随机变量序列基于指数分布的强偏差定理

利用样本相对熵作为一般非负连续型随机变量序列相对于服从指数分布的独立但不同分布随机变量序列偏差的一种随机性度量,运用鞅理论及分析方法,研究了一类随机变量序列加权和的用不等式表示的极限定理,即强偏差定理     

关于离散信源滑动相对熵的一个小偏差定理

通过引入任意离散随机序列联合分布相对于乘积参考分布的滑动相对熵概念，建立了任意相依离散随机变量序列滑动相对熵的一个小偏差定理。     

M值随机序列加权和的强稳定性

利用样本相对熵作为任意离散型随机变量相对独立变量偏差的一种随机性变量 ,采用研究强极限定理的一种新方法——网微分法 ,得到了一个关于离散型随机变量序列加权和的强稳定性定理     

样本相对熵与相依随机序列的若干小偏差定理

设{Xn,n≥1}是任意连续型随机序列,引入相对熵hμμ(w)作为随机序列{Xn,n≥1}的概率测度μ与参考测度μ之间偏差的一种随机性度量,在适当条件下,给出了任意连续型随机变量部分和小偏差定理.     

关于m值随机变量序列的一个强极限定理

本文引进m值随机变量序列滑动似然比和滑动相对熵的概念,并利用这两个概念给出了关于给定值在此随机序列中出现频率的一个强极限定理及其相关推论。     

连续随机序列样本熵的强偏差定理

设{Xn,n≥1}是连续随机序列,其联合分布密度为gn（X1,…,Xn）,fk（Xk）是Xk的边缘分布密度。利用关于乘积分布密度nПk=1 fk（Xk）的相对熵和相对熵率的概念,建立了连续随机序列关于样本微分熵的一类强偏差定理。     

关于离散随机变量序列的一类强偏差定理

引入极限相对对数似然比的概念,作为离散相依随机变量序列与独立随机变量序列的偏差的一种度量,并利用它来研究离散相依随机变量序列的极限性质．引入一种全新的概率研究方法——分析法,得到了一类用不等式表示的强极限定理,即强偏差定理,其偏差界依赖于此极限相对对数似然比．作为推论得到了经典的独立随机变量序列的强大数定理,进一步发展和完善了状态空间离散有限的随机变量序列关于乘积分布的强偏差定理．     

连续随机序列样本熵的强偏差定理

设{X_n,n≥1}是连续随机序列,其联合分布密度为g_n(x_1,…,x_n),f_k(x_k)是X_k的边缘分布密度。利用关于乘积分布密度sum from n to k=1 f_k(x_k)的相对熵和相对熵率的概念,建立了连续随机序列关于样本微分熵的一类强偏差定理。     

几何分布的相对熵密度偏差的极限性质

相对熵密度的极限性质是信息论的一个重要问题.本文在文[2]的基础上探讨几何分布相对熵密度偏差的极限性质,获得二个几何分布的相对熵密度的强偏差定理.     

模糊相对熵及在模式识别中的应用

目的研究模糊相对熵在模式识别中的应用。方法利用模糊相对熵的一个修正公式——加权模糊相对熵研究模糊相对熵在模糊模式识别中的应用。结果数值例子说明模糊相对熵方法和最大最小贴近度方法得出了一致的模糊识别的结果。结论模糊相对熵方法用于模式识别是很有实际意义的。     

关联熵及其应用

本文拓广熵的概念，引入偏熵与关联熵，分析其属性，定义关联熵系数，并介绍其在假设检验，一致性分析中的应用。这一关联熵分析方法，与传统的假设检验方法相比较，意义更为直观明确；与人们熟知的相关系数法相比较，内涵更为深刻，方法更为有效。     

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．     

关于非齐次马氏信源二元函数的一类偏差定理

引进任意信源相对熵密度偏差的概念,用此研究了一个二元函数的一类强偏差定理,随后引入平均随机条件熵的概念,得到了一个平均随机条件熵的极限定理,这个定理是马氏信源Shannon-McMillan定理的一个推广。     

三量子比特纯态紧致相对熵纠缠度的计算

分别从三量子比特纯态的正则形式和Linden-Popescu-Schlienz标准形式出发,计算三量子比特纯态的紧致相对熵纠缠度及W态的紧致相对熵纠缠度.指出紧致相对熵纠缠度不具有LU不变性,并给出它与P相对熵纠缠度之间的关系.     

关于熵的可交换性

不管在测度空间还是拓扑空间上,两个连续映射复合后,其熵与复合的先后次序有关,但满足一定条件后,有些复合的顺序是可以交换的,即交换秩序后的熵保持不变.详细回顾了一些关于熵的定义,讨论了两个映射复合后其测度熵、测度序列熵、拓扑熵、拓扑序列熵、二维映射的拓扑熵、旋转熵及拓扑压的可交换性.