上下文量化,context quantization,音标,读音,翻译,英文例句,英语词典

您的位置：首页 -> 词典 -> 上下文量化

1) context quantization 点击朗读

上下文量化

Compression of hyperspectral images based on three-dimensional wavelet transform and context quantization;

基于三维小波变换和上下文量化的高光谱图像压缩

Methods Source entropy change under influence of context model and context quantization is analyzed,then two criteria of optimum context quantization and time-variant context performance mode were established.

方法首先分析了上下文模型以及上下文量化对信源熵的影响,得到了上下文量化的两个优化准则,并根据准则建立了一种时变的上下文性能模型。

2) term context vector 点击朗读

词上下文向量

This paper analyzed the shortcoming of traditional text classification methods,the meaning of term context vectors and its effect in text automatic classification.

分析了传统文本自动分类方法的不足、词上下文向量的含义及其在自动分类中的作用,提出了一种基于词上下文向量的文本自动分类方法,该方法利用词上下文向量来生成分类器的类别中心向量和待分类文本的文本向量,使分类质量有所提高。

3) contextual formalization 点击朗读

上下文形式化

4) context-attributed 点击朗读

上下文属性化

Since the specifications of most of the existing context-sensitive graph grammars tend to be either too intricate or not intuitive,a novel context-sensitive graph grammar formalism,called context-attributed graph grammar(CAGG),is proposed.

针对目前已有的上下文相关图文法的描述规范过于复杂或不太直观,提出了一个新的上下文相关图文法的形式框架:上下文属性化的图文法CAGG。

5) contextual neutralization 点击朗读

上下文中立化

6) contextual word cooccurrence vector 点击朗读

上下文词语同现向量

This paper presents a kind of measure used to compute the semantic similarity of words--describing the semantic knowledge of words by using contextual word cooccurrence vector and computing the semantic similarity of words by using Min/Max measure.

提出一种词语的语义相似度计算方法 ,利用上下文词语同现向量来描述词语的语义知识 ,在此基础上 ,使用 min/ max的方法计算词语之间的语义相似度。

更多例句>>

补充资料：保留上下文索引系统

　　计算机辅助标引系统，又称保持原意索引法。英国伦敦分类法研究小组成员D.W.奥斯汀于1969～1970年研制成PRECIS－Ⅰ，1974年研制成PRECIS－Ⅱ，同年出版《PRECIS手册》(1984年修订再版)。1974年 PRECIS 被《英国国家书目》采用。它已被一些国家的文献情报机构用于编制检索刊物的主题索引、图书馆主题目录及图书馆分类目录主题索引等。汉语保留上下文索引系统也已研制成功。
　　
　　PRECIS是一个人机合作的标引系统。标引员先编出描述文献主题的短语,输入计算机。由计算机自动制成若干条索引款目并完成排序、编配参照和打印输出。PRECIS的款目一般包括领词、限定词、展示词和文献地址(出处)4 部分，分列两行，其格式如下：
　　
　　PRECIS采用换轨轮排法，将表示文献内容的每个主题词(假设有A、B、C、D4个主题词) 轮番排列在领词位置作为标目，其他主题词均作相应调整，这样可以产生出4 条索引款目，如下图：
　　
　　为保持文献主题原意(如A - B - C - D的次序)，PRECIS还采用了一套职能符号，表示不同性质主题词之间的关系。如某文献主题为"英国中学教师的报酬",按PRECIS轮排法可产生下列索引款目(文献地址略)：
　　
　　①英国
　　
　　
　　
　　中学　教师　报酬
　　
　　②中学　英国
　　
　　
　　
　　教师　报酬
　　
　　③报酬　教师　中学　英国
　　
　　④教师　中学　英国
　　
　　
　　
　　报酬
　　
　　以上4条款目的排序可按标目的字顺排列。
　　
　　PRECIS采用具有句法结构的叙词语言，并依据职能符号表进行主题分析，因此索引款目能较确切地表达文献主题，而且接近自然语言，可读性强。它把人工标引技术与计算机工作能力融为一体，编制速度快，费用低。PRECIS已成功地运用于英语、德语、法语、丹麦语、波兰语、泰米尔语和汉语等语言，并能实现不同语种索引款目之间的自动转译。奥斯汀因研制PRECIS曾先后荣获国际文献联合会颁发的阮冈纳赞奖和美国图书馆协会颁发的玛格丽特·曼奖。
　　

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

上下文 PDP上下文上下文树多上下文上下文(Context) 上下文图上下文名上下文的上下文文意

上下文位置信息量函数量子上下文无关语言运动矢量上下文建模

说明：双击或选中下面任意单词，将显示该词的音标、读音、翻译等；选中中文或多个词，将显示翻译。
	您的位置：首页 -> 词典 -> 上下文量化 1) context quantization 上下文量化 1. Compression of hyperspectral images based on three-dimensional wavelet transform and context quantization; 基于三维小波变换和上下文量化的高光谱图像压缩 2. Methods Source entropy change under influence of context model and context quantization is analyzed,then two criteria of optimum context quantization and time-variant context performance mode were established. 方法首先分析了上下文模型以及上下文量化对信源熵的影响,得到了上下文量化的两个优化准则,并根据准则建立了一种时变的上下文性能模型。 2) term context vector 词上下文向量 1. This paper analyzed the shortcoming of traditional text classification methods,the meaning of term context vectors and its effect in text automatic classification. 分析了传统文本自动分类方法的不足、词上下文向量的含义及其在自动分类中的作用,提出了一种基于词上下文向量的文本自动分类方法,该方法利用词上下文向量来生成分类器的类别中心向量和待分类文本的文本向量,使分类质量有所提高。 3) contextual formalization 上下文形式化 4) context-attributed 上下文属性化 1. Since the specifications of most of the existing context-sensitive graph grammars tend to be either too intricate or not intuitive,a novel context-sensitive graph grammar formalism,called context-attributed graph grammar(CAGG),is proposed. 针对目前已有的上下文相关图文法的描述规范过于复杂或不太直观,提出了一个新的上下文相关图文法的形式框架:上下文属性化的图文法CAGG。 5) contextual neutralization 上下文中立化 6) contextual word cooccurrence vector 上下文词语同现向量 1. This paper presents a kind of measure used to compute the semantic similarity of words--describing the semantic knowledge of words by using contextual word cooccurrence vector and computing the semantic similarity of words by using Min/Max measure. 提出一种词语的语义相似度计算方法 ,利用上下文词语同现向量来描述词语的语义知识 ,在此基础上 ,使用 min/ max的方法计算词语之间的语义相似度。更多例句>> 补充资料：保留上下文索引系统　　计算机辅助标引系统，又称保持原意索引法。英国伦敦分类法研究小组成员D.W.奥斯汀于1969～1970年研制成PRECIS－Ⅰ，1974年研制成PRECIS－Ⅱ，同年出版《PRECIS手册》(1984年修订再版)。1974年 PRECIS 被《英国国家书目》采用。它已被一些国家的文献情报机构用于编制检索刊物的主题索引、图书馆主题目录及图书馆分类目录主题索引等。汉语保留上下文索引系统也已研制成功。　　　　PRECIS是一个人机合作的标引系统。标引员先编出描述文献主题的短语,输入计算机。由计算机自动制成若干条索引款目并完成排序、编配参照和打印输出。PRECIS的款目一般包括领词、限定词、展示词和文献地址(出处)4 部分，分列两行，其格式如下：　　　　PRECIS采用换轨轮排法，将表示文献内容的每个主题词(假设有A、B、C、D4个主题词) 轮番排列在领词位置作为标目，其他主题词均作相应调整，这样可以产生出4 条索引款目，如下图：　　　　为保持文献主题原意(如A - B - C - D的次序)，PRECIS还采用了一套职能符号，表示不同性质主题词之间的关系。如某文献主题为"英国中学教师的报酬",按PRECIS轮排法可产生下列索引款目(文献地址略)：　　　　①英国　　　　　　　　中学　教师　报酬　　　　②中学　英国　　　　　　　　教师　报酬　　　　③报酬　教师　中学　英国　　　　④教师　中学　英国　　　　　　　　报酬　　　　以上4条款目的排序可按标目的字顺排列。　　　　PRECIS采用具有句法结构的叙词语言，并依据职能符号表进行主题分析，因此索引款目能较确切地表达文献主题，而且接近自然语言，可读性强。它把人工标引技术与计算机工作能力融为一体，编制速度快，费用低。PRECIS已成功地运用于英语、德语、法语、丹麦语、波兰语、泰米尔语和汉语等语言，并能实现不同语种索引款目之间的自动转译。奥斯汀因研制PRECIS曾先后荣获国际文献联合会颁发的阮冈纳赞奖和美国图书馆协会颁发的玛格丽特·曼奖。　　说明：补充资料仅用于学习参考，请勿用于其它任何用途。参考词条上下文 PDP上下文上下文树多上下文上下文(Context) 上下文图上下文名上下文的上下文文意

©2011 dictall.com