2010462宋海罗.docVIP

青岛农业大学 本科生课程论文 题 目： 浅析互信息熵在某些学科中的应用 姓 名： 宋海罗 学 院： 理学与信息科学学院 专 业： 信息与计算科学 班 级： 2010级1班 学 号： 指导教师： 吴慧 完成时间： 2013年6月22日  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 2 1.量化属性的离散化 3 2.基于强信息关系属性集挖掘频繁项集 4 3. 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 - DM I算法 7 1.GMM 模型及其参数估计 7 2.互信息熵差 8 3 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 Analysis of mutual information entropy in the application and comparison of some subject Student majoring in Information and Computing Science: Hailuo Song Tutor Hui Wu Abstract:On the research of quantitative association rules mining in database which contains quantitative attributes, the combination of the quantitative attributes and the intervals associated leads to an unmanageably highly sized itemsets and association rule sets which constitute a hamper toward the efficiency of the mining algorithm. The mutual information entropy of the attributes is studied here, and algorithm BMIQAR which can find the frequent itemsets and association rules from the attributes sets with strong information relationship is designed. The experiments show that due to the prune on the attributes, the research space decreases sharply, so the mining efficiency is improved greatly, and the acquired association rules are high confidence ones. According to the internal relations between original image and segmented image, the gauss miture model