自信息量 信息熵 KL散度 交叉熵损失.pdf

将信息论中熵的概念应用到特征选择中,定义了两种信息测度评价特征——误差熵和混叠熵,然后阐述了两种定义的不用物理意义,分析了计算熵中最关键的区间划分问题,并提出一种较好的区间划分方法。由于熵不能将相似的

论文研究-复杂系统与宏观信息熵方法.pdf,  本文从一般系统论的观点出发,首先论述了复杂系统的基本概念,把系统复杂性归结为

基于Tsallis熵的信息量度,用于镜头边界检测和关键帧选择

可以通过相对信息熵来度量将局部不均匀质量密度场与其在宇宙紧凑域上的空间平均值区分开的必要信息。 在这种情况下,Kullback-Leibler(KL)公式非常自然地出现,但是,它提供了一种非常复杂的方

近似熵、模糊熵、样本熵代码，在matlab中可以直接调用，用于进行离散序列分析，信号特征提取等。亲测可用。

本文为softmax的交叉熵求导公式，来源于斯坦福cs224n其中一题

实现二维交叉熵阀值图像分割，本部分是matlab程序部分设计，已实现。

在工业上由CCD相机拍摄的图像，因一些不利的因素，会产生斑点噪声且使待检测的目标间强度对比比较明显。对这一问题，目前常用的传统边缘检测和基于模糊理论的边缘检测方法存在着各种缺陷，由此提出了一种多层次模

随着网络功能日益多样化,分组分类技术对匹配域数量、表项深度等需求不断提高,加剧了硬件存储压力。为保证查表效率和硬件资源利用率,提出基于信息熵的匹配域裁剪算法。通过分析匹配域冗余信息,提出匹配域裁剪模型

基于信息熵的特征选择算法研究