信息度量(二):信息熵与平均互信息
目录
- 信息熵
- 信息熵
- 条件熵
- 联合熵
- 平均互信息
在第一部分中,我们对随机事件的信息量度有了一定的了解,本文将会以此为基础说明随机变量的平均信息量,即熵。
信息熵
信息熵
离散随机变量XXX的熵为自信息的平均值,记为H(X)H(X)H(X):H(X)=Ep(x)[I(x)]=Ep(x)[−logp(x)]=−∑xp(x)logp(x)H(X)=\underset{p(x)}{E}\left[I(x)\right]=\underset{p(x)}{E}\left[-\log{p(x)}\right]=-\sum\limits_x{p(x)\log{p(x)}}H(X)=p(x)E[I(x)]=p(x)E[−logp(x)]=−x∑p(x)logp(x)其中,I(x)I(x)I(x)表示事件xxx的自信息;Ep(x)\underset{p(x)}{E}p(x)E表示对随机变量用p(x)p(x)p(x)取算术平均。
信息熵H(X)H(X)H(X)在平均意义上表征了信源的总体特征。在信源输出前,表示信源的平均不确定度。在信源输出后,表示一个信源符号所提供的平均信息量。
条件熵
条件熵为联合集XYXYXY熵的条件自信息I(y∣x)I(y|x)I(y∣x)的平均值:H(Y∣X)=Ep(xy)[I(y∣x)]=−∑x∑yp(xy)logp(y∣x)=∑xp(x)[−∑yp(y∣x)logp(y∣x)]=∑xp(x)H(Y∣x)H(Y|X)=\underset{p(xy)}{E}[I(y|x)] \\=-\sum\limits_x\sum\limits_y{p(xy)\log{p(y|x)}} \\=\sum\limits_x{p(x)\left[-\sum\limits_y{p(y|x)\log{p(y|x)}}\right]} \\=\sum\limits_x{p(x)H(Y|x)}H(Y∣X)=p(xy)E[I(y∣x)]=−x∑y∑p(xy)logp(y∣x)=x∑p(x)[−y∑p(y∣x)logp(y∣x)]=x∑p(x)H(Y∣x)
联合熵
联合集XYXYXY上联合自信息I(xy)的平均值称为联合熵,即H(XY)=Ep(xy)[I(xy)]−∑x∑yp(xy)logp(xy)H(XY)=\underset{p(xy)}{E}[I(xy)] \\-\sum\limits_x\sum\limits_y{p(xy)\log{p(xy)}} H(XY)=p(xy)E[I(xy)]−x∑y∑p(xy)logp(xy)联合熵可表示为H(XY)=H(X)+H(X∣Y)=H(Y)+H(Y∣X)H(XY)=H(X)+H(X|Y)=H(Y)+H(Y|X)H(XY)=H(X)+H(X∣Y)=H(Y)+H(Y∣X)
平均互信息
平均互信息为互信息在联合概率空间中的统计平均值。集合XXX和YYY之间的平均互信息可以看作xxx、yyy之间互信息的平均值,表示从XXX得到的关于YYY的平均信息量。
集合XXX、YYY之间的平均互信息可定义为I(X;Y)=Ep(xy)[I(x;y)]=Ep(x,y)[logp(x∣y)p(x)]=∑x,yp(x)[logp(x∣y)p(x)]=∑x,yp(xy)logp(xy)p(x)p(y)=D(p(xy)∣∣p(x)p(y))I(X;Y)=\underset{p(xy)}{E}[I(x;y)] \\=\underset{p(x,y)}{E}\left[\log{\frac{p(x|y)}{p(x)}}\right] \\=\sum\limits_{x,y}p(x)\left[\log{\frac{p(x|y)}{p(x)}}\right] \\=\sum\limits_{x,y}p(xy)\log{\frac{p(xy)}{p(x)p(y)}} \\=D(p(xy)||p(x)p(y)) I(X;Y)=p(xy)E[I(x;y)]=p(x,y)E[logp(x)p(x∣y)]=x,y∑p(x)[logp(x)p(x∣y)]=x,y∑p(xy)logp(x)p(y)p(xy)=D(p(xy)∣∣p(x)p(y))
平均互信息与熵的关系如下
I(X;Y)=H(X)−H(X∣Y)I(x;Y)=H(Y)−H(Y∣X)I(X;Y)=H(X)+H(Y)−H(XY)I(X;X)=H(X)I(X;Y)=H(X)-H(X|Y) \\I(x;Y)=H(Y)-H(Y|X) \\I(X;Y)=H(X)+H(Y)-H(XY) \\I(X;X)=H(X)I(X;Y)=H(X)−H(X∣Y)I(x;Y)=H(Y)−H(Y∣X)I(X;Y)=H(X)+H(Y)−H(XY)I(X;X)=H(X)
[1] 张小飞等, 信息论与编码,电子工业出版社, 2018.10, P37-P58.
信息度量(二):信息熵与平均互信息相关推荐
- 信息安全—密码学信息熵信息理论基础—熵的概念(熵、联合熵、条件熵、平均互信息)
数学基础:概率论乘法法则 两个事件相互独立:P(A∩B) = P(A)×P(B) · 意思是事件A和事件B同时发生的概率 = 事件A发生的概率 × 事件B发生的概率 · · 举个栗子:掷两枚硬币硬币同 ...
- 信道容量+平均互信息
研究信道的目的是:研究信道能传输的最大信息量,即:信道最大传输能力. 两个主要的信息测度函数: 1):如何描述在信道中传输的消息的信息量的大小,用:平均互信息描述,属于信息传输率问题.2):信道中最 ...
- Oracle统计信息(二)—— 直方图 Histogram
一. 简介 1. 引入原因 在普通的统计信息中,CBO会默认目标列数据在其最小与最大值间是均匀分布的,并以此为依据预估条件选择率及结果集cardinality,进而选择执行计划.但在实际中,显然有些数 ...
- thinkphp中配置信息的二维数组设置与使用
有时候配置信息是二维数组 1.配置 <?php return array (// 阿里大鱼短信配置'dayu_appkey'=>'xxx','dayu_secretKey'=>'xx ...
- 文献记录(part80)--基于平均互信息的最优社区发现方法
学习笔记,仅供参考,有错必纠 关键词:AMI-COPRA 算法 ;AMI-GN 算法 ;平均互信息 ;AMI 方法 ;社区发现; 基于平均互信息的最优社区发现方法 摘要 本文提出一种基于平均互信息的最 ...
- 客座编辑:刘克,男,博士,国家自然科学基金委员会信息科学部二处(计算机学科)处长。...
刘克,男,博士,国家自然科学基金委员会信息科学部二处(计算机学科)处长.
- Java获取12306余票信息(二)
接上 前面我们说到如何用Firefox浏览器抓取数据,并 对json进行了分析,下面就是用Java代码来进行操作.以下代码都没有导入包,有需要自行导入 Java获取12306余票信息(一) Java获 ...
- 数据的距离度量 二、余弦距离,汉明距离,测地距离,布雷柯蒂斯距离
数据的距离度量 二.余弦距离,汉明距离,测地距离,布雷柯蒂斯距离 前言 余弦距离 汉明距离 测地距离 布雷柯蒂斯距离 前言 本篇记录余弦距离,汉明距离,测地距离,布雷柯蒂斯距离. 余弦距离 又名余弦相 ...
- Http头信息(二)——请求头信息(一)
文章目录 前言 1. `Accept` 2. `Accept-Charset` 3. `Accept-Encoding` 4. `Accept-Language` 5.`Authorization` ...
最新文章
- altium designer pcb文件大
- [Jobdu] 题目1337:寻找最长合法括号序列
- mysql slowlog中querytime分析_技术分享 | Slow Query Log 使用详解
- AVFoundation – AVMetadataItem 获取媒体属性元数据
- Python 进程互斥锁 Lock - Python零基础入门教程
- matlab乘幂的指数是矩阵,信号与系统MATLAB基本语法.ppt
- dedecms(织梦) arclist 标签的使用
- 开始做我的robot博客
- 安装 tensorflow 环境
- 计算机辅助初中英语教学,利用多媒体优化初中英语课堂教学课题研究
- APP测试与WEB测试
- 开普勒方程迭代求解C语言,一种实用的开普勒方程求解方法及其 C 语言实现
- java.time.format.DateTimeParseException: Text ‘xxxx-xx-xx xx:xx:xx‘ could not be parsed at index 10
- 解读7种水质对咖啡口感的影响
- 一个英语学渣是如何通过英语六级的
- CLion等JetBrains IDE学生认证免费使用流程
- window.scrollTo控制滚动条平滑的滚动到某个位置
- Ubuntu 20.04系统中VSCode+CMake+GTest实现C++程序自动化单元测试的详细方法
- 大数加法(ascll转换),利息计算(数组,sizeof与循环运用)
- python年份天干地支代码_好用的Python第三方日历库:sxtwl(可算天干地支)
热门文章
- 新手初学MATLAB(一)常见信号的的实现绘制(原创易懂)http://www.putclub.com/
- linux dev shm 的大小,Linux系统dev/shm大小修改
- Hello World,I am coming!
- UML基础(附绘制教程)
- select自定义下拉三角符号,css样式小细节
- 【Vue】export 导出用法
- 江苏省职教高考2011年技能考试真题1
- 深入浅出 Python 装饰器:16 步轻松搞定 Python 装饰器
- 诚迈科技走进上海国际嵌入式展,携手Arm加速智能视觉技术创新
- SSTI漏洞基础解析