1) entropy-based image retrieval
基于信息熵检索
2) information retrieval/content-based retrieval
信息检索/基于内容检索
3) Contextual Information Retrieval
基于上下文的信息检索
1.
Study on Key Techniques of Contextual Information Retrieval;
基于上下文的信息检索关键技术研究
4) entropy-based image retrieval (EBIR)
基于熵的图像检索
5) entropy-based density assessment
基于信息熵的密度估计
6) XML Search Technology
基于XML的信息检索新技术
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