一、在原有的数学工具基础上，在已有的有关参量之外引入新的参

量

在贝里斯（M.Belis）和高艾斯（S.Guiasu）提出的“量一质”统一量

度信息中，除申农统计模型中的随机事件集及遍于事件集上定义的概率分布以外，还引入了表示实效性的“有效分布”这一新的重要参量。同样，在相对信息中，则把信息与产生信息的信源和使用信息的观察者作为三位一体的一个整体对象，在数学上是作为一个三元组来处理的，由此才导出与观察者相关的四个变量以及相对于另一观察者的相对信息。这些工作表明，由于现有研究对象较原有的复杂，才不得不引入相应的新的参量。一般说来，这种方法往往用于在科学技术的发展中推广某项新成果，但是它也要受到一定条件的限制，如果涉及到的不仅是信息的量，而且还要考虑信息的质和其它一些主观因素时，就必须研究和探索出新的方法，否则就难以获得新的进展。二、采用非概率的方法，突破了在随机性之上建立的统计数学方法1965 年，查德开创了模糊集概念与模糊数学的方法，这 样就可以用非概

率的、非统计的方法建立一种在性质上全新的信息模型，着重于从质的方面对信息进行定性分析，这相对于申农的信息论的定量分析来说，是一项重大的突破，而这一突破也是与整个系统科学不仅要从量上，也要从质上进行分析是一致的，反映了人类认识史与科学史进入到一个新的时期。必须指出，

模糊信息与模糊熵的概念不能理解为与统计信息、语义信息和有效信息相并列的另一种信息。应该看到，一切信息一般说来都具有模糊性的特点，因此， 语义信息和有效信息也同样具有模糊的性质，只是在特定条件下才把它们加以简化，才作为确定的、统计的对象来处理。在一定意义上，我们可以说， 从信息论到信息科学的研究就是从对统计模型的研究进入对模糊模型和统计模型的研究。

统计方法和模糊集方法是处理熵函数与信息量的两种不同方法。各自分别建立在随机性与可能性的基础上。可能性的概念是查德于 1978 年在《模糊集合——可能性理论基础》一文中对模糊性的一种解释。这种可能性测度是对普通测度特别是概率测度的一种推广，为我们对信息的定性分析提供了一种新的数学工具与方法，因而在方法论上有所突破，使得在从信息论到信息科学的进展中，由统计方法进入到统计方法与非统计方法（包括模糊数学方法）的阶段。同时还必须看到，不确定性的研究是十分复杂的，随机性与模糊性都不过是不确定性的某些情况，因此可以预言，为了从广度上与深度上进一步对不确定性加以研究，还必然会出现一系列新的数学工具与方法，这是因为在现代科学技术中，不确定性的研究在方法论上具有特别突出的意义。如果说吉布斯等人首先在物理学中考虑随机性这一类特定的不确定性的话，那么，维纳与申农则把这一方法推广到控制与信息的领域。但是到了 60、70 年代，这种方法的局限性日益显露。既使现代出现的模糊数学方法，也有严格的限制，仅仅能处理某些特定的模糊性，而不是任何模糊性。尤其是随着现代科技的发展，在控制论、信息论、人工智能等新兴学科中陆续出现了许多新的方法，如控制的状态空间等等。这样，在方法论中就给我们以重要的启示，对于信息科学所提出的一系列的课题，有必要寻求新的数学工具与方法。