关于无向图节点信息量的比较

运用图模型的基本理论,研究了离散型和连续型两种随机变量熵和信息量的相关性质,讨论了这两种情况下条件信息量的性质,再利用无向图的概念,推导了几种简单的无向图节点信息量的一般结论,即相邻节点间的信息量大于不相邻节点的信息量.     

模糊集的一类新广义熵

目的研究模糊集的一类新的广义熵。方法将离散随机变量的(k,q)阶广义熵推广到模糊集理论中,定义模糊集的(k,q)阶广义熵和q阶Shannon熵,讨论q阶Shannon模糊熵和q阶Re-nyi模糊熵之间的关系。结果得到了(k,q)阶广义熵和q阶Shannon模糊熵的一系列性质,并且证明了当q≥0.5时,q阶Shannon模糊熵是F(X)上的一个σ-熵。结论拓广了模糊熵,为模糊信息学的深入发展提出了新的思路。     

关于连续型随机变量函数分布的探讨

本文利用分布函数法给出了一维连续型随机变量函数非单调时密度函数公式,以及离散型和连续型随机变量函数分布的一般公式,修正和推广了现有文献中的结果。     

离散型随机变量的连续化方法

讨论了如何把离散型随机变量转化为连续型随机变量.首先给出了连续型随机变量与通过对其取整得到的离散型随机变量应该满足的两个充分必要条件,然后从不限定和限定连续型随机变量的分布这两个方面,给出了离散型随机变量连续化的几种方法,并且用这些方法分别解决了几何分布和离散韦布尔分布分别向指数分布和韦布尔分布的转化.     

离散型随机变量连续化处理的方法

线性潜在结构方程式模型还仅限于研究连续型随机变量,对于各领域大量出现的离散型随机变量,还没有适用的线性结构方程式模型。因此,离散型随机变量连续化的研究具有重要的意义。对已知的离散型随机变量的分布律,通过分段线性插值,构造出相应的连续型随机变量的概率密度函数,使连续型与离散型随机变量有相同的数字期望和方差,并检验了两个随机变量分布函数的近似程度。     

随机变量和的数字特征

随机变量和的数字特征是概率论和数理统计的重要概念,具有广泛应用.随机变量和指的是n个随机变量相加即∑Xi,这里xi可以是离散型随机变量,也可以是连续型随机变量.运用随机变量和的卷积公式及其推广,利用和式分解求解了随机变量和的数字特征,并对连续型随机变量和的上下界进行了改进.     

离散型随机变量的概率密度函数及其应用

利用单位脉冲函数定义了离散型随机变量的概率密度,给出离散型随机变量与其独立的连续型随机变量和分布的计算公式,且证明其和分布不可能为正态分布。     

二维随机变量独立性的研究

主要研究了二维离散型随机变量和二维连续型随机变量的独立性问题.给出了二维离散型随机变量相互独立的充分必要条件是其联合分布矩阵的秩等于1;二维连续型随机变量相互独立的充分必要条件是其联合概率密度为可分离变量.同时,对其应用进行了举例说明.     

双下标随机变量顺序统计量和的强大数定律的一个注记

论证了双下标离散型随机变量和 1n2 ni=1 i X( n)i 的强大数定律 ,结论表明离散型随机变量和连续型随机变量所得结果是不同的     

一类随机变量序列关于Γ-分布的强偏差定理

引进似然比作为非负连续型随机变量序列相对于服从Γ分布的独立随机变量序列的偏差的一种度量,并通过限制似然比给出了样本空间的一个子集,在此子集上运用鞅方法得到了任意非负连续型随机变量序列的一类用不等式表示的强极限定理,将任意随机变量序列关于乘积分布的强偏差定理从离散状态空间推广到连续状态空间.作为推论得到了任意非负连续型随机变量序列关于指数分布,厄兰分布以及x2-分布的强偏差定理以及服从Γ-分布的独立随机变量序列的一族强大数定律.     

基于信息熵的单元化制造系统状态度量

摘要： 将描述单元化制造系统状态所需信息量分为结构熵和运行熵2种形式并予以定义;在信息熵理论基础上,构建了单元化制造系统的结构熵与运行熵函数,并对制造资源的状态认定进行说明;根据调度理论,分别建立最大可能调度时限和调度符合度模型.以实施单元化制造的某加工车间为背景,依据其在不同状态下制造资源的状态信息,实证分析并绘制了系统状态随调度变化的示意图,利用所建熵函数及调度模型对系统状态进行度量,以验证所提出方法的科学性与有效性.结果表明,通过所构建的信息熵模型,可实现对单元化制造系统状态的度量与监控,并为提高系统的运行效率提供有效途径.     

关于信息光学中信息熵的表达式

本文探讨了信息熵的引入背景,指出申农引入的信息熵表达式是与玻尔兹曼分布相对应的物理熵表达式的推广。随着信息论的广泛应用,此表达式的应用受到一定的局限。本文以信息光学为例来说明这种局限性,并给出了信息光学中信息熵的一般表达式。     

熵的另一种表达形式及其应用

通过Boltzmann等概率假设,得到熵的另一种表达式,然后根据Shannon（香农）熵把熵作为一个随机事件的不确定性的量度,从而奠定了现代信息论的科学理论基础。     

基于信息损失量的特征选择方法研究及应用

通过研究特征变量与类变量的信息测度和特征子集与类变量之间信息测度计算方法,实现快速的特征选择。将基于扩展熵的信息损失量测度用于度量类变量之间的相关性。为避免计算联合互信息的复杂计算,提出了基于信息损失量的变量相关度增加量计算方法,在保证新增特征可提供更多信息量前提下,同时提高特征选择的速度。最后对UCI的3种分类数据集进行实例分析,利用支持向量机对选择的特征子集进行分类验证,并将分类结果与其它常用特征选择方法进行了比较。结果表明所提出的特征选择方法比现有的特征选择方法更有效。     

模糊决策树归纳算法及应用

使用分类信息熵极小化启发式，对分类问题中属性值为模糊集时，提出了直接用隶属度作为连续值变元来产生决策树的算法，将该算法应用于大型旋转机械振动故障诊断的规则提取上，经实践检验，所提学习算法合理。     

变精度粗糙集下基于信息熵的属性约简算法

本文针对在Z．Pawlak粗糙集下进行属性约简中存在的问题,在对变精度粗糙集理论下卢下近似约简概念分析的基础上,引入了信息熵,建立了变精度粗糙集意义下的决策表中属性重要性的度量方式,区分了β阈值界定下的“弱不一致信息”与“强不一致信息”的不确定程度,从而刻画了标准粗糙集下正域之外的不一致信息的不确定程度,以该度量作为启发式信息,提出了基于信息熵的β下近似约简的启发式算法．这为不一致信息系统的属性约简提供了理论依据与算法．     

模糊集中的无限非概率测度熵

目的 为得到模糊信息论的一些重要性质和定理。方法 以模糊熵的数学性质为基础，以Shannon熵为工具进行研究。结果 给出了无限非概率测度熵的定义及性质，并对无限非概率测度条件熵及模糊互信息给出了定义，进而研究了其性质并给出了相关定理。结论 其结果深化和发展了模糊信息论的内容。     

以熵为测度的无失效抽样检验法

以信息熵为测度，建立新的寿命检验方法，由于应用的范围不受限制，因而比较彻底地解决了产品寿命的检验问题，其所研究的内容，主要有寿命信息分析与初估公式的建立，信息熵的公式，一次与逐次检验的方法及其试例。     

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.     

论动态统计信息理论

将现有的静态统计信息理论拓展至动态过程,建立以动力学系统的信息和信息熵的演化规律为主题及其应用的动态统计信息理论.从态变量演化方程出发,推导出表述信息熵和信息的演化规律的动态信息熵密度和动态信息密度的非线性演化方程.这两个方程表明:信息熵密度随时间的变化率是由其在坐标空间和态变量空间的漂移、扩散和产生三者引起的;而信息密度随时间的变化率则是由其在坐标空间和态变量空间的漂移、扩散和减损三者引起的.给出了漂移信息流和扩散信息流的表达式、信息减损率和信息熵产生率的简明公式.证明了动力学系统内的信息减损(或增加)率等于它的信息熵产生(或减少)率,信息扩散与信息减损同时发生.得到了反映传递过程动态特性的动态互信息公式,它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.这些结果都是从信息和信息熵演化方程统一得出的,未增加新的假设.作为这些理论公式的应用,研究和计算了布朗运动的漂移扩散传递、热缺陷产生动力学及分子马达3个动力学课题的信息熵和信息的变化式,给出了高斯信道的动态互信息公式.