1) goal programming with preference transform
局部极大解
2) local minimum
局部极小解
3) local minimal solution
局部极小解
1.
This paper presents a neighborhood search algorithm for finding a local minimal solution of the problem, then a filled function method for solving 0-1 programming is proposed.
文章首先给出搜索0-1规划局部极小解的邻域搜索算法,在此基础上给出了填充函数算法。
4) local extreme value
局部极值解
1.
Under the deeply research and a large mount of experiments, the paper put forwards a series of methods to solve local extreme value problem.
本文通过深入研究与大量的神经网络应用，探讨出一系列解决局部极值解问题的方法，实验结果表明，这些方法是有效的，有一定的理论和应用价值。
5) local maximum
局部极大值
1.
Taking a SEM image of the machined surface as an example, its edge can be extracted by using the local maximum of wavelet s coefficients, and thus the characteristics of a machined surface can be achieved.
图像边缘是图像的重要特征 ,提出了一种基于小波变换的图像多尺度边缘检测算法 ,并以机加工表面SEM图像为对象 ,利用小波系数局部极大值提取其边缘 ,实现机加工表面纹理特征提取。
6) local maxima
局部极大值
1.
The sharp variation of gray levels of an image, measured at different scales, can be detected from the local maxima of its wavelet transform.
在不同尺度下图像突变点可以通过它的小波变换局部极大值来检测。
2.
By handling the wavelet transform coefficient modulus in the domain of wavelet transform, and determining the local maxima of the wavelet transform coefficient modulus, it provides information of the image boundaries features.
基于信号与噪声在不同尺度下小波变换系数模不同的变化特征，提出了一种边缘检测方法，该方法通过对图像的小波变换域中由噪声引起的小波变换系数模进行处理，再利用小波变换系数模局部极大值来提取图像的边缘特征，实验结果说明这种特征提取方法可以有效地降低噪声，同时又较准确地提取出图像的边缘。
补充资料：局部可解性
研究线性偏微分方程Pu=??在什么条件下局部有解存在。若P是常系数算子,则由基本解的存在而保证Pu=??一定局部有解。在变系数情况下,柯西-柯瓦列夫斯卡娅定理证明了很大一类解析的方程必然局部地有解析解存在。于是人们以为变系数线性偏微分方程也和常系数情况一样,只要不是过于"奇异",总是局部可解的。因此,当H.卢伊在1957年发现方程，在??仅只属于C∞而非解析的情况可以无解（甚至没有广义函数解）时，引起了很大的震动。从而提出了局部可解性问题。
局部可解性的一种定义是,方程Pu=??当??属于C∞(Rn)的某个余维数有限的子空间时,在Rn的某个紧集K附近恒有解u∈D′(Rn)存在,就说P在K中可解。这里P既可以是线性偏微分算子，也可以是拟微分算子。
20世纪60年代以来,许多数学家讨论过这个问题。设P的象征是复值函数 p(x,ξ)=Rep(x,ξ)+iImp(x,ξ)。一个重要的条件是
(Ψ)：在Rn的开集U中不存在C∞(T*U-0)中的正齐性复值函数q(x，ξ)使Im(qp)沿着Re(qp)的次特征Г 的正方向由负值变号为正值，这里q(x,ξ)≠0（于Г上）。
所谓一个函数的次特征,指的是的积分曲线。所谓正方向是指t增加的方向。可以证明，条件(Ψ)是Pu=??在一点附近局部可解的必要条件；在某些情况下特别是主型算子情形也是充分条件。然而，在一般情况下，条件(Ψ)对于局部可解性是否是充分的仍未解决。
总之，局部可解性问题仍然是线性偏微分算子理论中尚未完全解决的重要问题。
局部可解性的一种定义是,方程Pu=??当??属于C∞(Rn)的某个余维数有限的子空间时,在Rn的某个紧集K附近恒有解u∈D′(Rn)存在,就说P在K中可解。这里P既可以是线性偏微分算子，也可以是拟微分算子。
20世纪60年代以来,许多数学家讨论过这个问题。设P的象征是复值函数 p(x,ξ)=Rep(x,ξ)+iImp(x,ξ)。一个重要的条件是
(Ψ)：在Rn的开集U中不存在C∞(T*U-0)中的正齐性复值函数q(x，ξ)使Im(qp)沿着Re(qp)的次特征Г 的正方向由负值变号为正值，这里q(x,ξ)≠0（于Г上）。
所谓一个函数的次特征,指的是的积分曲线。所谓正方向是指t增加的方向。可以证明，条件(Ψ)是Pu=??在一点附近局部可解的必要条件；在某些情况下特别是主型算子情形也是充分条件。然而，在一般情况下，条件(Ψ)对于局部可解性是否是充分的仍未解决。
总之，局部可解性问题仍然是线性偏微分算子理论中尚未完全解决的重要问题。
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