1) small data sets
小数据量方法
1.
First,the improved algorithm uses correlation integral method(C-C method) and Cao method to estimate two important variances of phase space reconstruction: embedding dimension m and delay time,then,uses small data sets to calculate the largest Lyapunov exponent from the time series.
该算法首先用关联积分法(C-C方法)和C ao方法确定重构相空间的两个重要参数:嵌入维数m和延迟时间,再用小数据量方法计算时间序列的最大Lyapunov指数。
2) small-data method
小数据量法
1.
The small-data method is improved by false nearest neighbor method calculating embedding dimension.
通过用虚假临界点法计算嵌入维数可以使小数据量法更加完善。
2.
But the improved small-data method may lead to false identification of chaos.
由于在一个控制周期内只能获得很少量的数据,交通流时间序列的样本数受到限制,只能采用小数据量的混沌判别方法,然而单独利用改进型小数据量法判别混沌可能出现误判,因此,本文把改进型小数据量法和改进型替代数据法结合起来,既利用了小数据量法计算简单、抗噪性好、所需数据量少等优点,又利用了替代数据法的严密性避免误判。
3) small data sets
小数据量法
1.
After analyzing recently common methods of calculating the largest Lyapunov exponent from small data sets, the irreversible property of time trajectories is studied and extended method for calculating the largest Lyapunov exponent of chaotic system is proposed based on backward or bi-direction search phase point.
在分析常用的计算最大Lyapunov指数小数据量法的基础上,研究了混沌吸引子时间轨道的不可逆特性,提出基于后向搜索和双向搜索计算最大Lyapunov指数的推广小数据量法通用经验公式。
4) minimum-data method
最小数据方法
1.
Ecological compensation criterion in Gannan Tibetan Autonomous Prefecture based on minimum-data method
基于最小数据方法的甘南藏族自治州生态补偿标准
5) small data arithmetic
小数据量算法
1.
Empirical study on chaotic attractor in stock market based on G-P arithmetic and small data arithmetic;
股票市场混沌吸引子的特征量——基于G-P算法与小数据量算法
6) Cuboid
[英]['kju:bɔɪd] [美]['kjubɔɪd]
数据小方
1.
A new efficient indexing mechanism for data cube named CuboidTree was proposed.
提出了一种高效的数据立方索引机制CuboidTree ,利用Z Order编码以保持同一数据小方内立方元组之间的多维空间邻近性 ,将数据立方查询归结为针对其中某个特定数据小方的查询 ,从而将同一数据小方中的立方元组聚簇在一起以加速响应数据立方查询 。
2.
Under the precondition that there is enough main memory space to hold the finest granularity cuboid at least,two-level Hash structure is adopted in memory.
以内存空间至少能容纳最细粒度数据小方为前提,在内存中构造两级Hash结构:第一级Hash结构存放最细粒度的数据小方以保证所有查询都可从内存中响应;第二级Hash结构按照聚集度高的小方元组优先、相同聚集度情况下尺寸小的小方中元组优先的选择策略,选择立方元组在内存实化。
补充资料：CATIA中调入数据点的方法
catia可以以点云的形式调入数据点，但是点云形成的曲面片体无法进行剪裁、等距、增厚等处理。如果就是想用点云的话，那么就由点云形成点云曲面片体，再通过参考面与点云曲面片体相交形成曲线，此时的曲线也不能进行loft处理，那么再求过此时的曲线上一定点的曲线，这是的曲线可以进行loft等处理。这种方法得到的曲面有一定的误差。我们可以交流这种方法。
点云的方法无法处理一条曲线点。
其实，还有一种更好的方法，那就是把点当成catia的特征点调入。用catia生成仅仅含有几个点的文件，存成iges文件，比较一下iges文件的内容，你就发现那是很有规律，我们可以通过编程的手段，把一系列的数据点形成iges文件格式，然后用catia直接打开即可。iges文件就是一个文本文件，可以用任意文本编辑器打开，推荐用windows自带的写字板，欢迎交流。
点云的方法无法处理一条曲线点。
其实，还有一种更好的方法，那就是把点当成catia的特征点调入。用catia生成仅仅含有几个点的文件，存成iges文件，比较一下iges文件的内容，你就发现那是很有规律，我们可以通过编程的手段，把一系列的数据点形成iges文件格式，然后用catia直接打开即可。iges文件就是一个文本文件，可以用任意文本编辑器打开，推荐用windows自带的写字板，欢迎交流。
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