Minimum conditional information loss approach to discrete stochastic model reduction
离散随机模型降阶的最小条件信息损失方法

针对随机系统的模型降阶问题,从分析离散线性随机状态方程模型中的条件信息描述机制入手,讨论了模型状态集聚过程中系统的平均条件信息损失.运用在模式识别领域中获得成功应用的最小信息损失准则得出了一种新的模型降阶信息论方法———基于状态集聚的最小条件信息损失方法,并讨论了降阶模型阶次的选择.分析表明,当原系统是渐近稳定时,由该方法得出的降阶模型也是渐近稳定的.该方法运用简单,仿真研究也表明由该方法得出的降阶模型具有良好的近似性能.