最大熵模型（Maximum Entropy Models, MEMs）是基于最大熵理论的统计模型， 广泛应用于模式识别和统计评估中。最大熵原理有一个很长的历史，其中最大熵理论方面的 先驱E.T.Jaynes 在1990 年给出了最大熵原理的基本属性[10]：最大熵概率分布服从我们已知 的不完整信息的约束。主要思想是，在用有限知识预测未知时，不做任何有偏的假设。根据 熵的定义，一个随机变量的不确定性是由熵体现的，熵最大时随机变量最不确定，对其行为 做准确预测最困难。最大熵原理的实质是，在已知部分

在本文中，我们主要为不确定的随机变量提出了部分熵的定义。 实际上，部分熵是表征不确定随机变量的多少熵属于不确定变量的工具。 此外，研究了部分二次熵的一些性质，例如正线性。 最后，研究了其他一些类型的局部熵。