1) Density gradient estimation
密度梯度估计
3) Gradient estimate
梯度估计
1.
We prove the global existence and gradient estimate of the solution to the initial boundary problem for the quasi-linear parabolic equationu_t-div｛σ(|u(t)|~2)u(t)｝+g(t,x,u,u)=0 in Ω×[0,∞).
证明了如下抛物方程解的整体存在性和梯度估计ut-d iv{σ(|u(t)|2)u(t)}+g(t,x,u,u)=0,Ω×[0,∞)。
2.
This dissertation is devoted to the existence and gradient estimates of the solutions or periodic solutions to two degenerate parabolic equations with a nonlinear convection term.
利用退化抛物方程的正则性理论、Galiardo-Nirenberg不等式、Moser迭代技巧及Aubin紧致性引理我们得到了解的存在性及梯度估计。
4) gradient estimates
梯度估计
1.
In this note we present some gradient estimates for the diffusion equation θ_tu=△u-▽φ·▽u on Riemannian manifolds,where φ is a C~2 function,which generalize estimates of R.
我们给出关于黎曼流形上的扩散方程θ_tu=Δu-▽φ·▽u(这里φ是一个C~2函数)的一些梯度估计。
5) density estimation
密度估计
1.
Wavelet-Based density estimation and its application to fault diagnosis;
基于小波分析的概率密度估计及其在故障诊断中的应用(英文)
2.
An asymptotic representation of local ise for kernel density estimation;
核密度估计的局部积分方差的渐近表示
3.
Based on non-dominated sorting and density estimation,this algorithm uses a new selection operator to create mating pool by selecting solutions from parent population and uses an outer set to keep non-dominated solutions.
该方法在非支配解排序和密度估计的基础上,设计了一种新的选择算子从父代中选择进入繁殖池的个体,并使用外部集合保存进化过程所得的非支配解。
6) Density estimator
密度估计
1.
A bound on L_1 distances of kernel density estimators for truncated and censored data;
左截断右删失下核密度估计的L_1距离的界(英文)
补充资料：功率谱密度估计
随机信号的功率谱密度用来描述信号的能量特征随频率的变化关系。功率谱密度简称为功率谱，是自相关函数的傅里叶变换。对功率谱密度的估计又称功率谱估计。平稳随机信号x(t)的（自）功率谱Sxx(ω)定义为
(1)
式中rxx(τ)为平稳随机信号的自相关函数。
对于离散情况，功率谱表示为
(2)
式中T为离散随机信号的抽样间隔时间。
当利用随机信号的 N个抽样值来计算其自相关估值时，即可得到功率谱估计为
(3)
可见，随机信号的功率谱与自相关函数互为傅里叶变换的关系，这两个函数分别从频率域和时间域来表征随机信号的基本特征。按上式计算功率谱估值，其运算量往往很大，通常采用快速傅里叶变换算法，以减少运算次数。
计算信号功率谱的方法可以分为两类：一为线性估计方法，有自相关估计、自协方差法及周期图法等。另一类为非线性估计方法，有最大似然法、最大熵法等。线性估计方法是有偏的谱估计方法，谱分辨率随数据长度的增加而提高。非线性估计方法大多是无偏的谱估计方法，可以获得高的谱分辨率。
参考书目
何振亚：《数字信号处理的理论与应用》，人民邮电出版社，北京，1983。
A. V. Oppenheim, R. W. Schafer, Digital Signal Processing Prentice-Hall, Inc., Englewood Cliffs,New Jersey,1975.
(1)
式中rxx(τ)为平稳随机信号的自相关函数。
对于离散情况，功率谱表示为
(2)
式中T为离散随机信号的抽样间隔时间。
当利用随机信号的 N个抽样值来计算其自相关估值时，即可得到功率谱估计为
(3)
可见，随机信号的功率谱与自相关函数互为傅里叶变换的关系，这两个函数分别从频率域和时间域来表征随机信号的基本特征。按上式计算功率谱估值，其运算量往往很大，通常采用快速傅里叶变换算法，以减少运算次数。
计算信号功率谱的方法可以分为两类：一为线性估计方法，有自相关估计、自协方差法及周期图法等。另一类为非线性估计方法，有最大似然法、最大熵法等。线性估计方法是有偏的谱估计方法，谱分辨率随数据长度的增加而提高。非线性估计方法大多是无偏的谱估计方法，可以获得高的谱分辨率。
参考书目
何振亚：《数字信号处理的理论与应用》，人民邮电出版社，北京，1983。
A. V. Oppenheim, R. W. Schafer, Digital Signal Processing Prentice-Hall, Inc., Englewood Cliffs,New Jersey,1975.
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