导读:本文包含了复杂度信息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:版面复杂度,信息熵,字节相关性
复杂度信息熵论文文献综述
王琪,崔荣一[1]（2019）在《基于字节流信息熵的版面全局复杂度的评估方法》一文中研究指出以图文要素构成的word 2003版面存储文档为研究对象,提出了一种利用信息熵评估版面文档复杂度的方法.首先,从图像和文本存储特点出发,提出一种利用文件字节流信息熵度量版面全局复杂度的方案;其次,将文件视为信源,每个字节视为信源符号,以二进制方式读取文件,然后根据字节相关性,采用N次扩展信源计算信息熵;最后,通过实验验证表明,本文方法切实可行,给出的版面全局复杂度定量描述不仅能很好地符合人的视觉直观感受,而且能够为版面数据可压缩性提供依据.(本文来源于《延边大学学报(自然科学版)》期刊2019年02期）
郑东,杨舜同,赵庆兰[2]（2019）在《基于QR码低复杂度信息隐藏方案》一文中研究指出为了保护快速响应码(quick response,QR)中的数据安全,设计一种基于QR码低复杂度信息隐藏方案。利用QR码本身的纠错特征,直接修改QR码的编码模块,并通过用户密钥和伪随机发生器生成随机序列,在QR码的纠错能力范围内使用随机序列将秘密信息直接嵌入QR码中,从而实现复杂度很低的信息隐藏。实例仿真结果表明,该方案可以正常读取QR码封面信息,并且仅在拥有用户密钥时可以正常读取QR码中的隐藏信息。(本文来源于《西安邮电大学学报》期刊2019年03期）
吴振宇[3]（2019）在《复杂时间序列的信息熵及其应用》一文中研究指出近些年来,时间序列信息熵的相关研究受到越来越多的关注。通常,复杂系统生成的复杂时间序列均表现出不规则性、随机性、分形性、非线性性等统计特征。基于信息熵的多种分析方法对于复杂时间序列表现出的这些统计特征的研究提供了新的途径。本文提出并探究多种与信息熵有关的时间序列分析方法,并通过多模型模拟这些方法可行性与稳定性,再利用多种金融时间序列及交通系统序列进行实证论证。本文共提出了信息熵领域的四种分析方法用于复杂时间序列的不规则性及相关性等方面研究。第一种研究方法是非线性变换的转移熵,本文通过将转移熵拓展至五种在金融市场具有实际意义的非线性变换中,探究在非线性变换下多个金融股票市场之间的信息传递关系及相互影响关系。结果表明本文所研究的五种非线性变换中有四种均使转移熵增大,为金融时间序列的交叉相关性研究提供有力论据。第二种研究方法是基于可视图的时间序列不可逆性度量的改进方法,该方法通过对序列的前向与后向的出入度进行多维度编码以重新构造数据空间,并利用Kullback-Leibler(KL)散度度量复杂时间序列的不可逆性。该部分模型及实证结果表明,在编码尺度为3时,时间序列的不可逆将达到峰值。第叁种研究方法为多尺度加权分布熵法,通过方差加权法考虑数据集的离散程度在度量分布熵时的作用,充分利用数据内蕴信息,再从多尺度的数据空间角度对加权分布熵进行探究。结果表明,随着数据维嵌入尺度的增加,加权分布熵具有明显的下降趋势。第四种研究方法为基于核函数与广义信息度量的流形学习方法,该方法通过核函数处理各行业绩效评价数据集,将高维的不可分非线性数据集转化成线性可分数据后,再利用广义的KL散度进行信息距离测量以获得关系度量矩阵。最后通过成分分析法以达到流形降维的目的。(本文来源于《北京交通大学》期刊2019-04-01）
王宇凡,董仲慧[4]（2017）在《FSVM模糊隶属度改进和信息熵融合的复杂设备故障分析》一文中研究指出为了实现更好的复杂设备故障诊断和识别,文中提出了基于FSVM模糊隶属度改进和信息熵融合的复杂设备故障诊断和识别的分析技术.对标准FSVM的模糊隶属度函数改良后建立了基于数据特征分布的高斯隶属度计算模型.通过工况数据验证了改良模糊隶属度与信息熵融合的FSVM对于复杂设备的故障诊断识别和工况状态评估更加有效.计算出设备故障模式与故障原因之间的权值,建立了一个多参数的复杂设备状态分析模型;并对各类故障原因对设备整体状态的影响进行定量分析,为复杂设备故障诊断和识别提供量化参考指标.(本文来源于《西安工业大学学报》期刊2017年11期）
殷怡[5]（2018）在《复杂时间序列的相关性及信息熵研究》一文中研究指出现实世界的复杂系统由多个简单的组成成分构成,而每个简单组成成分在多重时间和空间尺度上运行并相互影响.复杂系统展示出多层次的结构、自组织性的特点,这使得对复杂系统内在机制与动态的分析变得复杂而困难.分析复杂系统输出的时间序列是研究和理解其动态机制和相互作用的一个重要方法.本文从非平稳时间序列的相关性、复杂性、同步性和不可逆性等方面进行研究并探索复杂系统的内在性质,关注其在多重时间尺度上的变异性.本文主要基于重分形理论和去趋势的分析方法,探讨序列的自相关性、交叉相关性以及交叉相关性的大偏差谱;运用多重熵的定义,在多尺度、多变量上进行推广,分析序列的复杂性和同步性;引入基于熵的成分分割法,讨论分割片断的性质;基于概率分布理论,讨论时间不对称性及在其多尺度上的变化.本文主要研究内容包括五部分,详细的工作介绍如下:1.提出了基于时间序列间不相似性的多种度量的多维标度法(MDS).我们提出将基于去趋势交叉相关性分析的交叉相关性指数(σDCCA)和动态时间规整法(DTW)作为不相似性的度量引入多维标度法中,以传统的欧几里得不相似性的MDS方法作为参照模型,将方法应用于股票市场并分析其中的不相似性.同时,基于相同不相似性矩阵采用无权平均聚类法和MDS方法得到可视化结果并进行对比,我们发现MDS方法对于观察具有相似行为的稳定的或新兴的股票市场给出了一个更加直观的图形结果,而基于σDCCA不相似性的MDS可以提供更详细、准确的股票市场分类的信息.基于DTW不相似性的MDS方法则在股票市场之间的相关性方面能揭示更多而有趣的性质.同时,它反映了在股票市场聚类方面更丰富的结果,而且比基于欧氏不相似性MDS方法分析得更深入.2.研究基于熵分割的序列分割片段的内部特性和多尺度性质.我们引入一种熵分割算法,将其应用于金融序列上,从分割位置和片段长度的角度研究金融市场的统计特性,揭示了股票市场时间序列中隐含的一些重要的、有趣的结论和信息.然后,从时间不可逆性和相关性两个方面研究了时间序列各片段的内在特性.时间不可逆性和标度指数的波动都支撑了分割片段呈现成分异质性的事实并验证了分割的准确性.此外,我们将熵分割算法与多尺度技术相结合,对原始序列进行分割后,运用多尺度熵、多尺度时间不可逆性和多尺度去趋势波动分析揭示原始序列和基于分割得到的打乱序列在复杂性、时间不可逆性和相关特性等方面许多有趣的结果,对股市的动力学性质有了更深入的了解.3.研究非平稳时间序列间的多尺度同步性.我们提出多尺度联合置换熵(MJPE),从顺序模式和多尺度的角度研究两个复杂时间序列之间的同步性.先后运用带有主动控制的Rossler系统和二分量ARFIMA过程检验MJPE的有效性,并研究噪声对方法的影响.通过在金融时间序列和交通时间序列上的实证分析,我们发现金融时间序列的MJPE结果与股指的同步性和相关性的实际情况一致.同时,交通时间序列的MJPE结果证实了从多尺度的角度研究同步性的必要性,指出工作日和周末的交通时间序列具有不同的同步性.此外,将MJPE应用于健康受试者的睡眠脑电时间序列,检验了该方法在睡眠脑电上的有效性;进而将其应用于病理条件下受试者的睡眠脑电时间序列上,并发现同步性指数依然能够正确地揭示睡眠结构,且具有一致的变化趋势.4.研究基于大偏差谱估计的非平稳时间序列间多重分形交叉相关性分析.我们提出两序列间交叉相关性的大偏差分析模型,从大偏差理论出发,采用一种自适应的非参数算法并结合基于去趋势交叉相关性分析(DCCA)的粗糙度指数,在每个尺度上估计信号间的大偏差谱.首先,在多重分形ARFIMA序列上检验大偏差谱估计方法的有效性,也引起了对标度不变假设的质疑.其次,对交通信号序列进行分析,并展示了所提出的估计算法如何揭示这些信号以前未观测到的特性,揭示了在交通时间序列分析中非凹性的存在,并证实其与交通事故有关.此外,消除交通事故数据并没有对时间序列间交叉相关性中隐藏的多重分形性质造成破坏.然后,探究了交通信号间交叉相关性具有标度不变性的假设,并提供了一种方法来衡量交叉相关性的标度不变性,发现交通信号间交叉相关性不存在标度行为.最后,研究了交叉相关性的多重分形性质的产生机制.5.探讨了多变量时间序列分析.首先引入多变量多尺度样本熵(MMSE)来评价多个数据通道在不同时间尺度上的复杂度.通过比较原始和打乱的交通时间序列的MMSE结果和多尺度样本熵(MSE)结果,说明了MMSE方法的必要性.MMSE揭示了交通时间序列的长程相关性,可以估计交通信号中的工作日和周末模式.其次,提出了多变量多尺度置换熵(MMPE)和多变量权重多尺度置换熵(MWMPE),运用由白噪声和1/f噪声构成的模拟叁维时间序列验证其有效性,发现MWMPE能够准确地测量多通道数据的复杂度,反映更多的有关多变量时间序列的信息以及拥有更好的鲁棒性.然后,将MMPE和MWMPE方法应用于不同地区的金融时间序列上,发现MWMPE方法能够有效区分这些股票市场并探测它们的多尺度结构和反映出金融时间序列中包含的更多的信息.最后,我们提出了多变量预测方法,并与单变量时间序列预测方法和k-近邻(KNN)非参数回归模型进行了比较,讨论了多变量时间序列的预测性能.多变量预测方法相较其他两种方法对交通序列的预测结果都更好、更准确.(本文来源于《北京交通大学》期刊2018-04-01）
王东旋[6]（2017）在《资本市场与实体产业关联性的研究》一文中研究指出在资产组合理论和有效市场理论框架之下,虚拟的资本市场和实体经济有着较强的对应关系和关联性。资本市场的定价基础是实体经济,其价值波动由实体经济决定。早期的经济学家主要研究实体经济对于资本市场价值的影响,采用实体经济决定虚拟经济的研究逻辑。近年来随着资本市场的完善和市场参与者理性化的提高,以及计算机水平的提升,越来越多的经济学家通过深入挖掘资本市场的价值来刻画现实的实体经济,资本市场作为宏观经济指示器的功能不断被强化。传统金融学主要关注资本市场与宏观经济和微观公司的关系。资本市场作为整体可以反应宏观经济的现状和预期,而上市公司的股票作为个体可以反应对应的上市公司经营状况。近年来全球宏观经济整体下行,以制造业和初级加工业为主的传统产业逐渐没落,而以互联网和信息技术为主的新兴产业却以超常态发展,宏观经济中产业出现了严重分化,因此对于中观产业的研究逐渐成为了研究重点。进入二十一世纪以来,尤其是发达国家经历了08年金融危机、欧债危机等一系列危机后,中国成为了世界经济最重要的稳定器。然而,我国在保持经济高速增长的同时,产业结构性问题越来越突出。结构的失衡直接降低了经济发展的质量和经济效益,环保成本不断提升,社会问题日益严重,经济的可持续发展受到了威胁。中国作为全球最重要、最为庞大的经济体之一,产业结构失衡问题亟待解决。作为新兴热点,复杂网络引起了不同学科的研究人员和青年学者的浓厚兴趣。国内召开了多次以复杂网络为主题的学术专题会议和论坛。越来越多的学者和研究人员将复杂网络与产业研究相结合,研究产业网络的结构特性。复杂网络重点分析节点之间的相互交织关系,通过复杂网络的分析方法可以有效刻画节点的关联程度。本文基于资本市场的金融交易数据,构建产业复杂网络,通过比较静态的动态分析方法,获得产业结构变化的结果,通过资本市场与实体产业的关联,最终反映实体产业的现实情况。在基于资本市场的金融交易数据上,本文主要从以下几个方面展开研究:(1)产业复杂网络构建过程中的统计学方法本文统计学方法论的主核心是复杂网络方法,具体细节过程则是产业网络的构建过程。我们采用了FF叁因子模型的参数作为个体上市公司的属性,基于此参数进行聚类获得产业中的细分行业。实际过程中需要对数据进行标准化处理,包括同量纲化处理和同影响力处理,保证聚类的叁个参数坐标具有同等重要的作用,使得聚类结果可靠。我们修正了CFSFDP方法,提出Adaptive-CFSFDP方法,可以自动化地获取聚类密度核心和聚类数量,并通过比较聚类效果评价指标获得较为有效的聚类结果。对于产业网络的边权,本文采用了互信息熵值进行衡量,刻画两个节点变量之间的相互交织关系。(2)产业复杂网络的构建过程产业复杂网络的构建过程是本文的核心之一,对于一个完整的网络包含节点的构建、关联关系的构建和网络模型的选取。本文的产业网络采用Adaptive-CFSFDP聚类方法将同一大类产业内部的上市公司进行聚合获得细分行业网络的行业节点,对细分行业形成的指数收益率序列的互信息熵值作为网络的边权,以及选取完全耦合的无向加权网络作为产业网络模型。我们通过将细分行业的综合形成了大类产业网络模型,进而形成了两个产业复杂网络模型:细分产业网络模型和产业综合网络模型。(3)产业复杂网络的结果分析本文采用2005至2015年的上市公司周收益率数据为基础数据,通过聚类分析获得的细分行业节点中的上市公司作为成份股,按照流通市值加权方式形成指数收益率。在每月底,以此收益率叁年的时间序列数据计算获得的互信息熵值作为边权,形成了细分行业网络,将细分行业进行综合便可获得产业综合网络。通过研究所有产业的细分行业总数和同一产业内部相邻时刻网络形成的社团结构的相似性差异来获得产业内部变化的结果;通过研究不同时刻网络的拓扑结构和静态特性,采用比较静态的动态分析方法可以获得产业之间变化的结果。进而形成了产业变化的基本事实:产业内部的变化和产业之间的变化。(4)产业复杂网络结果的敏感性分析为了论证方法的有效性和结果的稳定性,我们引入了最小连通网络、最小生成树和网络抗毁性的方法,并对产业变化结果与基于点权强度综合排名的产业变化结果进行秩相关分析和主导产业的相似性分析,以此来观察是否采用不同的网络分析方法可以获得相同的结论。除了对方法的敏感性分析外,对于参数的敏感性分析也是在实证分析中非常重要的方面。虽然本文强调方法论,对于参数的使用较少,但是由于方法的特点,特别是网络关联关系——互信息熵的计算过程中使用到若干参数,因此我们主要对互信息熵的计算过程进行了参数敏感性分析,包括计算方法、采用的数据频度和计算的周期等。通过以上的研究过程,本文主要得出以下的结论:(1)很有必要对数据进行标准化处理,有些数据看似数据类型一致没有量纲,但是仔细分析便会发现FF叁因子的叁个参数的量纲和其对股票收益率的解释力度是不同的。分析叁因子的构建过程可以发现叁因子的波动不同,即量纲不同,需要对其进行同波动性处理;叁因子对于股票收益率的解释力度也是不同,有必要进行同影响力处理。经过处理后的聚类结果与现实产业中的细分行业分类有较强的对应性。我们对经典的CFSFDP聚类方法的细节缺陷进行了修正,形成Adaptive-CFSFDP聚类方法。通过选取CDbw聚类效果评价指标最优的聚类结果,可以自动化获取聚类结果,通过对经典的几个聚类分析案例进行分析均获得了较好的预期聚类效果。(2)依据前述的网络构建过程,本文应用2005年-2015年的上市公司交易数据形成了完全耦合的无向加权网络。通过比较静态的动态分析方法,发现产业结构变化的事实,包括产业内部的变化和产业之间的变化。我们从分析结果中看到,无论是从产业内部的细分行业的数量,还是细分行业内的公司形成的社团结构内部,产业内部变化都真实存在。产业内部不是一成不变的,随着时间的推进和国家经济发展阶段,产业会发生合并、分裂、消亡、新生等多种情形,正是由于产业内部的这种变化,才能使得产业保持着活力和竞争力,应对其他产业的冲击,尽可能地延长产业的生命周期。对于产业之间的变化,我们发现了以下事实的存在:在十年的统计区间内,主导产业发生了趋势性转移,信息技术和教育等产业逐渐取代传统产业成为主导产业,同样受益于互联网大潮和新兴网络消费大潮的交运仓储产业近年来稳步提升,已经进入主导产业序列;国家政策促使了某些产业在阶段性成为主导产业,表现为2011年下半年和2012年上半年房地产产业连续多月排名靠前;有些产业常年排名靠前,保持着较好的经济活力;有些产业需求不足且供给过剩,常年排名靠后,但是随着国家供给侧改革政策的深入,采矿业等产业供需状况好转,预计可能会阶段性排名靠前;有些产业供求关系稳定,常年排名中游。(3)在网络分析方法的有效性方面,我们对基于点权强度综合排名的方法与本文构建的最小连通网络、最小生成树、网络抗毁性方法所获得产业之间变化的结果进行了相关性分析。发现全体排名的秩相关系数达到了0.8以上,如果只考虑排名靠前的主导产业相似性则超过了0.93,均表明了方法的有效性和结果分析的可靠性。在参数敏感性方面,我们对互信息熵计算方法、数据频度和计算周期进行了分析。结果发现互信息熵计算方法和数据频度中采用日、周或月度数据均对结果影响较小,稳定性较好,而结果对于数据计算周期有一定的敏感性。具体表现为采用两年以上中长期时间时结果稳定性较好,而使用一年的数据周期进行分析时,结果稳定性较弱。通过统计分析,我们发现采用一年数据时,由于数据量较少,对分析变量的概率分布刻画不够全面,使得互信息熵的概率分布呈现非正态特性,因此在市场大幅波动的年份概率分布就会出现严重的左偏或者右偏,使得由此获得的产业变化结果与中长期的结果差异性较为明显。因此对于研究中期产业变化的产业网络,需要警惕数据周期的影响,采用中长期的数据进行分析。资本市场与实体产业产生关联性的理论基础是有效市场理论和投资组合理论,本文则通过复杂网络的动态分析方法,获得了实证证据,对于后续的研究具有借鉴意义。(本文来源于《中央财经大学》期刊2017-05-24）
许忠奇[7]（2016）在《基于信息熵的复杂网络链路预测算法研究》一文中研究指出链路预测(Link Prediction)问题是数据挖掘领域的研究方向之一,因其有重要的理论研究意义和广泛的应用价值而受到各个领域的关注。链路预测指如何根据已知网络的节点属性和网络拓扑等信息,预测网络节点对之间缺失的连边和未来可能产生的连边。近年来,随着复杂网络理论体系的不断发展,基于网络结构的链路预测算法渐渐成为研究焦点。本文的主要内容如下:首先,介绍了复杂网络的基础知识,包括简单网络、加权网络和多层网络的统计特征和演化模型;其次,介绍了链路预测问题的研究背景、研究现状以及现有的典型链路预测算法的核心思想;然后,介绍了信息熵的基本概念和性质,推导出复杂网络路径熵的表达式,并将路径熵用于节点相似性的度量,提出了一种基于网络局部拓扑结构的路径熵(Path Entropy,PE)相似性指标。实验结果表明,该指标比经典的准局部和局部指标有更好的预测性能;接着,将路径熵和路径的权重结合,提出了一种适用于加权网络的链路预测指标,即加权路径熵指标(Weighted Path Entropy index,WPE)。实验结果表明,该指标比现有的加权指标有更好的预测性能。进一步考虑到现实复杂网络中连边类型的异质性和网络结构的层次性,结合路径熵的概念,提出了一种适用于多层复杂网络的链路预测方案;最后,针对大规模复杂网络链路预测的难点,提出了基于共同邻居下界的并行计算预测模型,着重分析和预测网络"热点区域"中的连边。同时,提出了自预测性指标以度量链路预测算法的性能和评估网络的可预测性。(本文来源于《南京理工大学》期刊2016-12-01）
游国强,张文宇,赵怀璞,金潮,杜旭红[8]（2016）在《基于信息熵的应急预案逻辑复杂度评价》一文中研究指出应急响应预案是应急处理的依据和指南。本文针对应急预案逻辑缺陷,基于图形熵的概念,将应急预案文本转化为相应的图形。根据计算图形求出的熵值,提出降低逻辑复杂度,即优化应急预案逻辑的具体措施。(本文来源于《中国新技术新产品》期刊2016年18期）
梁丽静,李进,吴东梅[9]（2016）在《基于信息熵理论的浓香型白酒香味成分复杂度分析》一文中研究指出该文探讨了白酒的香味成分与白酒的风格和质量的关系。以叁个品牌不同等级的浓香型白酒为例,以酒体中香味成分作为一个复杂体系,以信息熵来定量描述酒体香味成分复杂度,并且分析香气成分复杂度与浓香型白酒酒质的关系。结果表明,复杂度并不仅仅是有香味成分的总量决定的,但以复杂度为变量可用于不同品牌白酒的区分具有一定的可行性。(本文来源于《中国酿造》期刊2016年05期）
张伟岗[10]（2015）在《基于信息熵的复杂网络社团发现算法研究》一文中研究指出社团结构是复杂网络最普遍和最重要的拓扑属性之一,社团结构的划分方法对分析复杂网络相关统计特性具有十分重要的理论意义。基于信息论中信息熵的概念,结合传统模块度形成一种信息熵模块度Q,判断划分出的最佳社团。该算法在人工生成网和实际网络进行测试,并与当前具有代表性的社团划分算法进行比较,通过实验得出该算法有较高的准确度。(本文来源于《微处理机》期刊2015年02期）
复杂度信息熵论文开题报告
（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：
为了保护快速响应码(quick response,QR)中的数据安全,设计一种基于QR码低复杂度信息隐藏方案。利用QR码本身的纠错特征,直接修改QR码的编码模块,并通过用户密钥和伪随机发生器生成随机序列,在QR码的纠错能力范围内使用随机序列将秘密信息直接嵌入QR码中,从而实现复杂度很低的信息隐藏。实例仿真结果表明,该方案可以正常读取QR码封面信息,并且仅在拥有用户密钥时可以正常读取QR码中的隐藏信息。
（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。
复杂度信息熵论文参考文献
[1].王琪,崔荣一.基于字节流信息熵的版面全局复杂度的评估方法[J].延边大学学报(自然科学版).2019
[2].郑东,杨舜同,赵庆兰.基于QR码低复杂度信息隐藏方案[J].西安邮电大学学报.2019
[3].吴振宇.复杂时间序列的信息熵及其应用[D].北京交通大学.2019
[4].王宇凡,董仲慧.FSVM模糊隶属度改进和信息熵融合的复杂设备故障分析[J].西安工业大学学报.2017
[5].殷怡.复杂时间序列的相关性及信息熵研究[D].北京交通大学.2018
[6].王东旋.资本市场与实体产业关联性的研究[D].中央财经大学.2017
[7].许忠奇.基于信息熵的复杂网络链路预测算法研究[D].南京理工大学.2016
[8].游国强,张文宇,赵怀璞,金潮,杜旭红.基于信息熵的应急预案逻辑复杂度评价[J].中国新技术新产品.2016
[9].梁丽静,李进,吴东梅.基于信息熵理论的浓香型白酒香味成分复杂度分析[J].中国酿造.2016
[10].张伟岗.基于信息熵的复杂网络社团发现算法研究[J].微处理机.2015