离散信源熵1

目录

一:熵的定义

二:联合熵和条件熵

三:相对熵

四:互信息

五:条件互信息

六:条件相对熵 


一:熵的定义

解释:H(X)=\Sigma P(x)log\frac{1}{P(x)},由于P(x)介于0-1之间,log\frac{1}{P(x)}大于等于0.
不等式:

不等式说明了信源成等概分布时,熵值达到最大。

二:联合熵和条件熵

由于熵与概率分布有关,故而联合概率和条件概率也能定义熵;概率的链式法则以及贝叶斯公式也在熵的计算中可用。

链式法则:

韦恩图(形象刻画熵之间的关系)

重要结论:条件熵为零时,非条件是条件的函数。

三:相对熵

相对熵(kl距离)不是测度或者说是泛函里的距离空间

计算实例:(1个p(x)对应一个q(x))

四:互信息

分析:X与Y独立时,I(x,y)=0.

五:条件互信息

Z作为条件,直接在原有的I(x,y)公式上补上z条件。

六:条件相对熵 

证明相对熵非负

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值