2) difference information entropy
差异信息熵
1.
Optimization method of the distinguishing coefficient is set up,on the basis of the integration of genetic algorithm(GA)and the difference information entropy in grey theory.
把遗传算法和差异信息熵理论结合给出了优化分辨系数的方法。
3) discrepancy of entropy
信息熵差异度
1.
By using four methods (histogram, chaos game representation, discrepancy of distance and discrepancy of entropy) at genomic level, the composition of short oligonucleotides and their compositional complexities in three different regions(introns, intergenic DNAs and exons) of genomic DNA from Arabidopsis thaliana, Caenorhabditis elegans and Drosophila melanogaster were studied.
在全基因组水平上 ,用直方图、混沌表示灰度图、距离差异度和信息熵差异度四种方法 ,研究了拟南芥、线虫、果蝇的DNA内含子、基因间隔区DNA、外显子三种区域的核苷酸短序列组分及组分复杂度 。
4) variance weighted information entropy
方差加权信息熵
5) Shannom entropy
信息熵(Shannom熵)
6) Gray-variance Weighted Information Entropy
灰度-方差加权信息熵
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