估值的递推算法 应用上述的谱估值表达式进行计算时，需要知道有限个自相关函数值。但是，实际的情况往往是只知道有限长的时间信号序列，而不知道其自相关函数值。为了解决这个问题，J.P.伯格提出了一种直接由已知的时间信号序列计算功率谱估值的递推算法，使最大熵法得到广泛的应用。递推算法如下：
递推算法只需要知道有限长的时间信号序列，不须计算其自相关函数值,所得的解保证是稳定的。但是,其解只是次优解。
应用递推算法往往使谱估值出现"谱线分裂"与"频率偏移"等问题，因而,又有各种改进的算法。其中,较著名的有傅格算法和马普尔算法，但是所需的计算量较大。另外，在有噪声的情况下，如何选定阶数仍有待进一步探讨。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条