知识粗糙性和条件信息熵的关系

doi:10.3778/j.issn.1002-8331.2009.21.047

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (21): 160-162.DOI: 10.3778/j.issn.1002-8331.2009.21.047

知识粗糙性和条件信息熵的关系

陈凤娟¹，闫德勤²

1.辽宁对外经贸学院信息技术系，辽宁大连 116052
2.辽宁师范大学计算机与信息技术学院，辽宁大连 116029

收稿日期:2009-05-04 修回日期:2009-06-05 出版日期:2009-07-21 发布日期:2009-07-21
通讯作者: 陈凤娟

Relationship between roughness of knowledge and conditional information entropy

CHEN Feng-juan¹，YAN De-qin²

1.Department of Information Technology，Liaoning University of International Business and Economic，Dalian，Liaoning 116052，China
2.Department of Computer Science，Liaoning Normal University，Dalian，Liaoning 116029，China

Received:2009-05-04 Revised:2009-06-05 Online:2009-07-21 Published:2009-07-21
Contact: CHEN Feng-juan

摘要/Abstract

摘要： 目前，粗糙集理论存在着两种观点，它们分别是代数观和信息观。在代数观点中，知识粗糙性体现了知识的粒度；而在信息观中，定义了知识的信息熵和条件信息熵。已经有定理证明了信息熵与知识的粗糙性存在对应关系，它建立了代数观和信息观之间的联系，但是这种关系却不是一一对应的。该文通过重新证明知识粗糙性和信息熵的对应关系定理，找到与知识粗糙性存在一一对应关系的是条件信息熵，并给出相关定理及其证明。

关键词: 知识粗糙性, 信息熵, 条件信息熵

Abstract: At present，there are two views in rough set theory.They are algebra view and information view.The roughness of knowledge embodies the granularity of knowledge in algebra view.Two concepts are defined in information view，which are information entropy of knowledge and conditional information entropy of knowledge.Theorem has been proved that information entropy and roughness of knowledge have corresponding relationships.It establishes the link between algebra view and information view，but they are not one-to-one relationships.By re-prove the theorem on the relationship between information entropy and roughness of knowledge，this paper finds that it is conditional information entropy which exists one-to-one relationship with roughness of knowledge.Then several related theorems are given and proved.

Key words: roughness of knowledge, information entropy, conditional information entropy

陈凤娟¹，闫德勤². 知识粗糙性和条件信息熵的关系[J]. 计算机工程与应用, 2009, 45(21): 160-162.

CHEN Feng-juan¹，YAN De-qin². Relationship between roughness of knowledge and conditional information entropy[J]. Computer Engineering and Applications, 2009, 45(21): 160-162.

[1]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[2]	江魁，丘远东，郑浩城. 基于信息熵与LSTM的ICMPv6 DDoS攻击检测方法[J]. 计算机工程与应用, 2021, 57(21): 148-154.
[3]	宋世杰，陈开颜，张阳. 信息熵角度下的深度学习旁路安全评估框架[J]. 计算机工程与应用, 2021, 57(17): 138-146.
[4]	张念蓬，吴旭，朱强. 基于熵的过采样框架[J]. 计算机工程与应用, 2021, 57(13): 96-101.
[5]	陈建促，王越，朱小飞，李章宇，林志航. 融合多特征图的野生动物视频目标检测方法[J]. 计算机工程与应用, 2020, 56(7): 221-227.
[6]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[7]	白凤波，常林，王世凡，李彬，王颖洁，周红，刘耀. 裁判文书关键词提取的改进方法研究[J]. 计算机工程与应用, 2020, 56(23): 153-160.
[8]	张航，盛志伟，张仕斌，杨敏. Simhash算法在文本去重中的应用[J]. 计算机工程与应用, 2020, 56(11): 246-251.
[9]	王宁，朱峰. 概率不确定语言熵及其多属性群决策[J]. 计算机工程与应用, 2020, 56(1): 142-149.
[10]	黄冬梅，梁素玲，王振华，孙婧琦，徐首珏. 利用信息熵的高光谱遥感影像降维方法[J]. 计算机工程与应用, 2019, 55(6): 191-196.
[11]	李耀华，王星州. 飞机液压系统故障诊断[J]. 计算机工程与应用, 2019, 55(5): 232-236.
[12]	张华，曹林. 结合pHash和稀疏编码的素描人脸合成方法[J]. 计算机工程与应用, 2019, 55(22): 187-194.
[13]	李佩珍，王彬，牛焱，田程，相洁. 基于功能连接信息熵的精神分裂症EEG分类研究[J]. 计算机工程与应用, 2019, 55(22): 239-244.
[14]	彭守镇. 基于信息测度的勾股模糊决策模型及其应用[J]. 计算机工程与应用, 2019, 55(19): 185-190.
[15]	刘吉超，王锋，宋鹏. 缺失数据的维数增量式特征选择[J]. 计算机工程与应用, 2019, 55(17): 95-99.

知识粗糙性和条件信息熵的关系

Relationship between roughness of knowledge and conditional information entropy

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics