1) Instaneous nucleating
瞬析式成核
2) instantaneous nucleation
瞬时成核
1.
However,it was found that linear relationship existed between i-t~(1/2) at different potential with three-dimensional instantaneous nucleation.
通过恒电位沉积羟基磷灰石研究了其成核动力学,不同电位下的暂态i-t曲线不同,但是发现在不同的电位下,其i-t1/2曲线都呈直线关系,呈三维瞬时成核。
3) prompt nuclear(reaction)analysis
瞬发核反应分析
4) nucleation mode
成核方式
1.
Computer simulation on non-isothermal crystallization of poly(ethylene tereph-thalate)at different nucleation mode;
计算机模拟不同成核方式PET非等温结晶过程
5) Kernel principle component analysis
核主成分分析
1.
In this paper,a new algorithm for recognizing irises is proposed,which utilizes Kernel principle component analysis(KPCA) to extract iris texture feature and adopts competitive learning mechanism to recognize.
提出了一种新的虹膜识别方法,利用核主成分分析(KPCA)提取虹膜的纹理特征,采用竞争学习机制进行识别。
2.
A newkernel principle component analysis method is proposed, which is based onlocal kernel functions associ.
核主成分分析是一种新的统计信号处理技术,它能提取图像的非线性特征。
3.
A novel approach is proposed to reduce dimensions of documents and extract semantic concepts of words using Kernel Principle Component Analysis.
通过核主成分分析(KPCA)提取语义概念空间实现特征提取,因为 GHA 算法在每次 KPCA 迭代过程中,无需直接计算和存储协方差矩阵,实现了较好的时间和空间性能。
6) kernel principal component analysis(KPCA)
核主成分分析
1.
The kernel principal component analysis(KPCA)effectively captures the nonlinear relationship of the process variables,which computes principal component in high-dimensional feature space by means of integral operators and nonlinear kernel functions.
核主成分分析(KPCA)方法通过集成算子与非线性核函数计算高维特性空间的主元成分,有效捕捉过程变量中的非线性关系,将其用于传感器常见4种故障的诊断,先用Q统计量进行故障监测,再用T2贡献量百分比变化来识别故障。
2.
Firstly,the principal eigenvalues are found respectively of the two classes of samples in feature space by using Kernel Principal Component Analysis(KPCA).
首先,对两类样本数据在核空间中进行核主成分分析,分别求出两类样本数据的在特征空间中的主要特征值;然后,根据两样本容量以及各自的特征值所提供的信息,对两类数据给出惩罚因子比例;最后,通过优化训练,产生一个新的分离超平面。
3.
Kernel Discriminant Anlaysis(KDA) and Kernel Principal Component Analysis(KPCA) are the nonlinear extensions of Linear Discriminant Analysis(LDA) and Principal Component Analysis(PCA) respectively.
核判别分析(KDA)和核主成分分析(KPCA)分别是线性判别分析(LDA)和主成分分析(PCA)在核空间中的非线性推广,提出了一种融合KDA和KPCA的特征提取方法并应用于人脸识别中,该方法综合利用KDA和KPCA的优点来提高人脸识别的性能。
补充资料：加核晶析
分子式：
CAS号：
性质： 或称为加晶种的结晶，是一种结晶操作。在待结晶的溶液中加入一定量和一定粒度分布的溶质晶粒作为晶种或晶核，以促进溶质从溶液中结晶析出，并借以对结晶产品中粒度的分布进行控制。
CAS号：
性质： 或称为加晶种的结晶，是一种结晶操作。在待结晶的溶液中加入一定量和一定粒度分布的溶质晶粒作为晶种或晶核，以促进溶质从溶液中结晶析出，并借以对结晶产品中粒度的分布进行控制。
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