1) Mixture probabilistic principal component analysis model
混合概率主元分析模型
2) mixture of Probabilistic Principal Component Analysis (PPCA)
混合概率主成分分析
3) probabilistic principle component analysis
概率主元分析
1.
While probabilistic principle component analysis(PPCA)can overcome the above limitations.
而概率主元分析(PPCA)则在确定主元和误差的概率函数后,利用期望最大化(EM)算法建立了过程的生成模型,克服了PCA的不足。
4) Mixture probabilistic model
混合概率模型
1.
In this paper we describe a theoretically rigorous algorithm for discretization of continuous attributes based on mixture probabilistic models.
基于混合概率模型 ,该文提出了一种理论严格的无监督离散化算法 ,它能够在无先验知识、无类别属性的前提下 ,将数值属性的值域划分为若干子区间 ,再通过贝叶斯信息准则自动地寻求最佳的子区间数目和区间划分方
5) MP2DPCA
混合概率二维主成分分析
6) Probabilistic Model of the Search Space
概率分析模型
补充资料：跳汰分层的概率—统计模型
跳汰分层的概率—统计模型
probability-statistic model of jigging stratification
t Iootol feneeng de ga一l已一tongj一m0Xing跳汰分层的概率一统计模型(probability-statistie model of Jigging stratifieation)应用概率一统计方法研究跳汰选矿分层规律的数学表达式。该项研究不再考虑分层作用机理，而将跳汰分层视作不同密度和杠度的颗粒向各自平衡层迁移的过程。在这一过程中颗粒之间的碰撞和紊流扰动使颗粒的运动带有随机性。同样性质的颗粒也会有不同的运动轨迹。因此对同一性质颗粒的分层运动可以用其分布中心的迁移和向邻层扩散来表述。重矿物进入下层的概率要比进入上层的为大，在床层的d，微层中，某种颗粒的概率分布密度aJ对时间的变化率可用颗粒的沉降量与扩散量之和表示: 瓮一，窦+:穿、l)式中x为床层厚度，m;A为颗粒在重力和阻力作用下向下运动的速度系数，m/s;B为颗粒的随机扩散运动系数，m/s“。由概率一统计原理知，某种性质颗粒分布中心的迁移速度以及颗粒围绕这个中心的离散均正比于颗粒从一层转入另一层的概率。随着时间的延长，颗粒接近自己的平衡层，层间转移的概率随之降低。某种性质粒群分布中心随时间变化的关系式为 夕、一夕ma、(1一e一k‘)(2)围绕该分布中心颗粒的离散(标准离差)武mZ)为 。2一令，急a、、e一‘!(3) 2“JJ___式中y为某种性质颗粒在时间为t时的分布中心距床层上表面的高度，m;yma、为该性质颗粒群的平衡层距上表面高度，m;K为表征移动比速度的系数;对一定性质的给料和一定的水力学参数，k值不变，其单位为l/S。 该概率一统计模型是一种普遍的规律式，它只能定性地说明跳汰过程中各密度层的形成过程。式中系数k与给料性质和水流特性存在一定关系，通过试验进一步建立起它们之间的关系后，有可能表示出原料性质对操作条件的要求和在一定时间内达到的分选指标，这项研究还有待继续完善。 (孙玉波)
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