导读:本文包含了微分熵论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:递归,微分,定量分析,电能,质量,定理,广义。
微分熵论文文献综述
李婉晴,汪加梅,王甜甜[1]（2019）在《基于随机密度矩阵特征值联合分布的广义微分熵研究》一文中研究指出研究了基于随机密度矩阵特征值联合分布的广义微分熵。首先,在罗莱珍等人的论文基础上,计算在Wishart矩阵特征值联合分布下的广义微分熵;然后,采用Laplace变换和Laplace逆变换来计算在随机量子态特征值联合分布下以及在随机密度矩阵对角线联合分布下的微分熵;另一方面,研究了由随机量子态所诱导的相关随机矩阵模型,该模型在量子信息理论中有着重要的作用;最后,以Renyi熵和Tsallis熵为例来验证在3种情形下的广义微分熵,并推广了罗莱珍等人的结果。(本文来源于《重庆工商大学学报(自然科学版)》期刊2019年03期）
李莎莎[2]（2016）在《基于微分熵递归分析和ELM分类的电能质量扰动识别》一文中研究指出优质电能的供给是现代化生产和生活对智能电网提出的要求,也是社会生产和人民生活安稳的基本保障。随着智能电网的建设,各种智能化、数字化设备引入电网中,带来越来越严重的电能质量扰动问题,给工业生产和人民生活带来了损失。因此对电能质量扰动问题进行检测和分类分析,以便采取相应措施提高电能质量成为现代学者广泛研究的一个热点。电能质量扰动类型较多,呈现出非线性和非平稳性的特征,每种扰动类型各具特点,使用一般的时频分析方法对不同扰动信号进行分析效果参差不齐。针对扰动信号的复杂性,本文提出了基于微分熵法相空间重构和递归图定性定量分析的方法,提取扰动信号的特征值进行分类分析,采用ELM(Extreme Learning Machine)极限学习机对特征量进行分类训练学习,提高扰动信号分类的精确度。首先,阐述了常见电能质量扰动的类型,以及在时频域中几种常用的电能质量扰动信号特征提取的方法,用每种时频分解方法对扰动信号进行分解,对比分解效果。其次,针对时频分解效果不理想问题,从信号的非平稳、非线性特征出发,引入混沌相空间重构,采用基于微分熵的方法进行相空间重构,同时求取最佳延迟时间和嵌入维数,避免了分别求取的不一致性。求得相空间重构参数,进行递归图的绘制,以图形的方式直观形象的展示时间序列的动力学特性。然后,为了提高扰动分类的精确度,引入混沌时间序列的特征量。在递归图的基础上,选取基于递归定量的确定性分析——递归参数进行定量分析,利用RQA(Recurrence Quantification Analysis)方法求取非线性特征量,作为扰动信号识别的特征向量。并结合ELM(Extreme Learning Machine)人工神经网络进行分类识别。最后,以模拟仿真信号做实验和以承德钢铁厂某条主线路上由互感器采集到的不同时刻的电能质量扰动数据为研究对象,用本文方法进行分析处理。实验证明了基于微分熵递归定量RQA分析与ELM分类的电能质量扰动识别方法的有效性。(本文来源于《燕山大学》期刊2016-05-01）
张淑清,李莎莎,张立国,张航飞,乔永静[3]（2015）在《基于微分熵与RQA的电能质量扰动分析》一文中研究指出基于非线性混沌和相空间重构理论,将电能质量扰动信号序列重构到高维相空间,进行递归图(RP)分析。采用微分熵法对电能质量信号进行相空间重构,避免分别求取嵌入维数和延迟时间的不一致性;引入递归定量分析(RQA)进行扰动的定量分析,克服传统特征提取方法对过程平稳的严格要求。利用能够表征信号发散程度的RQA参数-确定率(DET)和分层率(LAM)组成电能扰动信号识别的特征向量,根据不同电能质量扰动信号各自的分布情况,来区分不同的电能质量扰动信号。通过对6种电能质量扰动信号进行实验分析,结果表明:该方法不仅能够很直观地识别电能质量扰动信号,还能利用RQA的特征量对信号进行具体的定量分析,为电能质量扰动分析提供了高效、直观的方法。(本文来源于《仪器仪表学报》期刊2015年11期）
赵静,魏杰[4]（2006）在《关于微分熵的一类强偏差定理》一文中研究指出利用关于乘积分布密度的相对熵和相对熵率的概念,建立了相依连续型随机变量序列关于参考微分熵的一类强偏差定理,证明中给出了将Laplace变换应用于微分熵强偏差定理的研究的一种途径．(本文来源于《系统科学与数学》期刊2006年06期）
微分熵论文开题报告
（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：
优质电能的供给是现代化生产和生活对智能电网提出的要求,也是社会生产和人民生活安稳的基本保障。随着智能电网的建设,各种智能化、数字化设备引入电网中,带来越来越严重的电能质量扰动问题,给工业生产和人民生活带来了损失。因此对电能质量扰动问题进行检测和分类分析,以便采取相应措施提高电能质量成为现代学者广泛研究的一个热点。电能质量扰动类型较多,呈现出非线性和非平稳性的特征,每种扰动类型各具特点,使用一般的时频分析方法对不同扰动信号进行分析效果参差不齐。针对扰动信号的复杂性,本文提出了基于微分熵法相空间重构和递归图定性定量分析的方法,提取扰动信号的特征值进行分类分析,采用ELM(Extreme Learning Machine)极限学习机对特征量进行分类训练学习,提高扰动信号分类的精确度。首先,阐述了常见电能质量扰动的类型,以及在时频域中几种常用的电能质量扰动信号特征提取的方法,用每种时频分解方法对扰动信号进行分解,对比分解效果。其次,针对时频分解效果不理想问题,从信号的非平稳、非线性特征出发,引入混沌相空间重构,采用基于微分熵的方法进行相空间重构,同时求取最佳延迟时间和嵌入维数,避免了分别求取的不一致性。求得相空间重构参数,进行递归图的绘制,以图形的方式直观形象的展示时间序列的动力学特性。然后,为了提高扰动分类的精确度,引入混沌时间序列的特征量。在递归图的基础上,选取基于递归定量的确定性分析——递归参数进行定量分析,利用RQA(Recurrence Quantification Analysis)方法求取非线性特征量,作为扰动信号识别的特征向量。并结合ELM(Extreme Learning Machine)人工神经网络进行分类识别。最后,以模拟仿真信号做实验和以承德钢铁厂某条主线路上由互感器采集到的不同时刻的电能质量扰动数据为研究对象,用本文方法进行分析处理。实验证明了基于微分熵递归定量RQA分析与ELM分类的电能质量扰动识别方法的有效性。
（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。
微分熵论文参考文献
[1].李婉晴,汪加梅,王甜甜.基于随机密度矩阵特征值联合分布的广义微分熵研究[J].重庆工商大学学报(自然科学版).2019
[2].李莎莎.基于微分熵递归分析和ELM分类的电能质量扰动识别[D].燕山大学.2016
[3].张淑清,李莎莎,张立国,张航飞,乔永静.基于微分熵与RQA的电能质量扰动分析[J].仪器仪表学报.2015
[4].赵静,魏杰.关于微分熵的一类强偏差定理[J].系统科学与数学.2006