140
个编辑
更改
小第254行：
第254行： − + 第260行：
第260行： − + − + 第272行：
第272行： − + + + + +
无编辑摘要
如下图所示，在由三种不同方法生成的各种归一化的TPM 上比较了<math>
如下图所示，在由三种不同方法生成的各种归一化的TPM 上比较了<math>
\log{\Gamma_{\alpha}}
\log{\Gamma_{\alpha}}
</math>和 EI：1）软化置换矩阵；2）软化退化矩阵；3）完全随机矩阵。生成这些矩阵的方法见参考文献附录B。图(a)、(b)和(c)表明，在这些例子中都观察到了正相关性，并且在N ≫ 1 时，<math>
</math>和 EI：1）软化置换矩阵；2）软化退化矩阵；3）完全随机矩阵。生成这些矩阵的方法见参考文献<ref name=":22" />附录B。图(a)、(b)和(c)表明，在这些例子中都观察到了正相关性，并且在N ≫ 1 时，<math>
EI\sim\log{\Gamma_{\alpha}}.
EI\sim\log{\Gamma_{\alpha}}.
</math>的近似关系得到了证实。在(a) 和 (b) 中可以明显观察到这种关系，但在(b) 中，由于覆盖了有限的<math>
</math>的近似关系得到了证实。在(a) 和 (b) 中可以明显观察到这种关系，但在(b) 中，由于覆盖了有限的<math>
</math>值区域，这种关系退化为近似线性关系。
</math>值区域，这种关系退化为近似线性关系。
图(a)和(b)中用红色虚线表示了 EI 的上下限。不过，在图(c）中，由于所有点都集中在一个小区域内，因此看不到理论边界线。根据经验，图中灰色断线所示的对数<math>\log{\Gamma_{\alpha}}
图(a)和(b)中用红色虚线表示了 EI 的上下限。不过，在图(c）中，由于所有点都集中在一个小区域内，因此看不到理论边界线。根据经验，图中灰色断线所示的<math>\log{\Gamma_{\alpha}}
</math>的EI上限更为严格。因此可以推测 <math>EI\le\log{\Gamma_{\alpha}}
</math>的上限更为严格。因此可以推测 <math>EI\le\log{\Gamma_{\alpha}}
</math>这一新关系是成立的，但其严密性有待证明。
</math>这一新关系是成立的，但其严密性有待证明。
</math>的解析解，并展示了EI和<math>
</math>的解析解，并展示了EI和<math>
\Gamma
\Gamma
</math>与参数p和q的关系。下图(a)和(b)之间的差异显而易见：1）当<math>
</math>与参数p和q的关系。其中p和q用于生成最简单的2<math>\cdot</math>2马尔科夫矩阵<math>P=\begin{pmatrix}
p& 1-p\\
1-q & q
\end{pmatrix}
</math>，下图(a)和(b)之间的差异显而易见：1）当<math>
p\approx 1-q
p\approx 1-q
</math>时，<math>\Gamma
</math>时，<math>\Gamma