1) dimensionality reduction
维数削减
2) Garrote shrinkage function
Garrote削减函数
1.
The plan of speckle noise reduction we proposed is use the Garrote shrinkage function assisted by edge infor.
我们提出的相干斑抑制方法是利用小波变换检测图像尺度为2的边缘信息，再利用检测出的边缘信息利用Garrote削减函数进行小波域的相干斑噪声滤除。
3) dimension reduction
维数消减
1.
The data dimension reduction is the main method that can enhance the data mining efficiency based on higher-dimension data set.
为了提高高维数据集合数据挖掘效率,探讨了采用数据变换进行数据维数消减的方法及其应用,提出了一个通用的数据变换维数消减模型,给出了应用主成分分析方法计算模型中的数据变换矩阵的方法,相应的数据变换应用实例表明,通过数据变换用相当少的变量来捕获原始数据的最大变化是可能的。
4) dimension reduction
维数约减
1.
The problem of dimension reduction arises in many fields of information processing,including machine leaning,data compression,pattern recognition.
维数约减问题出现在信息处理的许多方面,非线性方法主要有局部线性嵌入LLE(LocallyLinear Embedding)、拉普拉斯特征映射(Laplacian E igenmap)、基于Hessian矩阵的LLE等,它们通过在高维空间中设计数据集所在流形的拓扑、几何等特性,很好地弥补了线性降维不能发现数据集非线性结构的不足。
5) dimensionality reduction
维数约减
1.
So,a local and global preserving based semi-supervised dimensionality reduction (LGSSDR) method is proposed in this paper.
在很多机器学习和数据挖掘任务中,仅仅利用边信息(side-information)并不能得到最好的半监督学习(semi-supervised learning)效果,因此,提出一种基于局部与全局保持的半监督维数约减(local and global preserving based semi-supervised dimensionality reduction,简称LGSSDR)方法。
2.
Nonlinear dimensionality reduction is a challenging problem encountered in a variety of high dimensional data analysis,including machine learning,pattern recognition,scientific visualization,and neural computation.
最大方差展开(maximum variance unfolding,MVU)是在流形局部等距概念基础上提出的一种新的非线性维数约减算法,能有效学习出隐含在高维数据集中的低维流形结构。
6) Nonparametric Margin Maximization Criterion
维数递减
1.
Nonparametric Margin Maximization Criterion and Its Applications;
然后我们提出一种维数递减的优化算法。
补充资料：等维数理想
等维数理想
eqtn-dhneraional ideal
等维数理想[仰‘一山m改‘.目油川;IlecMeluaHll“‘期e幼〕 (在某个域k上有限生成的)整区R的一个理想m，它具有如下性质:在准素分解m=勿;，n…门勿，中，所有与准素理想勿，，…，汤，相伴的素理想玛，’’、平:皆有相同维数，也就是说，对所有i，商环R/叭皆有相同的为间1维数.这一共同的维数称为等维数理想m的维数(由nrns沁noftheeq山~dinrnsjonalideal). 如果R是某一仿射簇X上的正则函数环，那么R的一个理想m是等维数的，当且仅当由m所定义的子簇YC=X的所有不可约分支都有相同维数. 月.B.K”~撰【补注】一个等维理想也称为非混合理想(坦爪血比记份1).人们有时也用(理想的)“等维数”(闪w，dinrn，s沁n)来替代术语“等维数理想的维数”. 整闭的Noc公rr整环是一个整区，它的所有主理想是等维数的，【AI]，p.l%.
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