ScholarGate
دستیار
MCDMInformation-theoretic divergence

واگرایی جنسن-شنون

واگرایی جنسن-شنون (Jensen-Shannon divergence) یک معیار اطلاعاتی-نظری متقارن برای سنجش تفاوت بین دو توزیع احتمال است. این معیار که در سال ۱۹۹۱ توسط جیان لین (Jian Lin) به عنوان اصلاحی بر واگرایی نامتقارن کولبک-لایبلر (Kullback-Leibler divergence) توسعه یافت، با میانگین‌گیری از واگرایی‌ها در هر دو جهت، محدودیت جهت‌دار بودن KL را برطرف می‌کند. نتیجه حاصل، یک متریک واقعی (که نامساوی مثلث را ارضا می‌کند) است که مقادیر آن بین ۰ (توزیع‌های یکسان) تا ۱ قرار می‌گیرد و آن را برای وظایف مقایسه متقارن مناسب می‌سازد.

به‌کارگیری با DecisionMindبه‌زودیویدیوبه‌زودیدریافت اسلایدها

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

نقشهٔ روش

همسایگی روش‌های مرتبط — برای کاوش، یک گره را برگزینید.

منابع

  1. Lin, J. (1991). Divergence measures based on the Shannon entropy. IEEE Transactions on Information Theory, 37(1), 145-151. DOI: 10.1109/18.61115
  2. Cover, T. M., & Thomas, J. A. (1991). Elements of Information Theory. Wiley-Interscience. DOI: 10.1002/0471200611

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Jensen-Shannon Information Divergence. ScholarGate. https://scholargate.app/fa/decision-making/jensen-shannon-divergence

کدام روش؟

این روش را در کنار نزدیک‌ترین روش‌های خویشاوندش بگذارید و آن‌ها را کنار هم بخوانید — کتابخانه کتاب‌ها را روی میز می‌گشاید؛ انتخاب با شماست.

مقایسهٔ کنار هم

ارجاع‌شده در

ScholarGateJensen-Shannon Divergence (Jensen-Shannon Information Divergence). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/decision-making/jensen-shannon-divergence · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026