浅析互信息熵在某些学科中的应用

《浅析互信息熵在某些学科中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、.本科生课程论文浅析互信息熵在某些学科中的应用-..目录摘要…………………………………………………………………………………1引言1一、基于属性互信息熵的量化关联规则挖掘1（一）相关概念2（二）基于属性互信息熵的量化关联规则挖掘算法21.量化属性的离散化32.基于强信息关系属性集挖掘频繁项集43.频繁项集产生规则的利用5（三）算法BMIQAR的正确性分析5（四）实验结果与分析6（五）结束语6二、结合互信息熵差测度的高斯混合模型图像分割6（一）GMM-DMI算法71.GMM模型及其参数估计72.互信息熵差83

2、算法描述8（二）实验结果与分析9（三）结论9总结9参考文献10-..浅析互信息熵在某些学科的应用信息与计算科学专业宋海罗指导教师吴慧【摘要】在量化关联规则挖掘中存在量化属性及其取值区间的组合爆炸问题，影响算法效率。提出算法BMIQAR，通过考察量化属性间互信息熵，找到具有强信息关系的属性集。实验表明，能提高算法的性能，且能得到绝大多数置信度较高的规则。另外从分割图像与原图像的内在联系出发,提出了一种基于高斯混合模型与互信息熵差结合的分割算法.利用期望极值化方法确定高斯混合模型的各分量参数,计算前分割图像与

3、当前分割图像的互信息熵差,互信息熵差达到最小时即为最优解.实验表明,本算法所得到的目标图像的区域保持形状且定位性能好.【关键词】量化关联规则互信息熵图像分割高斯混合模型互信息熵差AnalysisofmutualinformationentropyintheapplicationandcomparisonofsomesubjectStudentmajoringinInformationandComputingScience:HailuoSongTutorHuiWuAbstract:Ontheresearch

4、ofquantitativeassociationrulesminingindatabasewhichcontainsquantitativeattributes,thecombinationofthequantitativeattributesandtheintervalsassociatedleadstoanunmanageablyhighlysizeditemsetsandassociationrulesetswhichconstituteahampertowardtheefficiencyofth

5、eminingalgorithm.Themutualinformationentropyoftheattributesisstudiedhere,andalgorithmBMIQARwhichcanfindthefrequentitemsetsandassociationrulesfromtheattributessetswithstronginformationrelationshipisdesigned.Theexperimentsshowthatduetothepruneontheattribute

6、s,theresearchspacedecreasessharply,sotheminingefficiencyisimprovedgreatly,andtheacquiredassociationrulesarehighconfidenceones.Accordingtotheinternalrelationsbetweenoriginalimageandsegmentedimage,thegaussmituremodeliscombinedwiththedifferenceofmutualinform

7、ation(DMI).TheparametersofGMMcanbeobtainedbyusingExpectationMaximizationmethod,andiniterationprocess,anoptimalcomponentnumberwillbedeterminedbyminimizingtheDMIbetweenthepreviousandcurrentsegmentedimages.Theexperimentalresultsindicatethattheproposedmethodh

8、asnotonlyvisuallybettersegmentationeffectbutalsobetterlocalizationproperty.Keywords:quantitativeassociationrules;mutualinformationentropy；imagesegmentation;GMM;DMI引言-..数据挖掘中关联规则的研究是应用驱动的，最常见的是对大型超市的事务数据库进行购物数据分析。量化关