1) Nonparametric kernel density estimation
非参数核密度估计
1.
In this paper the structure of nonparametric kernel density estimation and itsmain property are introduced.
该文介绍了非参数核密度估计的构造和主要性质，给出了确定窗宽的数学表达式，并结合实例，说明了该方法在拟合直径分布中的应用，对于林分直径模拟和预测，非参数方法可能成为一种有用的方法。
2.
On the basis of the image correlation and the nonparametric kernel density estimation,kernel density functions of background and foreground were built.
首先,在图像相关性的基础上,利用非参数核密度估计的方法,建立前景和背景的核密度函数,再利用贝叶斯理论,估计出背景和前景的先验概率,两者相结合得到一个估计的阈值,从而实现目标和背景的分类。
2) non-parametric kernel density estimation
非参数化的核密度估计
3) Non-parametric density estimation
非参数密度估计
1.
Based on the temporal distribution model learned by mixture of Gaussians,the spatial background model of per-pixel is utilized to construct the spatial distribution of background in the local region by non-parametric density estimation.
首先利用混合高斯模型学习每个像素在时间域上的分布,构造了基于像素的时间域背景模型,在在此基础上,通过非参数密度估计方法统计每个像素邻域内表示背景的高斯成分在空间上的分布,构造了基于像素的空间域背景模型;在决策层融合了基于时空背景模型的背景减除结果。
4) nonparametric density estimation
非参数密度估计
1.
Accelerated by the development of Probability Theory and Statistics and the trend of their combined use, application researches based on point sample analysis and modeling using nonparametric density estimation attract more and more attentions of researchers.
近年来,受概率论与统计学竞相发展以及交叠应用的趋势促进,基于非参数密度估计点样本分析建模的应用研究受到越来越多研究者的关注。
5) Nonparametric Kernel Density Estimation-ML method
非参数核密度估计-ML方法
1.
To search a suitable one, we set up a new method named as Nonparametric Kernel Density Estimation -ML method to get estimators of.
本文利用Copula这一新技术,提出非参数核密度估计-ML方法来求出Copula中的未知参数;再由统计检验得到能较好拟合已知数据的Copula,从而能方便地刻画变量之间的非线性相关结构。
6) nonparametric density estimation
非参数概率密度估计
补充资料：非密度制约因素(见密度制约因素)
非密度制约因素(见密度制约因素)
l焦非密度制约因素见生态因素、密度制约后
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