光滑度量空间上熵的渐进估计

在Bakry-émery曲率有下界的闭光滑度量测度空间上给出了加权Nash熵以及Perelman的加权W-熵随着时间演化的渐进估计,还借助于加权Laplace算子的第一非零特征值得到了加权Nash熵的一个精细估计.这些结果是Ni的关于Nash熵以及Perelman的W-熵演化公式的深化.     

广义熵与样本熵差渐近计算

本文引进(k,s)阶广义熵,q阶Shannon熵及q阶Renyi熵。考察其极值性,单调性等基本特性,论述其作为随机模式在主观先验知识条件下不肯定性度量之特征。通过与数据方差的比较,阐明数据熵差作为数据差异性度量的一系列性质。最后利用对数Г函数给出样本熵差的渐近计算。     

广义熵与样本熵差渐近计算

本文引进(k,s)阶广义熵,q阶Shannon熵及q阶Renvi熵。考察其极值性,单调性等基本特性,论述其作为随机模式在主观先验知识条件下不肯定性度量之特征。通过与数据方差的比较,阐明数据熵差作为数据差异性度量的一系列性质。最后利用对数(?)函数给出样本熵差的渐近计算。     

J-C模型中原子—腔场的纠缠随时间的演化

分别利用度量纯态纠缠的两种常用方法-von Neumann熵和共生纠缠,探讨了单光子J-C模型中和双光子J-C模型中原子-腔场的纠缠随时间的演化,并得出了此纠缠随时间演化的规律.     

一般二元关系中基于边界域的知识粗糙熵与粗集粗糙熵

不确定性度量是粗集理论研究的重要内容之一。基于信息论,结合Pawlak拓扑思想,提出了一般二元关系（自反性）下基于边界域的知识粗糙熵新定义,修正了粗集粗糙熵的定义。相对于传统粗糙熵,新的知识粗糙熵概念能更准确地度量知识和集合的不确定性,并在此基础上证明了新的知识粗糙熵和修正后的粗集粗糙熵都随知识分辨能力的增强而单调下降。     

直觉模糊熵的改进研究

针对现有直觉模糊熵描述不确定性不够全面的缺点,指出直觉模糊集的不确定性应该体现在模糊性和直觉性两个方面上,其中模糊性由隶属度与非隶属度的差异程度决定,而直觉性由犹豫度决定。在此基础之上,建立了新的直觉模糊熵公理化定义,并给出一个熵度量。最后,实例分析表明新的直觉模糊熵度量比现有的熵度量更加合理和有效。     

熵(Ⅰ)

一般不确定性问题所包涵的“不确定”的程度，在多数情况下是可以用数学来定量地描述的，关于不确定性的数学度量，我们称之为熵．这里，首先介绍物理学家、化学家早已熟悉的热力学熵，并对古典的Boltzmann熵作数学描述，进而对随着信息理论的需要而出现的Shannon熵作一番论述．并对熵在现实世界中的应用进行研究．     

粗糙模糊集的关联熵与关联熵系数

在研究模糊集关联熵和关联熵系数的基础上，将关联熵和关联熵系数的概念引入粗糙模糊集，讨论了它们的主要性质，说明关联熵系数可以用于粗糙模糊集之间相似程度的度量．并通过例子证明了粗糙模糊集的关联熵系数比模糊集的关联熵系数更适合用于在分类知识R下模糊集合之间相似程度的比较．     

一种度量粗集粗糙性的新方法

结合考虑二元关系产生的知识模块粒度大小及集合X边界的知识粒度对X的粗糙性的影响,利用知识的粗糙熵及粗集的边界熵给出度量粗集粗糙性的新方法—集合的粗糙熵。     

投资组合分散风险能力的度量及应用

用信息论中熵的概念度量投资组合对风险的分散能力，提出了最大熵和最大广义熵投资组合的概念，并与Markowitz的均值一方差理论进行了比较，同时做了数值模拟。表明了熵投资组合的可行性。     

证券投资组合中的熵优化模型研究

为了解决马科维茨(Markowitz)模型中以证券收益率的方差测度投资风险的局限性,基于熵以及差熵的概念,在研究其均值方差模型的基础上,提出用熵和差熵来作为风险的度量方法,从而建立了几种关于熵的证券投资组合优化模型,使对证券投资组合模型的研究和应用更加合理、客观.     

基于近似精度和条件信息熵的粗糙集不确定性度量方法

基于粗糙集理论的基本不确定性度量方法能够度量知识的不确定大小，却不能区分集合粒度划分大小，利用知识的信息熵，并结合粗糙集精度，定义了一种粗糙熵，用于度量粗糙集中的不确定性．证明了该粗糙熵随着划分粒度的变小而单调增加的性质．新的粗糙熵不仅能度量粗糙集的不确定区域大小而且可以度量划分的大小．算例证明了该方法的有效性．     

完全正熵的一个必要条件

本文给出紧致度量空间上的连续自映射具有完全正熵的一个必要条件．应用此结果到树上连续自映射，我们得到具有一致正熵和完全正熵的树上连续自映射之间的关联．     

模糊粗糙集粗糙熵的修正

在粗糙集理论中,由于用模糊粗糙熵去度量RF集的不确定性更具有直观性,所以如何利用香农信息熵理论定义模糊粗糙集的熵的度量,是一个值得研究的问题.结合知识粗糙性和信息熵给出了模糊粗糙集的熵的度量新定义,并对其一些性质进行了讨论.     

基于Gumbel分布的熵风险度量的参数估计及渐近行为

熵风险度量被广泛应用于金融风险领域,并取得了一定成果,但是将Gumbel分布与熵风险度量结合起来的相关研究还比较少,考虑基于Gumbel分布的熵风险度量估计量的渐近行为,得到了 3种不同估计量的渐近正态性.还给出相关的随机模拟结果验证了理论结果的正确性.     

引力场是产生熵之源还是吸收熵之沟

首先对Penrose以及Bekenstein等人有关物质熵和熵的演化的基本论述作了扼要介绍,揭示出他们理论的核心论点是:确认Clausius熵增加原理是适用于宇宙物质一切演化过程的普适原理,把物质熵的增加方向规定为唯一(可观测)的时间箭头方向.进一步剖析了Penrose等人关于熵的演化理论中存在的基本矛盾,最后通过对正、负能谱系统中熵的演化理论的建立,有力地批驳了Penrose等关于熵和熵的演化理论中的错误论点,并对物质熵的具体演化过程进行了理论自恰的论述.     

基于边界熵的S-粗集不确定性度量

针对S-粗集中元素的动态特性,给出了内、外边界和外边界熵的概念,将传统的粗糙度与外边界熵结合进来,提出了一种新的S-粗集不确定性的度量方法,讨论了这一度量的特性,并通过实例说明这一新的度量方法的合理性与简便性。     

区间毕达哥拉斯模糊集的信息度量及其应用

熵、距离和相似度是模糊集及其推广理论中重要的信息度量工具。基于区间毕达哥拉斯模糊集的信息度量研究大多涉及区间毕达哥拉斯模糊数的距离公式,很少涉及模糊性和相似性的度量方法。针对这种情况,首先提出区间毕达哥拉斯模糊集的熵、距离和相似度的公理化定义。然后研究熵、距离和相似度之间的关系。最后将提出区间毕达哥拉斯模糊集的熵和相似度应用到模式识别领域,对比分析表明所提出的度量方法具有灵活性和有效性的特点。     

态函数熵的意义及应用研究

态函数熵是系统无序性的量度。论述了克劳修斯熵、玻尔兹曼熵、信息熵之间的关系,并通过实例就熵与能量、熵与自然演化、熵与经济社会的联系作了探讨。指出能运用熵理论来解决能源、发展经济和环境保护等问题,并能通过开放课堂来保证教学的有序性。     

动态统计信息理论

将现有Shannon静态统计信息理论拓展至动态过程, 建立了以动态信息熵和动态信息的演化规律为核心的Shannon动态统计信息理论. 与此相对应, 还提出了Boltzmann动态统计信息理论. 基于动力学系统各自的态变量演化方程、即Fokker-Planck方程和Liouville扩散方程可看成是其信息符号演化方程, 推导出了表述动态熵和动态信息的演化规律的Shannon动态熵密度和动态信息密度的非线性演化方程以及Boltzmann动态熵密度和动态信息密度的非线性演化方 程. 这两种动态熵和动态信息的演化方程一致显示: 动态熵密度随时间的变化率是由其在系统内部的态变量空间和传递过程的坐标空间的漂移、扩散和产生三者引起的, 而动态信息密度随时间的变化率则是由其在系统内部的态变量空间和传递过程的坐标空间的漂移、扩散和耗损三者引起的. 熵和信息己与系统的状态和运动规律联系在一起. 进而给出了两种熵产生率公式和信息耗损率公式, 两种漂移信息流和扩散信息流的表达式. 证明了两种信息耗损率(或总信息的减少率)等于其相应的熵产生率(或总熵的增加率). 得到了反映信息在传递过程中耗损特性的两种动态互信息公式和动态信道容量公式, 它们在信道长度与信号传递速度之比趋于零的极限情况下变为现有的静态互信息公式和静态信道容量公式. 所有这些新的理论公式和结果都是从动态信息演化方程和动态熵演化方程统一推导出的. 综述了上述思想、方法、主要结果和典型运用, 讨论了两种动态统计信息理论的同异.