1) sparse feature tree
稀疏特征树
1.
This data structure, called sparse feature tree, is used to represent the feature set to speed up the process of feature search (or feature matching), so that speed up the process of probability calculation and execu.
这种数据结构称为稀疏特征树,用于表示特征集合,以提高特征查找(或特征匹配)的速度,从而提高概率计算和执行系统的速度。
2) sparse feature
稀疏特征
1.
Dynamic clustering method on the basis of sparse feature;
基于属性稀疏特征差异度的动态抽象聚类方法
2.
The sparse feature difference degree and the minimum cost spanning tree are used to resolve the problem of high attribute dimensional data clustering which exists in information classifying,in order to support the central idea,an example is given in the paper.
针对文本信息聚类中的高属性维稀疏数据聚类问题,采用计算对象间稀疏特征差异度来度量文本对象之间的相关度,结合最小生成树的方法来进行聚类分析,提出一种基于稀疏特征差异度的聚类方法。
3.
The learning of the weight matrix be done by means of finding weight matrix of equal matrix,and elements of initials weight matrix consist of sparse feature difference degree,so a sparse feature difference degree is given.
针对高属性维稀疏数据聚类问题 ,定义了模糊取大逻辑神经元 ,给出一种新的单层离散型回归逻辑神经网络模型 ,由稀疏特征差异度组成的相似阵作为该网络的初始权矩阵 ,通过单层离散型回归逻辑神经网络学习算法 ,可求出相似矩阵的等价阵 ,根据等价阵 ,给定不同的阈值 ,可动态地、有效地实现对高属性维稀疏数据的归并 ,使得聚类结果更符合实际情况 ,聚类质量较高 。
3) sparse eigenvalue
稀疏特征值
1.
Inter-area low frequency oscillation analysis based on Prony and sparse eigenvalue methods;
基于Prony和稀疏特征值算法的区间低频振荡分析
4) sparse feature space
稀疏特征空间
1.
In research,sample data were mapped to sparse feature space to prevent the loss of SVM\'s sparsity when the kernels were fused.
为避免在进行核融合时,支持向量机稀疏性的缺失,提出将数据映射到稀疏特征空间进行研究。
5) sparse tree
稀疏树
1.
A 32-bit sparse tree adder with modified carry tree structure is proposed.
提出了一种改进进位运算的32位稀疏树加法器。
6) The trees are sparse.
树木稀疏。
补充资料：古树名木生长特征
1.年龄特征
我国的古树名木年龄主要集中在100年—499年区段，500年以上的古树名木较少。100年—299年区段的古树占全国古树总量的61.6%，300年—499年区段的古树占全国古树总量的36.6%，500年以上的古树占全国古树总量的1.5%，1000年以上的古树占0.3%，其中四川省编号为5139、位于和平乡胜利村的黄葛树（别名大叶榕、黄葛榕）树龄为4600年。
2.树高特征
据对21个省（区、市）的有效树高数据分析，我国的古树名木树高主要集中在10米—20米区段，占古树名木总量的53.4%；10米以下的区段，占总量的24.5%；21米—30米区段，占古树名木总量的19.1%；30米以上的区段，占总量的3%。其中广西壮族自治区编号为62、株序号为1110的一株高山榕树龄800年，树高达58米。
3.胸围特征
据对21个省（区、市）的有效胸围数据分析，我国古树名木的胸围主要集中在100厘米—299厘米区段，占古树名木总数量的69.5%；100厘米以下区段，占古树名木总数量的3.8%；300厘米—499厘米区段，占古树名木总数量的17.3%；500厘米以上区段，占古树名木总数量的9.4%。其中陕西省编号为61213210526、位于合阳县皇莆庄乡河西坡村的文冠果树龄800年，胸围6800厘米。
4.冠幅特征
据对21个省（区、市）的有效冠幅数据分析，我国古树名木的平均冠幅主要集中在5米—20米区段，占全国古树名木总数量的86.7%；冠幅在5米以下区段，占古树名木总数量的10.5%；冠幅在21米—40米区段，占古树名木总数量的2.6%；冠幅在40米以上的古树名木占0.2%。其中江西省编号为02260145、位于磨溪乡新田村五组石门陈塘坝上的一株樟树树龄2000年，冠幅为53米。(源自:中国绿色时报)
我国的古树名木年龄主要集中在100年—499年区段，500年以上的古树名木较少。100年—299年区段的古树占全国古树总量的61.6%，300年—499年区段的古树占全国古树总量的36.6%，500年以上的古树占全国古树总量的1.5%，1000年以上的古树占0.3%，其中四川省编号为5139、位于和平乡胜利村的黄葛树（别名大叶榕、黄葛榕）树龄为4600年。
2.树高特征
据对21个省（区、市）的有效树高数据分析，我国的古树名木树高主要集中在10米—20米区段，占古树名木总量的53.4%；10米以下的区段，占总量的24.5%；21米—30米区段，占古树名木总量的19.1%；30米以上的区段，占总量的3%。其中广西壮族自治区编号为62、株序号为1110的一株高山榕树龄800年，树高达58米。
3.胸围特征
据对21个省（区、市）的有效胸围数据分析，我国古树名木的胸围主要集中在100厘米—299厘米区段，占古树名木总数量的69.5%；100厘米以下区段，占古树名木总数量的3.8%；300厘米—499厘米区段，占古树名木总数量的17.3%；500厘米以上区段，占古树名木总数量的9.4%。其中陕西省编号为61213210526、位于合阳县皇莆庄乡河西坡村的文冠果树龄800年，胸围6800厘米。
4.冠幅特征
据对21个省（区、市）的有效冠幅数据分析，我国古树名木的平均冠幅主要集中在5米—20米区段，占全国古树名木总数量的86.7%；冠幅在5米以下区段，占古树名木总数量的10.5%；冠幅在21米—40米区段，占古树名木总数量的2.6%；冠幅在40米以上的古树名木占0.2%。其中江西省编号为02260145、位于磨溪乡新田村五组石门陈塘坝上的一株樟树树龄2000年，冠幅为53米。(源自:中国绿色时报)
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