1) Subject Entropy
文本类别信息熵
3) class information
类别信息
1.
Cagging: Classifiers ensemble method based on class information;
基于类别信息的分类器集成方法Cagging
2.
2DPCA algorithm integrating class information for face recognition;
融合类别信息的二维主成分分析人脸识别算法
3.
An audio feature extraction method which can improve classification rate by utilizing the class information is proposed in this paper.
提出了一种利用训练数据的类别信息改善分类效果的音频特征提取方法。
4) information need
信息类别
1.
These decisions are typically made by considering only the user s keyword query,neglecting the larger information need.
这篇论文介绍了一种基于信息类别的元搜索引擎,对于用户提交的相同查询关键词,如果用户选择不同信息类别,系统会选择不同的成员搜索引擎,不同的查询项处理算法和不同的查询结果排序算法。
5) information entropy discrimination
信息熵判别法
6) information entropy minimization
类信息熵极小
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