1)  LLE
LLE
1.
AdaBoost and LLE for face feature extraction techniques in video sequence;
基于AdaBoost和LLE的视频人脸特征提取研究
2.
Face Detection of Color Image Based on LLE;
基于LLE的彩色图象人脸检测
2)  LLE
液液萃取
1.
Two methods for the determination of lewisite in soil after derivatization have been developed,namely,liquid-liquid extraction-gas chromatography(LLE-GC)and solid_phase micro_extraction-gas chromatography(SPME-GC).
建立了土壤基质中不同浓度的路易氏剂的测定方法,即液液萃取-气相色谱法(LLE-GC)和固相微萃取-气相色谱法(SPME-GC)。
3)  LLE
液液平衡
1.
LLE (liquid-liquid equilibrium) data were determined for the methyl acetate-benzene-toluene-water quarternar system at 15、30℃under atmospheric pressure,enriched the LLE database,and provided the essential foundation data for the extractor enginer-ing design later.
测定了常压下温度为15℃、30℃时的醋酸甲酯-苯-甲苯-水四元体系的液液相平衡数据,丰富了液液平衡数据库,为今后萃取装置的设计提供了必要的基础数据。
2.
In this thesis, recent progress for the determination, correlationand prediction of vapor-liquid equilibrium (VLE) data and liquid-liquidequilibrium (LLE) data of systems containing alcohol-water-mixedsolvent containing salt, and their distillation application were reviewedin detail.
本文对汽液平衡和液液平衡中的盐效应、醇-水-复合溶剂体系的汽液平衡和液液平衡的测定、关联和预测以及加盐精馏在近些年来的研究进展作了较详细的综述。
4)  LLE
局部线性嵌入
1.
In this paper,on the basis of the manifold learning algorithm,we propose a multi-pose ear recognition method based on LLE(locally linear embedding)that overcomes the disadvantages of 2-D ear recognition methods in dealing with pose variations.
通过分析国内外2-D人耳识别方法在解决姿态问题时存在的不足,引入流形学习算法,提出一种基于局部线性嵌入的多姿态人耳识别方法。
2.
Locally linear embedding(LLE)is one of the representative manifold learning algorithms.
局部线性嵌入(LLE)是一种有代表性的流形学习算法,利用核技术将LLE进行推广,得到核局部线性嵌入算法,并将其应用于雷达目标一维距离像的特征提取。
5)  LLE
LLE降维
6)  LLE
LLE(locally linear embedding)
参考词条
补充资料:Teidchm(?)ller空间


Teidchm(?)ller空间
Teichmiiller space

  nPoeTPaHcTBOI 一个度量空间(M,,d),它的点是抽象Ri~rm曲面(abstraet Rien.nn surfaces),即具有选出基本群7T.(X)生成元的等价(关于恒等映射)系统z的亏格是g的Ri~rm曲面x的共形等价类戈(见Rie-ma加曲面的共形类(Rienlalln surfaces,confonnalclassesof)),又其中无和无‘之间的距离d等于hiK,在此K是Teichnl山er映射(Teicllm过ler map·ping)的膨胀(拟保角映射了一无‘给出所有这种映射中的极大最小膨胀).由0.及lellmUller所引进(【l」).Teidull.ller空间【Teicl川1记ler明ce;Ta益翔拍朋epa
  
说明:补充资料仅用于学习参考,请勿用于其它任何用途。