1) radially Gaussian kernel function
径向高斯核函数
2) Gaussian radial basis functions
高斯径向基函数
1.
The Gaussian radial basis functions and first-order shear deformation theory are presented to calculate the natural frequencies of generally laminated composite plates.
采用高斯径向基函数和一阶剪切变形理论对普通复合材料叠合板的固有频率进行了计算。
3) radial Gaussian kernel
径向高斯核
1.
This paper starts from analyzing the limitation of time frequency distribution with fixed kernel, and gives analyses of data adaptive flexible window STFT, signal dependent radial Gaussian kernel time frequency representation and matching pursuit time frequency distributions, and then introduces the physical consideration and the mathematical base of the Chirplet Transform.
从分析固定核函数的时频分析法对分析信号的局限出发 ,引出基于数据的变窗长STFT分析、基于信号的径向高斯核时频分析、自适应配投影时频表示 ,简述了Chirp let变换的物理意义和数学基础。
4) Gaussian kernel function
高斯核函数
1.
Taking the sample features of the object to be grasped and requirements for the task into consideration,we use the radial basis function(RBF) neural network with the Gaussian kernel function as its base function to represent the complex nonlinear mapping relationship between the grasp mode and the sample features of the object to be grasped.
考虑被抓取物体的几何特征和任务要求,采用基函数为高斯核函数的RBF神经网络来表示被抓物体的样本特征和抓取模式之间的复杂非线性映射。
5) Gaussian kernel
高斯核函数
1.
The kernel and its parameters in support vector machine are important, an effect method for determining the parameter of Gaussian kernel based on the distances among the support vectors is proposed.
支持向量机中核函数及其参数的选择非常重要,该文提出了一种利用支持向量之间的距离求取高斯核函数参数的有效方法。
2.
To solve the problems and defects of existing methods in Support Vector Machine(SVM) multiclass classification,an improved Gaussian kernel in SVM is proposed and a new SVM model selection scheme combining Leave-One-Out method with One-Validation method is presented in this paper.
针对目前支持向量机多类分类方法存在的缺点,文中对支持向量机的高斯核函数进行改进,并提出一种结合留一法和单一验证法的参数选择新方案。
6) Gauss kernel function
高斯核函数
1.
The Study on Gauss Kernel Function in Support Vector Machine;
支持向量机中高斯核函数的研究
2.
As Gauss kernel function for an example, we discuss the influences of Gauss kernel radius and punishm
讨论支持向量机参数选择的重要性,并以高斯核函数为例对高斯核半径和惩罚参数C进行讨论。
3.
The support vector machine based on Gauss kernel function is widely used in model classification due to its good properties.
基于高斯核函数的支持向量机具有良好的学习性能,被广泛应用于模式分类中,讨论了核函数中C和γ对分类函数的影响,提出针对不同类型的数据,SVM应选用不同的核函数,同时利用二分法对核函数(C,γ)寻优,并将其应用于变压器故障诊断中,仿真结果表明该方法具有较好的性能。
补充资料：高斯函数模拟斯莱特函数
尽管斯莱特函数作为基函数在原子和分子的自洽场（SCF）计算中表现良好，但在较大分子的SCF计算中，多中心双电子积分计算极为复杂和耗时。使用高斯函数(GTO)则可使计算大大简化,但高斯函数远不如斯莱特函数(STO)更接近原子轨道的真实图象。为了兼具两者之优点，避两者之短,考虑到高斯函数是完备函数集合,可将STO向GTO展开：
式中X(ζS,A,nS,l,m)定义为在核A上，轨道指数为ζS，量子数为nS、l、m 的STO；g是GTO：
其变量与STO有相似的定义；Ngi是归一化常数：
rA是空间点相对于核A的距离;ci是组合系数；K是用以模拟STO的GTO个数（理论上，K→∞，但实践证明K只要取几个，便有很好的精确度）。
ci和ζ在固定K值下, 通过对原子或分子的 SCF能量计算加以优化。先优化出 ζS＝1 时固定K值的ci和(i＝1,2,...,K)，然后利用标度关系式便可得出ζS的STO展开式中每一个GTO的轨道指数，而且，ci不依赖于ζS,因而ζS＝1时的展开系数就是具有任意ζS的STO的展开系数。对不同展开长度下的展开系数和 GTO轨道指数已有表可查。
式中X(ζS,A,nS,l,m)定义为在核A上，轨道指数为ζS，量子数为nS、l、m 的STO；g是GTO：
其变量与STO有相似的定义；Ngi是归一化常数：
rA是空间点相对于核A的距离;ci是组合系数；K是用以模拟STO的GTO个数（理论上，K→∞，但实践证明K只要取几个，便有很好的精确度）。
ci和ζ在固定K值下, 通过对原子或分子的 SCF能量计算加以优化。先优化出 ζS＝1 时固定K值的ci和(i＝1,2,...,K)，然后利用标度关系式便可得出ζS的STO展开式中每一个GTO的轨道指数，而且，ci不依赖于ζS,因而ζS＝1时的展开系数就是具有任意ζS的STO的展开系数。对不同展开长度下的展开系数和 GTO轨道指数已有表可查。
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