首页 >
信息论
✍ dations ◷ 2025-06-07 18:54:17 #信息论
信息论(英语:information theory)是应用数学、电子学和计算机科学的一个分支,涉及信息的量化、存储和通信等。信息论是由克劳德·香农发展,用来找出信号处理与通信操作的基本限制,如数据压缩、可靠的存储和数据传输等。自创立以来,它已拓展应用到许多其他领域,包括统计推断、自然语言处理、密码学、神经生物学、进化论和分子编码的功能、生态学的模式选择、热物理、量子计算、语言学、剽窃检测、模式识别、异常检测和其他形式的数据分析。熵是信息的一个关键度量,通常用一条消息中需要存储或传输一个符号(英语:Symbol rate)的平均比特数来表示。熵衡量了预测随机变量的值时涉及到的不确定度的量。例如,指定掷硬币的结果(两个等可能的结果)比指定掷骰子的结果(六个等可能的结果)所提供的信息量更少(熵更少)。信息论将信息的传递作为一种统计现象来考虑,给出了估算通信信道容量的方法。信息传输和信息压缩是信息论研究中的两大领域。这两个方面又由信道编码定理、信源-信道隔离定理相互联系。信息论的基本内容的应用包括无损数据压缩(如ZIP文件)、有损数据压缩(如MP3和JPEG)、信道编码(如数字用户线路(DSL))。这个领域处在数学、统计学、计算机科学、物理学、神经科学和电机工程学的交叉点上。信息论对航海家深空探测任务的成败、光盘的发明、手机的可行性、互联网的发展、语言学和人类感知的研究、对黑洞的了解,以及许多其他领域都影响深远。信息论的重要子领域有信源编码、信道编码、算法复杂性理论、算法信息论、信息论安全性和信息度量等。信息论的主要内容可以类比人类最广泛的交流手段——语言来阐述。一种简洁的语言(以英语为例)通常有两个重要特点:
首先,最常用的词(比如"a"、"the"、"I")应该比不太常用的词(比如"benefit"、"generation"、"mediocre")要短一些;其次,如果句子的某一部分被漏听或者由于噪声干扰(比如一辆车辆疾驰而过)而被误听,听者应该仍然可以抓住句子的大概意思。而如果把电子通信系统比作一种语言的话,这种健壮性(robustness)是不可或缺的。将健壮性引入通信是通过信道编码完成的。信源编码和信道编码是信息论的基本研究课题。注意这些内容同消息的重要性之间是毫不相干的。例如,像“多谢;常来”这样的客套话与像“救命”这样的紧急请求在说起来、或者写起来所花的时间是差不多的,然而明显后者更重要,也更有实在意义。信息论却不考虑一段消息的重要性或内在意义,因为这些是数据的质量的问题而不是数据量(数据的长度)和可读性方面上的问题,后者只是由概率这一因素单独决定的。美国数学家克劳德·香农被称为“信息论之父”。人们通常将香农于1948年10月发表于《贝尔系统技术学报(英语:Bell System Technical Journal)》上的论文《通信的数学理论(英语:A Mathematical Theory of Communication)》作为现代信息论研究的开端。这一文章部分基于哈里·奈奎斯特和拉尔夫·哈特利(英语:Ralph Hartley)于1920年代先后发表的研究成果。在该文中,香农给出了信息熵的定义:其中
X
{displaystyle {mathcal {X}}}
为有限个事件x的集合,
X
{displaystyle X}
是定义在
X
{displaystyle {mathcal {X}}}
上的随机变量。信息熵是随机事件不确定性的度量。信息熵与物理学中的热力学熵有着紧密的联系:其中S(X)为热力学熵,H(X)为信息熵,
k
B
{displaystyle k_{B}}
为波兹曼常数。
事实上这个关系也就是广义的波兹曼熵公式,或是在正则系综内的热力学熵表示式。如此可知,玻尔兹曼与吉布斯在统计物理学中对熵的工作,启发了信息论的熵。信息熵是信源编码定理中,压缩率的下限。当我们用少于信息熵的信息量做编码,那么我们一定有信息的损失。香农在大数定律和渐进均分性(英语:Asymptotic equipartition property)的基础上定义了典型集(英语:Typical set)和典型序列。典型集是典型序列的集合。因为一个独立同分布的
X
{displaystyle X}
序列属于由
X
{displaystyle X}
定义的典型集的概率大约为1,所以只需要将属于典型集的无记忆
X
{displaystyle X}
信源序列编为唯一可译码,其他序列随意编码,就可以达到几乎无损失的压缩。若S为一个三个面的骰子,P(面一)=1/5,P(面二)=2/5,P(面三)=2/5H
(
X
)
=
1
5
log
2
(
5
)
+
2
5
log
2
(
5
2
)
+
2
5
log
2
(
5
2
)
{displaystyle H(X)={frac {1}{5}}log _{2}(5)+{frac {2}{5}}log _{2}left({frac {5}{2}}right)+{frac {2}{5}}log _{2}left({frac {5}{2}}right)}联合熵(Joint Entropy)由熵的定义出发,由联合分布,我们有:条件熵(Conditional Entropy),顾名思义,从条件概率p(y|x)做定义:因为由贝叶斯法则,我们有
p
(
x
,
y
)
=
p
(
y
|
x
)
p
(
x
)
{displaystyle p(x,y)=p(y|x)p(x)}
,带入联合熵的定义,可以分离出条件熵,于是得到联合熵与条件熵的关系式:我们可以再对联合熵与条件熵的关系做推广,假设现在有n个随机变量
X
i
,
i
=
1
,
2
,
.
.
.
,
n
{displaystyle X_{i},i=1,2,...,n}
,重复分离出条件熵,我们有:他的意义显而易见,假如我们接收一段数列
{
X
1
,
X
2
,
.
.
.
,
X
n
}
{displaystyle {X_{1},X_{2},...,X_{n}}}
,且先收到
X
1
{displaystyle X_{1}}
,再来是
X
2
{displaystyle X_{2}}
,依此类推。那么收到
X
1
{displaystyle X_{1}}
后总消息量为
H
(
X
1
)
{displaystyle H(X_{1})}
,收到
X
2
{displaystyle X_{2}}
后总消息量为
H
(
X
1
)
+
H
(
X
2
|
X
1
)
{displaystyle H(X_{1})+H(X_{2}|X_{1})}
,直到收到
X
n
{displaystyle X_{n}}
后我们的总消息量应为
H
(
X
1
,
.
.
.
,
X
n
)
{displaystyle H(X_{1},...,X_{n})}
,于是这个接收过程中就给出了链式法則。互信息(Mutual Information)是另一有用的信息度量,它是指两个事件集合之间的相关性。两个事件
X
{displaystyle X}
和
Y
{displaystyle Y}
的互信息定义为:其意义为,若我们想知道
Y
{displaystyle Y}
包含多少
X
{displaystyle X}
的信息,在尚未得到
Y
{displaystyle Y}
之前,我们的不确定性是
H
(
X
)
{displaystyle H(X)}
,得到Y后,不确定性是
H
(
X
|
Y
)
{displaystyle H(X|Y)}
。所以一旦得到
Y
{displaystyle Y}
后,我们消除了
H
(
X
)
−
H
(
X
|
Y
)
{displaystyle H(X)-H(X|Y)}
的不确定量,这就是Y对X的信息量。如果
X
,
Y
{displaystyle X,Y}
互为独立,则
H
(
X
,
Y
)
=
H
(
X
)
+
H
(
Y
)
{displaystyle H(X,Y)=H(X)+H(Y)}
,于是
I
(
X
;
Y
)
=
0
{displaystyle I(X;Y)=0}
。又因为
H
(
X
|
Y
)
≤
H
(
X
)
{displaystyle H(X|Y)leq H(X)}
,所以互信息与G检验(英语:G-test)以及皮尔森卡方检验有着密切的联系。信息论被广泛应用在:
相关
- 吉姆萨染液吉姆萨染液(英语:Giemsa stain)是一种用于染色体的染色方法。它是罗曼诺夫斯基染色法的改进版本。以它的发明者,德国汉堡科学家古斯塔夫·吉姆沙命名。染色物质Giemsa与DNA上的
- 多卤代化合物多卤代化合物(Polyhalogenated compounds)简称PHC,是指其中有许多卤素取代基的化合物。因为这类化合物容易在人体内累积,而且其中有许多有毒及致癌的化学物质,因此格外受到关注。
- cys半胱氨酸(Cysteine,可简写为Cys或C)是20种天然氨基酸之一,是一种含硫(与甲硫氨酸一样)的非必需氨基酸。动物体内可经由甲硫氨酸和丝氨酸合成。有缓解修复放射线对人体的损伤作用
- 粉笔粉笔是日常生活中广为使用的文具,一般用于书写在黑板上。粉笔一般呈长型圆柱体,颜色包括白色和多种彩色。粉笔最早的记录是在中世纪时,人们开始发现用石灰加水,可以做成块状的物
- 厌氧消化可持续发展主题可再生能源主题环境主题厌氧消化(英语:anaerobic digestion)是微生物在缺乏氧气的环境中,进行生物降解的一系列过程。它可用于处理工业或生活废物,并生产燃料。很
- PbSsub2/sub二硫化铅是一种无机化合物,化学式为PbS2。这种物质可由硫化铅与硫在600°C以上高压加热制得。PbS2与二硫化锡(SnS2)类似,晶型为碘化镉型,因此可以证明铅是+4价的。
- 钌4d7 5s12, 8, 18, 15, 1蒸气压第一:710.2 kJ·mol−1 第二:1620 kJ·mol−1 第三:2747 kJ·mol主条目:钌的同位素钌(拼音:liǎo,注音:ㄌㄧㄠˇ,粤拼:liu5)是一种化学元素,化学符号为
- 奥林匹克国家公园奥林匹克国家公园(Olympic National Park),位于美国华盛顿州西北角的奥林匹克半岛上,濒临太平洋,离西雅图约有三至四小时车程。国家公园由雪山、温带雨林和海滨三部分组成,从海边
- 埃尔维斯·普雷斯利埃尔维斯·亚伦·普雷斯利(英语:Elvis Aaron Presley,1935年1月8日-1977年8月16日),是一位美国的歌手、音乐家和电影演员,被视为20世纪中最重要的文化标志性人物(英语:Cultural impac
- 弗朗索瓦·阿拉戈弗朗索瓦·让·多米尼克·阿拉戈(法语:François Jean Dominique Arago,1786年2月26日-1853年10月2日),出生于佩皮尼昂,法国数学家、物理学家、天文学家和政治家,曾任法国第25任总理