1) single-calibration-ratio iteration calculating
单点校正因子迭代法
1.
In this paper,the single-calibration-ratio iteration calculating method is proposed to improve quantitative analysis method for determination of water in water-reducible paint by Gas Chromatography(GC)and some procedures in experiment are modified.
本文提出单点校正因子迭代法,改进了气相色谱测定涂料中水的定量分析方法,并对部分实验操作步骤进行了改进。
2) iteration correction method
迭代校正法
1.
On this basis,we proposed an iteration correction method,which iterates the skin depth to achieve the correction of skin effect for induction logging measured signals by using the real and the imaginary component of the apparent conductivity.
结果表明,迭代校正法的效果明显优于传统校正方法,且适用于各种线圈系结构,具有很强的通用性。
3) iterative correction
迭代校正
1.
In this paper the iterative corrections──a high accuracy algorithm based on the finite element solutions of the second kind Fredholm integral equation are established.
对第二类Ｆｒｅｄｈｏｌｍ积分方程，以有限元解为基础，建立了一个高精度算法──迭代校正算法。
4) single-point calibration
单点校正法
1.
The analysis of BTEX gas standards by single-point calibration and multipoint calibration are compared.
对比了采用标准曲线法和单点校正法测定氮气中苯系物的异同,讨论了单点校正法的测定范围,并分析了单点校正法的不确定度评定过程,说明了其不确定度的主要来源以及其中存在的问题。
5) corrector factor method
校正因子法
6) Modifiable Factors
修正因子校正法
1.
Design of Fuzzy Control System Based on Modifiable Factors;
基于修正因子校正法的模糊控制系统设计
补充资料：迭代法
一类利用递推公式或循环算法构造序列求问题近似解的方法。例如利用关系式,从x0开始依次计算x1,x2,...来逼近方程x＝??(x)的根x的方法和由关系式 近似求解线性代数方程Ax=b的方法都是迭代法。一般，利用递推关系式
，构造序列{xk}逼近所论问题解x的方法称为迭代法,Ψk称为迭代算子或迭代函数，｛xk｝为迭代序列。若xk存在极限,则称迭代序列收敛。若存在1≤p<以及正的常数Cp使则称迭代序列对于x具有p阶收敛速度或者说是p阶收敛的。如果对所有由迭代函数Ψk产生的收敛于x的迭代序列｛xk｝,上式均成立，则称此迭代法对于x是p阶收敛的。
对确定的正整数m，迭代算法称为m步迭代法，当m=1，称为单步迭代法或逐步逼近法，它是最常用的迭代算法。用m步迭代法计算时，需给定m个初始近似x0,x-1,...,x-m+1。若Ψk与k无关，称之为定常迭代法。所有定常迭代法均可化成这种形式。当单步定常迭代法收敛于x时,则x为方程组x＝Ψ(x)的解。
迭代法研究的主要课题是对所论问题构造收敛的迭代算法，分析它们的收敛速度及收敛范围。迭代法的收敛性定理可分成下列三类：①局部收敛性定理：假定问题解存在，断定当初始近似与解充分接近时迭代法收敛；②半局部收敛性定理：在不假定解存在的情况下，根据迭代法在初始近似处满足的条件，断定迭代法收敛于问题的解；③大范围收敛性定理：在不假定初始近似与解充分接近的条件下，断定迭代法收敛于问题的解。
对于单步定常迭代法有以下基本收敛性定理：
定理1 设在解x的邻域内,Ψ(x)连续可微,Ψ(x)的谱半径小于1，则当初始近似x0与x充分接近时,单步定常迭代法对于x收敛。
定理2 设于区域S={x|‖x-x0‖≤r}内Ψ(x)满足条件：‖Ψ(x)-Ψ（у）‖≤q‖x-у‖,凬x，у∈S,且‖x0-Ψ(x0)‖≤(1-q)r，其中0<1,则x=Ψ（x）在S中存在惟一解x,单步定常迭代法对于x收敛,并有估计式
迭代法在线性和非线性方程组求解、最优化计算以及特征值计算等问题中广泛应用。
，构造序列{xk}逼近所论问题解x的方法称为迭代法,Ψk称为迭代算子或迭代函数，｛xk｝为迭代序列。若xk存在极限,则称迭代序列收敛。若存在1≤p<以及正的常数Cp使则称迭代序列对于x具有p阶收敛速度或者说是p阶收敛的。如果对所有由迭代函数Ψk产生的收敛于x的迭代序列｛xk｝,上式均成立，则称此迭代法对于x是p阶收敛的。
对确定的正整数m，迭代算法称为m步迭代法，当m=1，称为单步迭代法或逐步逼近法，它是最常用的迭代算法。用m步迭代法计算时，需给定m个初始近似x0,x-1,...,x-m+1。若Ψk与k无关，称之为定常迭代法。所有定常迭代法均可化成这种形式。当单步定常迭代法收敛于x时,则x为方程组x＝Ψ(x)的解。
迭代法研究的主要课题是对所论问题构造收敛的迭代算法，分析它们的收敛速度及收敛范围。迭代法的收敛性定理可分成下列三类：①局部收敛性定理：假定问题解存在，断定当初始近似与解充分接近时迭代法收敛；②半局部收敛性定理：在不假定解存在的情况下，根据迭代法在初始近似处满足的条件，断定迭代法收敛于问题的解；③大范围收敛性定理：在不假定初始近似与解充分接近的条件下，断定迭代法收敛于问题的解。
对于单步定常迭代法有以下基本收敛性定理：
定理1 设在解x的邻域内,Ψ(x)连续可微,Ψ(x)的谱半径小于1，则当初始近似x0与x充分接近时,单步定常迭代法对于x收敛。
定理2 设于区域S={x|‖x-x0‖≤r}内Ψ(x)满足条件：‖Ψ(x)-Ψ（у）‖≤q‖x-у‖,凬x，у∈S,且‖x0-Ψ(x0)‖≤(1-q)r，其中0
迭代法在线性和非线性方程组求解、最优化计算以及特征值计算等问题中广泛应用。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条