1) semidiscrete decomposition
半离散矩阵分解
1.
Research of the improved semidiscrete decomposition on web page information retrieval;
半离散矩阵分解改进算法在网页信息检索中的应用研究
2) Semiseparable matrix
半分离矩阵
3) Semi-Discrete Decomposition Method
半离散分解
1.
Meanwhile to reduce the cost of memory space, this paper takes the Semi-Discrete Decomposition Method rather than the Singular Value Decomposition.
同时为了进一步降低存局部潜在语义分类的存储空间的开销,采用半离散分解方法替代奇异值分解方法。
4) Matrix Decomposition
矩阵分解
1.
Packet scheduling based on matrix decomposition in optical switches;
基于矩阵分解的光交换机分组调度算法
2.
Direction finding in the presence of coherent signals based on data matrix decomposition;
基于数据矩阵分解的相干源方向估计新方法
3.
In order to solve the problem of inverse kinematics for general 6R robots,an algorithm with high accuracy based on symbolic preprocessing and matrix decomposition was proposed.
为解决一般6R机器人的逆运动学问题,提出一种基于符号运算和矩阵分解的高精度逆运动学算法。
5) decomposing matrix
分解矩阵
1.
Through using matrix to store intermediate variabl es, analyzing the decomposing matrix and certifying the result by rotation matri x, the parameters of Transform Node were gained.
方法的原理是 :用矩阵记录中间过程 ,通过分析分解矩阵 ,获得与Transform节点对应的参数 。
6) matrix factorization
矩阵分解
1.
The numerical techniques for modifying the matrix factorizations are studied in detail when a constraint is added or deleted, which can avoid the singularities of positive semidefinite matrix and keep the algorithm′s numerical stability.
针对非光滑优化中捆集算法之二次规划子问题数值求解的困难 ,详细研究了求解半正定二次规划问题的积极法 ,提出了一系列矩阵分解的存储方法和校正方法 ,较好地克服了半正定矩阵奇异性带来的数值求解的困难 ,在求解捆集算法的半正定二次规划子问题中取得了很好的效果 ,所提出的算法具有较强的实用
2.
A determinant inequality of column full rank matrices is proved and some applications in matrix factorization of special matrices are presented.
本文给出行(列)满秩矩阵的几个等价刻画,讨论这两类矩阵之间的关系,证明了一个列满秩矩阵的行列式不等式,并指出这两类矩阵在几类特殊矩阵分解方面的若干应用。
3.
3bNMF is applied to digital matrix factorization and base structure extraction respectively from Chinese characters with noise.
在普通非负矩阵分解(NMF)方法基础上提出了3个二进制约束非负矩阵分解(3bNMF)算法,对分解矩阵和恢复矩阵元素增加了二进制数的约束,从而更适合对二进制数据进行处理。
补充资料：离散时间周期序列的离散傅里叶级数表示
(1)
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
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