1) Frangibility Entropy of Degree Distribution
度分布熵
2) entropy density profile(EDP)
熵密度分布
1.
In this paper we apply the entropy density profile(EDP) method associated with log-correlation distance to analyze the 64 complete mitochondrial genomes and construct vertebrate phylogeny.
该文中我们应用基于非序列比对的熵密度分布方法结合对数关联距离对64种脊椎动物的线粒体完全基因组进行分析处理并构建系统发育树,产生的树将所选择的生物体分为三个大类:哺乳类(Mammalia)、鱼类(Fish)和初龙下纲(包括鸟类(Birds)和爬行类(Reptiles)),其拓扑结构与当前已知的用传统方法产生的树相似。
4) distribution of Wilson entropy
Wilson熵分布
5) distribution entropy
分布熵
1.
Diversity Control Based on Distribution Entropy in Population-Based Search and Optimization
群搜索优化中基于分布熵的多样性控制
2.
Time-dependent predictions of distribution entropy in quantum state/quantum state grouPSwere conducted under conditions of a certain simplified model for an isolated system approaching to equilibrium,with test deviations revealed in a limited number of simulations done relatedly quite a lot in previousworks.
研究了在一定的简化模式下，孤立系趋近平衡的过程中量子态和量子态组分布熵随时间变化的预测规律。
3.
Then mean truncated generation and distribution entropy were used to evaluate its performance and efficiency.
为了在不了解优化函数是否存在多个局部点对早熟收敛现象进行准确判定,提出了早熟收敛判定方法;为了突破局部极值的限制以再次寻优计算,引入了基于混沌变异的粒子群算法,对出现早熟收敛现象的粒子群进行混沌变异,使得最优点不会在一点重复出现,并采用平均截止代数和截止代数分布熵组成的平面测度对算法的优化效率进行度量。
6) entropy distribution
熵分布
1.
In this paper,maximum entropy distribution with 4 unknown parameters is adopted for extreme wave height statistical analysis.
将最大熵分布用于极值序列的统计分析,该分布有4个可调参数,适线分析更加灵活。
补充资料：概率分布的密度
概率分布的密度
density of a probability distribution
概率分布的密度【山画勿ofa声加b正ty业州恤心.;n月。T:oeT‘，.TooeT，]，亦称攀半考枣(pro恤b正tydensity) 与绝对连续概率测度相对应的分布函数(distribU-tionft川ction)的导数. 设X是在”维E切土d空间R”(n)l)中取值的随机向量，F是它的分布函数，并设存在一个非负函数f使得 x一工.F(x，，xZ，…，x。)一J…J，(。:，…，。。)“1…du，对一切实数x;，…，、。成立，则称f是X的修率窜摩(probab皿ity de飞ity)，此时对任意BOrel集A cR“有 p万x。A飞=f…ff(。，.·…。_)du一d、. ‘A。任一满足条件 丁…Jf‘xl，一x·，dxl·““一‘的非负可积函数f都是某一随机向量的概率密度. 如果两个取值于R”的分别具有概率密度f和g的随机向量X和Y是独立的，那么随机向量X十Y具有概率密度h，它是f和g的卷积，即h(xl，…，x。)=一丁…丁f(x，一。，，…，x。一u。)。(。，，…，。。)以u，…J、一J…Jf(“，，…，。。)。(x，一，，…，x。一、)汉。，…d。。. 假设X=(戈，…，戈)和Y=(矶，…，气)是分别取值于R”和R用(n，m)l)中且具有概率密度f和夕的随机向量，而z=(戈，…戈，Y.，…，气)是取值于r+川中的随机向量.再若X和y独立，则Z具有概率密度h，称为随机向量X和Y的联合概率密度(joint Pro恤biljty dellsity)，此处h(t:，…，t。十。)=f(tl，…，t。)g(t。+1，…，t。*.)·(l)反之，若Z具有满足(l)的概率密度，则X和Y独立. 具有概率密度f的随机向量X的特征函数中可表示为 毋(tl，…，t。)= 一丁…丁。:‘!1二‘~“·’·，f(xl，一x。，dxl·‘·“x二这里，如果职是绝对可积的，则f是有界连续函数，且 f(x:，“·，x。)=二二头二f二卜一‘:1一‘，…’，(。:，…，:。)d才，…d。· (2二)”几或概率密度f和对应的特征函数价还通过下述关系式(Phnd犯rel埠等术(Phncherel汕mtity))相联系:函数厂是可积的，当且仅当!叫’是可积的，此时有 了…歹fZ(x卫，…，、)dx，…dx。 一典丁了…}’，，(。，，…，:。)一‘tl…己t。
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