1) information entropy restrained
约束信息熵
1.
Bayesian network structure learning is implemented by combining immune genetic algorithm with information entropy restrained on adaptive function looking on expert knowledge as "bacterin",and several Bayesian network structures satisfying the same sample data collection are gained.
把专家知识作为"疫苗",利用免疫遗传算法和约束信息熵适应度函数相结合的方法进行贝叶斯网络结构的学习,得到多个反映同一样本数据集的、网络结构复杂度折衷的、满意的贝叶斯网络结构。
2) information entropy reduction
信息熵约简
1.
From the view of conditional probability,the mathematic models of algebraic reduction and information entropy reduction are united formally.
讨论了基于正区域与近似分类质量代数约简定义的等价性,证明了基于决策强度的属性约简与信息熵约简是等价的,从条件概率的角度将代数约简与信息熵约简的数学模型在形式上给出了统一表示,分析了它们在一致决策表下是一致的以及在不一致决策表下是不一致的根本原因。
3) information restriction
信息约束
1.
A Study of Information Restriction on the Financial Supervision and Regulation;
论金融监管中的信息约束
2.
By investigating information action model and information restriction,this paper constructs information function model and 5 matching rules that it should follow.
本文通过考察信息运动模型和信息约束,建立信息作用模型,揭示信息作用必须遵从物理层次和信息层次的5个匹配规则,提出信息作用机理,并应用作用机理从人类信息活动和组织系统两方面考察信息作用效应,提出信息增益效率理论。
4) constraint information
约束信息
1.
Study on constraint information visualization mapping in CSCD
协同设计中约束信息的可视化映射研究
2.
With design content and object becoming richness, and with special characteristics in dynamic and indeterminate network environment, constraint information that exists in cooperative design is becoming more and more complex.
随着设计内容的丰富、设计对象复杂化和网络环境下动态性与不确定性,协同设计中需要考虑和解决的约束信息也日益复杂。
3.
With richness of design contents and design objects,and with special characteristics in dynamic and indeterminate network environment,constraint information that exists in collaborative design is becoming more and more complex.
随着设计内容的丰富、设计对象的复杂化和网络环境下的动态性与不确定性,协同设计中需要考虑和解决的约束信息也日益复杂。
补充资料：信息熵（informationentropy）
信息熵（informationentropy）
是信息论中信息量的统计表述。香农（Shannon）定义信息量为：`I=-Ksum_ip_ilnp_i`，表示信息所消除的不确定性（系统有序程度）的量度，K为待定常数，pi为事件出现的概率，$sump_i=1$。对于N个等概率事件，pi=1/N，系统的信息量为I=-Klnpi=KlnN。平衡态时系统热力学函数熵的最大值为$S=-ksum_iW_ilnW_i=kln\Omega$，k为玻尔兹曼常数，Wi=1/Ω为系统各状态的概率，$sum_iW_i=1$，Ω为系统状态数，熵是无序程度的量度。信息量I与熵S具有相同的统计意义。设K为玻尔兹曼常数k，则信息量I可称信息熵，为$H=-ksum_ip_ilnp_i$，信息给系统带来负熵。如取K=1，对数底取2，熵的单位为比特（bit）；取底为e，则称尼特。信息熵是生命系统（作为非平衡系统）在形成有序结构——耗散结构时，所接受的负熵的一部分。
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