当前位置：主页 > 技术文档 > 信息论下载

《信息论基础第2版》答案扫描版

更新：2020-10-17 12:59:00
大小：1.92 MB
热度：539
审核：傅宜嘉
类别：技术文章
格式：PDF

资源介绍
学习心得
相关内容

信息的度量

信息的度量和不确定性消除的程度有关

不确定性的程度与事件发生的概率有关

信息量与概率的关系：

信息量是概率的单调递减函数

概率小，信息量大

概率大，信息量小

自信息量的物理含义

自信息量表示事件发生后，该事件给予观察者的信息量。

自信息量的大小取决于事件发生的概率。事件发生的可能性越大，它所包含的信息量就越小。反之，事件发生的概率越小，它能提供的信息量就越大。

资源获取

资源地址1：https://pan.baidu.com/s/1eTSny_rUFsqT5wD4tasmsA

网友留言

吴凯风 2020-10-17 13:02:03

信息论基础

1、熵和信息量

有一组离散符号集{v1,v2,...,vm},每个符号具有相应概率Pi,为衡量这组符号组成的特定序列的随机性(不确定性或不可预测性)，定义离散分布的熵：，对数以2为底，熵的单位的“比特”，当连续情况时，底数为e，单位为“奈特”。对于回答是否问题时，每个可能答案出现概率为0.5，那么此时的熵为1。熵的公式也可写为：H=ε[log(1/P)]，P是随机变量，取值P1，P2，...Pm，log21/P有时称惊奇率。

熵的值并不依赖与符号本身，而只依赖于这些符号的概率。对于给定的m个符号，当这些符号出现的概率相同时，熵最大(H=log2m)。即当每个符号出现的概率相同时，对下一个符号出现什么的不确定性最大。只有一个符号的概率为1，其他为零时，熵最小，为0。

对连续情况熵定义为：

数学期望形式为H=ε[ln(1/p)]。在所有的连续密度函数中，如果均值μ和方差σ2都取已知的固定值，高斯分布使熵达到最大值H=0.5+log2(根号下2π乘以σ)。如果让方差趋近0，则高斯函数将趋近于狄拉克函数，此时熵最小为负无穷大。对于狄拉克函数的分布，几乎能确定每次出现的x的值就是a。

对于随机变量x和任意函数f(·),有H(f(x))≤H(x)，即对原始信号的任何处理都不能增加熵（信息量）。若f(x)是取常值的函数，则熵为0。离散分布熵的另一个重要性质：任意改变事件标记，不会影响这组符号的熵，因为熵只与符号出现概率有关，与符号本身无关。但对于连续随机变量则不一定成立。

2、相对熵

假设对同一离散变量x，有2种可能形式的离散概率分布p(x)和q(x)。为了衡量这两个分布之间的距离，定义相对熵(Kullback-Leiber距离)：

连续情况下相对熵定义为:

相对熵不是一个真正的度量，因为把p和q互相交换时，DKL并不具有对称性

3、互信息

假设有两个不同变量概率分布，p(x)和q(x)。互信息指在获得一个变量的信息后，对另一个变量的不确定性的减少的量