1) entropy density deviation
熵密度偏差
1.
In the paper a strong deviation theorem on relative entropy density for arbitrary discrete information sources is established by using the notion of entropy density deviation with respect to information sources of no memory.
利用相对于无记忆信源熵密度偏差的概念,给出对任意离散信源相对熵密度普通成立的一个用不等式表示的极限性质(称之为强偏差定理)。
2) entropy density divergence
熵密度偏差
1.
The notion of entropy density divergence of informationisintroduced.
利用任意信源相对熵密度偏差的概念,使用分析的方法研究了齐次马氏信源的一类强偏差定理,得出了一个二元函数的一类强偏差定理和几个极限性质。
3) relative entropy density divergence
相对熵密度偏差
1.
Application of relative entropy density divergence in intrusion detection models
相对熵密度偏差在入侵检测模型中的应用
4) Large deviation entropy
大偏差熵
5) Internal deviation of board density
板内密度偏差
6) density biased sampling
密度偏差抽样
1.
Research on clustering algorithm based on density biased sampling;
基于密度偏差抽样的聚类算法研究
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