1) Attribute vector
属性向量
2) vector attribute
向量属性
3) best attribute vector
最优属性向量
1.
By incorporating those learned best attribute vector into the framework of HAMMER registration algorithm,The accuracy has increased by about 10% in estimating the simulated deformation fields.
通过定义一个能量函数把寻找最优属性向量的过程归结为一个最优化问题。
4) RAVT
粗糙属性向量树
5) the subjection vectors
隶属向量
1.
In the first model, we create a special solution to compute the weights, using the sensitivity imposed on the subjection vectors by the metrics.
在第一个模型中,我们通过作用于隶属向量上的灵敏度创造出一种计算权重的特殊方法。
6) quantifiable attribute oriented generalization
面向属性的量化归纳
1.
Then, quantifiable attribute oriented generalization (QAOG) based on AOG is presented in order to develop .
其次在 AOG的基础上提出了面向属性的量化归纳 (QAOG)以弥补AOG的不足 :引入记录阈值的概念 ,用属性阈值和记录阈值同时进行控制 ,使控制从布尔型变成数量型 ,对没有例外存在的情况产生与 AOG相同的效果 ,而对有例外存在的情况产生比 AOG更好的效果 。
补充资料：SolidWorks属性链接
如图所示，在sw里动态显示零件的体积，面积。
首先在前视基准面上建立一个半圆形闭合草图，然后以中心线旋转，如图1所示：
在特征管理器右键单击“注释”，在“显示注释”、“显示特征尺寸”前打勾，如图2所示：
图1
图2
单击菜单“插入”——“注释”，如图3所示：
依次输入，体积、面积、两个注释。（具体自己设置），如图4所示：
图3
图4
鼠标左键单击“体积”，注意到特征管理器中的“属性连接”项，如图5所示：
打开属性连接，单击“文件属性”，分别添加“体积”和“面积”的配置，在“数值/表达式”选项里，在下拉列表中，选择相应的选项——体积、面积。如图6所示：
图5
图6
然后在属性连接管理器中，在下拉列表中找到相应的选项，确定，如图7所示：
同样的方法，添加“面积”的属性连接。下面让我们来看看结果吧，更改特征尺寸，相应的数据随着变化。
图7
这就是属性连接的妙用，处处留心皆学问，大家好好学习。
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