列向量互信息计算

谁践踏了优雅 2022-06-15 09:52 386阅读 0赞

## 1. 概述 ##

首先信息熵的计算公式如下

![SouthEast][]

其中I(X)表示X的信息量

![SouthEast 1][]

**注**：这里对数所使用的底，通常是 2, 自然常数e，或是10。当b = 2，熵的单位是bit；当b = e，熵的单位是nat；而当 b = 10,熵的单位是dit。

p（xi）是xi发生的概率英文里面叫做probability mass function，一个随机产生的事件所包含的信息本体数量，只与事件发生的机率相关。事件发生的机率越低，在事件真的发生时，接收到的信息中，包含的信息本体越大。含义是概率为 0 的事件对应的信息大, 反之信息量少，取对数的原因是使得乘积变为求和。信息熵即为信息量的数学期望。

则X，Y的联合信息量可以表示为

![SouthEast 2][]

平均互信息为互信息的数学期望

![SouthEast 3][]

则公式可以推出

![SouthEast 4][]

## 2. 编码 ##

%计算两列向量之间的互信息
    %u1：输入计算的向量1
    %u2：输入计算的向量2
    %wind_size：向量的维度
    function mi = calc_mi(u1, u2, wind_size)
    x = [u1, u2];
    n = wind_size;
    [xrow, xcol] = size(x);
    bin = zeros(xrow,xcol);
    pmf = zeros(n, 2);
    for i = 1:2
        minx = min(x(:,i));
        maxx = max(x(:,i));
        binwidth = (maxx - minx) / n;
        edges = minx + binwidth*(0:n);
        histcEdges = [-Inf edges(2:end-1) Inf];
        [occur,bin(:,i)] = histc(x(:,i),histcEdges,1); %通过直方图方式计算单个向量的直方图分布
        pmf(:,i) = occur(1:n)./xrow;
    end
    %计算u1和u2的联合概率密度
    jointOccur = accumarray(bin,1,[n,n]);  %（xi，yi）两个数据同时落入n*n等分方格中的数量即为联合概率密度
    jointPmf = jointOccur./xrow;
    Hx = -(pmf(:,1))'*log2(pmf(:,1)+eps);
    Hy = -(pmf(:,2))'*log2(pmf(:,2)+eps);
    Hxy = -(jointPmf(:))'*log2(jointPmf(:)+eps);
    MI = Hx+Hy-Hxy;
    mi = MI/sqrt(Hx*Hy);

[SouthEast]: /images/20220615/9bfa5e30e1f24ac5b9b54a693f51a381.png
[SouthEast 1]: /images/20220615/d0550aa44fe4447fbfbf3fa6447ae8f9.png
[SouthEast 2]: /images/20220615/c8f2ad70ed6e48b8a9af224d1b555221.png
[SouthEast 3]: /images/20220615/59b5e9319e26408d8d7db5a7ac7f88fd.png
[SouthEast 4]: /images/20220615/a660c7e45e744f4db857622c0d57ab73.png