1,301
个编辑
更改
→因果态的主要性质
<math>K(s^L )≈C_μ (s^L )+h_μ L </math>
<math>K(s^L )≈C_μ (s^L )+h_μ L </math>
如果在已确定描述语言（程序）的情况下，柯式复杂度<math>K(s^L ) </math>可以理解为描述字符串<math>s^L </math>所用的总信息量。
统计复杂度 可以理解为允许存在误差率 的情况下，描述字符串 所用的最少信息量。
<math>h_μ </math>为香农熵率，是信息不确定性程度的归一化指标，信息的不确定性越高，香农熵率越大。<math>h_μ </math>在这里可以理解为误差率， 则<math>h_μ L </math>为允许损失的随机信息量。
统计复杂度<math>C_μ (s^L ) </math>可以理解为允许存在误差率<math>h_μ </math>的情况下，描述字符串<math>s^L </math>所用的最少信息量。
那么公式可以解释为
那么公式可以解释为