1) data refinement
数据求精
1.
The process of software refinement include data refinement and process refinement.
规范语言的求精过程可分为数据求精和过程求精。
2.
This paper presents an improved data refinement proof rules.
提出一种改进的数据求精规则,并用关系模式进行描述。
2) Required data
数据要求
3) Data request
数据请求
1.
This paper analyzes the characteristics of the data request access patterns in RAID systems, and presents a new smart prefetching and buffer scheduling algorithm, which can automatically change its prefetching policy and buffer scheduling according to different applications.
本文分析了RAID系统的多应用环境数据请求的存储模式的特点 ,提出了能根据应用环境的不同而自动改变预取策略的智能预取算法以及缓存调度算法。
4) Data Needs
数据需求
1.
The health effect data needs and their test methods for chemicals declaration were expounded in detail.
概要介绍了欧盟、美国、日本、加拿大和澳大利亚等国家和地区的新化学物质管理的相关法规、行政机构设置和审查制度流程,并详细阐述了在化学物质申报制度中对健康效应的数据需求及其测试方法。
5) data reduction
数据精简
1.
Point data reduction technique in reverse engineering;
逆向工程中数据精简技术的研究
2.
In order to increase calculation speed of reconstruction, reduce memory space, and, at the same time, emphasize modelling characteristics, a method of data reduction with triangular folding was proposed by using triangular meshes model and ordering function on the basis of analysis of data reduction method available.
反求工程中测量所得的三维数据一般是海量和无序的,为了提高重构的计算速度,减少存储空间,同时突出建模特征,在分析了常用数据精简方法的基础上提出了利用三角网格模型,以排序函数为依据简化数据的一种三角形折叠算法。
3.
In order to reduce the data point-cloud of auto panel die’s surface acquired by non-contact 3D measurement, a kind of data reduction method is presented based on the average point-to-point distance principle.
为了对通过非接触式三维测量获得的汽车覆盖件模具型面点云进行数据精简,提出一种基于平均点距值原理的精简方法。
6) accuracy data
精确数据
1.
Under circumstance,which there are a few accuracy data and a lot of prior information(data)in study area when interpolation during scientific visualization,this paper presents prior information residual kriging based on Linear kriging.
论文在可视化插值过程中所遇到的精确数据点少,而先验信息比较丰富的情况下,以传统克里金插值法原理为基础,提出了基于先验信息的残余克里金插值法。
补充资料：知识求精
知识求精
knowledge refinement
zhishi qiuJ一ng知识求精(kn.钾led罗代nn日川Ient)在知识获取完成后，对已获取的知识进行提纯、验证，转变成一个高效率、高质量的知识库，是人工智能中知识获取的一个重要组成部分。 知识求精的目的在于消除知识获取过程中因问题本身或获取手段等原因引起的提取知识的冗余和冲突，提高知识库的性能和质量，特别是满足一些有高可靠要求的应用需求，如核电站反应堆、卫星的发射与控制等。在知识工程师所提供的原型知识库的基础上，进行知识求精处理，避免了机器学习要求过多的背景知识和对间题域的严格限制，实现大量知识的获取任务。 知识求精是一个较年轻的领域。自从知识获取成为知识工程的瓶颈问题以来，知识求精得到迅速发展。前期(70年代中期)的知识求精基本上是作为专家系统(知识系统)中知识库的修改器。自80年代初，通用知识求精系统SEEK和SEEEZ出现以后，知识求精才具有较完整的模型和方法。80年代后期，人们感兴趣的问题则是使知识求精的技术和方法更加完善和成熟，并将此与其它的技术如知识证实技术、评价技术结合起来研究。 由于在知识获取过程中所带人的各种类型错误的性质和特征不同，各系统在求精阶段所采用的求精模型和方法都有一些各自不同的特点和策略:采交互就能完成所有基本知识的求精任务。 从技术手段来看，知识求精的方法分为三大类:①结构求精;②功能求精;③理论重检。所谓结构求精，是指利用知识库中的知识内部结构而无需或很少借助额外知识来精化专家的知识。功能求精则是利用知识库之外的额外知识，如用户的意图等，对知识库中的知识进行精化。理论重检则是利用归纳推理和基于解释机制，借助一组训练实例来提高知识库的质量，有扎实的形式化理论基础。 从实现方式来看，知识求精的方法还可以分为:①静态求精;②动态求精。前者只是依据知识库中知识的语义相容性来求精知识库中的知识;后者则是用例子进行测试，从而了解知识库中的知识性能强弱，以达到知识求精的目的。 随着被求精的知识系统的日益复杂，知识求精的技术与方法以及相应的计算机辅助求精工具越来越显示出其重要性。求精技术和方法正朝着更自动、更有效、更通用的方向发展;各种辅助的求精工具，也朝着更实用、更高效率的方向发展。知识求精技术，一方面，作为知识获取的一个分支和有效技术，更加紧密地结合于知识获取之中;另一方面，它的一些关键技术，如知识证实技术、知识检测技术和知识测试技术，随着知识系统应用的拓广，将日益扩大和成熟，成为知识处理技术中富有生命力的技术和方法之一。
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