1)  multi-function
多类函数
2)  multi-class
多类
1.
Supported by this feature space,a new multi-class blind steganalyzer for JPEG images is presented.
为准确判断一幅JPEG图像使用了何种隐密软件,针对JPEG隐密软件可能采用的DCT域隐密操作,建立了基于微观模板的统计特征空间,并在此基础上提出了一种多类JPEG图像盲隐密分析方法。
2.
How to extend it for multi-class classification effectively is still an on-going research issue.
传统的支撑向量机是两类的分类器,如何将其有效地推广到多类问题仍是一个有待研究的问题。
3.
How to effectively extend it for multi-class classification is still an on-going research issue.
传统的支持向量机是基于两类问题提出的,如何将其有效的推广至多类问题仍是一个有待研究的问题。
3)  Different crowds
多类人群
4)  multiclass classification
多类分类
1.
New perfect performance multiclass classification algorithm based on KFDA;
基于核Fisher判决分析的高性能多类分类算法
2.
In this paper, based on the analysis of the core concepts in the Kernel method, the basic principles of the multiclass classification based on the one-class classification were studied, and the reliability function applied to the multiclass classification was put forward, which makes the classif.
在分析一种非线性数据处理新方法的核心概念基础上 ,研究了基于一类分类方法的多类分类基本原理 ,提出了应用于多类分类的可信度函数 ,使聚类与分类的结果更具有可信度 。
3.
A novel multiclass classification method based on high dimensional map and the weight-learning method of Rosenblatt network is put forward in this paper,which can solve linearly inseparable problem.
利用Rosenblatt感知器网络的权值学习方法,提出一种解决线性不可分样本的多类分类方法。
5)  multi-class
多类分类
1.
The multi-class SVM has recently been extensively applied in the field of pattern recognition.
目前SVM多类分类方法在模式识别领域得到了广泛使用。
6)  multiple user classes
多类用户
1.
A travel time reliability based traffic assignment model with multiple user classes was formulated through a variational inequality(VI) approach.
假设出行者基于期望行程时间和行程时间可靠性的均衡选择路径,根据出行者对待行程时间可靠性的不同态度,将其路径选择行为分类,建立了基于行程时间可靠性的多类用户交通分配的变分不等式模型。
参考词条
补充资料:函数逼近,函数类的极值问题


函数逼近,函数类的极值问题
ions, extremal problems in function dasses approximation of ftinc-

  】f,r,(r’)一f(r,(r‘’)}《M】r’一r“}“(r’,,“。I一1,!])的f任Cr!一1,l]组成的函数类,则对于n一1次代数多项式子空间贝了在!一1,l]上所作的最佳一致逼近,下列关系式成立: 悠二E‘MH。,”‘”)‘一粤,‘6) ,、_一二,二,,,,、~刀、M,二、。,,r,、忽”厂‘““‘M附rH“,贝:’‘一誉{’·‘万一‘’‘““‘,‘7, r=l,2,…,将这些结果与周期情形下的相应结果进行比较是有所裨益的.当,=1时,(6),(7)的右端分别等于M凡和M人r+1.如果放弃对最佳逼近多项式的要求,那么就可以获得较强的结果,这些结果实质上改善了在!一1,l]端点处的逼近并保持了整个区间上的最佳渐近特征.例如,对任何f6MH‘,存在代数多项式序列Pn以t)任灾矛,使得当n~的时,下列关系式在t6!一1,l]上一致成立:、f(!)一。。,‘)、·:{{;杯}“二‘一,!- =E(MHa,哭聋)。【(l一tZ)a·‘2+o(l)1.对M评百,(r=1,2,…)也有类似的结果(见【川).关于(最佳及插值型)样条逼近给定在区间上函数类的问题,若干精确及渐近精确的结果(主要是对于低阶样条)已公诸于世(见1151). 就(积分度量下的)单边逼近而言,关于上述函数类用多项式和样条进行最佳逼近的误差估计也已得到了一系列精确的结果(见【14]).在推导这些结果的过程中,实质上利用了最佳逼近在锥约束下的对偶关系. 对给定的函数类叨,寻求其(固定维数的)最佳逼近工具将导致确定所谓的宽度(widih)问题,亦即确定(参考(l),(3)) 心(,之,幻=运fE(叭,贝,)x, 贝即 d沁(叭,X)==运f者(叭,叽、),, 田阳(其中下确界取自X的所有N维子空间灾N(及其平移)),以及确定实现这些下确界的(最佳)极子空间问题.心与d万的上界可由E(叨,灾)x和g(叭,叭)x分别给出,对于具体的子空间贝,来说,E(绷,灾)x和扩(绷,哭N)x是已知的.宽度问题中的主要困难是获取下确界.在某些场合下,可借助于拓扑中的Borsuk对映定理丈见18』)而得到这些下确界.在用(。一1阶三角多项式)子空间,荔一,或(关于结点人司。亏数为1的。阶样条)子空间s皿解决函数类M吼及周期函数类wrH“的最佳逼近问题时,已知的上确界E(叭,巩、)x几乎在所有的情况下同时也就是这些函数类的心值.此外,对周期函数类还有姚。一1=姚。.特别有(见[7],【8],【1 51,【16」)dZ,l(附妥,C)=dZ。(W蕊,C)二dZ。一(W下.L一)= =dZ。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。