1) local extremum
局部极值
1.
Study on local extremum of object function in mutual information-based image registration;
基于互信息图像配准中的局部极值问题研究
2.
The difficulty of optimization caused by local extremum is the key problem of the algorithm.
由局部极值导致的寻优困难是困扰该算法的核心问题,混合优化算法成功地解决了互信息函数的寻优问题,但延长了配准时间。
3.
It can not only overcome the disadvantage of easily getting into the local extremum in the later evolution period,but also keep the rapidity of the previous period.
所提出的算法将粒子群优化算法和混沌算法相结合,既摆脱了算法搜索后期易陷入局部极值点的缺点,同时又保持了前期搜索的快速性。
2) Local maximum
局部极值
1.
Overcome of local maximum in mutual information-based image registration;
基于互信息量图像配准中目标函数局部极值的克服
2.
The cause of local maximum of object functions image registration was analyzed based on mutual information, and an optimization strategy by using simulated annealing-simplex method proposed.
分析了在基于互信息方法的图像配准中,目标函数产生局部极值的原因,提出以模拟退火单纯形法作为优化策略,该方法利用了单纯形法的一种修改后的形式作为模拟退火中随机变化的发生器。
3) local maxima
局部极值
4) local extrema
局部极值
1.
That means local extrema of histograms are sensitive to ±1 embedding method.
这意味着图像直方图及其小波直方图的局部极值对嵌入方法比较敏感。
5) local maximum
局部极大值
1.
Taking a SEM image of the machined surface as an example, its edge can be extracted by using the local maximum of wavelet s coefficients, and thus the characteristics of a machined surface can be achieved.
图像边缘是图像的重要特征 ,提出了一种基于小波变换的图像多尺度边缘检测算法 ,并以机加工表面SEM图像为对象 ,利用小波系数局部极大值提取其边缘 ,实现机加工表面纹理特征提取。
6) local minimum
局部极小值
1.
The problem of trapping into the local minimum is solved, which is inherent with the learning algorithms-based on the BP principle by weight strategy.
但是BP网络极容易陷入局部极小值,应用加权策略解决了此问题。
2.
On the other hand, the method in this paper can avoid the local minimum efficiently by adding the number of the particles.
并将仿真结果与BP网络进行比较,仿真数据表明,PSO算法在叠代次数、函数逼近误差、网络性能方面均比BP网络有着显著的提高,且在粒子数目较大的情况下能有效避免BP网络无法避免的局部极小值问题。
3.
Analysis of the traditional artificial potential field failed in path planning due to the local minimum and the possible local minimum area of the external obstacles on the geometry.
本文分析了传统的人工势场法由于局部最小问题而导致规划失败的原因,对可能产生局部极小值区域的障碍物外部几何形状进行分析。
补充资料：Weierstrass条件(对变分极值的)
Weierstrass条件(对变分极值的)
eierstrass conditions (for a variational extremun
与 ，(，)一丁:(:，、(:)，、(。))过:， ，‘! L:R xR”xR”~R，在极值曲线x;、(t)上达到一个强局部极小值，其必要条件是不等式 、(r，x。(r)，又。(r)，亡))o对所有的t，t。蕊t毛t、和所有的省任C”都满足，其中‘·是Weierstrass澎函数(Weierstrass吕J一几mC-tion).这条件可借助于函数 n(t，x，p，u)=(p，u)一L(t，x，u)来表示(见n0HTp“「“H最大值原理(Pont月闷gm~-mum pnnciple)).Weierstrass条件(在极值曲线x。(t)上六)0)等价于函数n(r，x.，(t)，尸。(r)，u)当“=交.，(r)在u上达到极大值，其中夕。(t)=L、(t，x。，(t)，又。(t)).这样，Weierstrass必要条件是floH-Tp。朋最大值原理的特殊情形. Weierstrass充分条件(Weierstrasss川币eientcon-山tion):为了泛函 叭 ，(，)一丁:(:，、(。)，*(。))、。， r‘- L:R xR”xR”一，R在向量函数x.，(t)上达到一个强局部极小值，其充分条件是在曲线x。(t)的一个邻域G中存在一个向量值场斜率函数U(t，x)(测地斜率)(见H皿祀rt不变积分(Hilbert invariant integral))，使得 交。(t)=U(t，x。(t))和 产(t，x，U(t，x)，七))0对所有(t，x)〔G和任何向量亡6R”成立.【补注]对在极值曲线的隅角的必要条件，亦见Wei-erstrass一Erd”.un隅角条件(W匕ierstrass一Erdrnanncomer conditions).weierstrass条件(对变分极值的)[Weierstrass cOI公i-tions(for a varia垃翻目翻drelll.ll:Be滋eP山TPaccayc-月OBH，，KcTpeMyMa」 经典变分法中对强极值的必要和(部分地)充分条件(见变分学(variational cakulus)).由K .We卜erstrass于1879年提出. 节几ierstrass必要条件(Weierstrass neeessary con-dition):为使泛函
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