1) words information entropy
词条信息熵
2) conditional information entropy
条件信息熵
1.
Classification algorithm for self-learning Nave Bayes based on conditional information entropy;
基于条件信息熵的自主式朴素贝叶斯分类算法
2.
Relationship between roughness of knowledge and conditional information entropy
知识粗糙性和条件信息熵的关系
3.
The feature parameters are predigested by applying conditional information entropy arithmetic derived from rough set,and key feature parameters are extracted at first.
首先利用粗糙集理论中的条件信息熵算法对系统特征参数进行了约简,提取出了关键特征参数,在此基础上再利用支持向量机算法对武器系统效能进行了评定。
3) WMI
词条互信息
1.
A new text clustering method based on WMI(words mutual information) statistical reduction dimension approach and Kohonen network(SOFM network) was proposed.
提出了一种基于词条互信息(WM I)值的统计降维和Kohonen网络(SOFM网)相结合的文本聚类方法,WM I值的方法侧重考虑文本特征项之间的互信息进行降维,可提高特征选择的效率,并使其更趋实用化。
4) Shannom entropy
信息熵(Shannom熵)
5) the condition entropy of sample information
抽样信息的条件熵
6) information entropy
信息熵
1.
Study of agro-environmental geology system and its state evaluation base on information entropy theory;
基于信息熵理论的农业环境地质系统状态评价方法研究
2.
Matching of textile image based on the biggest multi-symbol information entropy;
基于最大多符号信息熵的织物图像匹配
3.
Evaluation of working-state for texaco coal gasification system based on information entropy fuzzy matter-element model;
信息熵模糊物元模型的德士古煤气化系统运行状态识别
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