1) correlation function of shot clusters
镜头类相关性函数
2) correlation function
相关性函数
1.
Multi-sensor data fusion based on correlation function and fuzzy integration function;
基于相关性函数和模糊综合函数的多传感器数据融合
2.
In a GOP level,it implements reasonable bit allocation among views based on correlation function.
先根据相关性函数在视点间合理分配码率实现GOP(group of pictures)层的比特分配,然后根据分层B图像比特分配策略实现帧层的比特分配,最后根据拉普拉斯率失真模型实现宏块层的码率控制。
3.
In the paper,a new data fusion method based on correlation function and fuzzy clingy degree is proposed.
文中提出了利用模糊理论中的相关性函数来计算多传感器的相互支持程度,并基于模糊贴近度,对支持程度高的传感器数据进行融合。
4) Head-related transfer function
头相关传输函数
1.
In order to construct a continuous head-related transfer function(HRTF) along elevation,a method to extrapolate the HRTF at low elevation of the median plane is proposed based on the radial basis function(RBF) neural network.
为了构建关于仰角方向连续的头相关传输函数(HRTF),提出采用径向基函数神经网络外推中垂面上低仰角方向HRTF的方法。
2.
Due to the problem of accurately realizing the interpolation of spatially discrete head-related transfer function and the lack of methods for the interpolation in the near-field region, a distance interpolation method of head-related transfer functions in the near-field region based on the inter-positional transfer function is presented.
针对已有头相关传输函数数据量大和网格分布的弊端,以及已有插值算法计算复杂的现状,提出基于位置间传输函数(IPTF)的近场头相关传输函数的距离插值算法,较好地实现了近场头相关传输函数的插值计算。
5) Head-Related Transfer Function(HRTF)
头相关传输函数
1.
The overall influence of clothing and pinnae on shoulder reflection and head-related transfer function(HRTF) is investigated using HRTFs obtained on KEMAR with torso and a human subject.
通过对人工头/躯干系统和真人的头相关传输函数进行测量和分析,研究了衣服、耳廓对肩部反射及头相关传输函数的综合影响。
6) HRTF
头相关传输函数
1.
A method of united principal component analysis and spatial Fourier reconstruction is proposed to analyze HRTFs(Head-Related Transfer Functions).
提出一种联合主成分分析与空间傅里叶重构的方法,在对头相关传输函数(HRTF)数据进行有效压缩的同时,可以从有限的离散空间方向数据重构空间方向上连续的HRTF函数。
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。
参考词条