1) attribute measure matrix
属性测度矩阵
2) property matrix
属性矩阵
1.
The property matrix including the prior knowledge is introduced.
为此提出了一种新的光学层析技术的代数迭代重建算法 ,在算法中引入了包含先验知识的属性矩阵 ,并摒弃了通常所采用的对超松弛系数人为的确定取法 ,采用了变超松弛系数。
3) attribute matrix
属性矩阵
1.
An attribute matrix of the leaders was established based on their characteristics,such as eloquence,impact,activity and insistence.
为了从网络话题参与者中选出意见领袖,在分析网络舆论话题参与者基本属性的基础上,构造了话题参与者的"属性矩阵",进而提出意见领袖形成模型的综合评价与排序算法,并通过示例说明了应用该模型的基本步骤和计算方法。
4) matrix measure
矩阵测度
1.
In this paper,a new approach based on the matrix measure theory is proposed.
文章提出了一种基于矩阵测度理论的分析方法。
2.
The paper discusses the degenerate differential system with delay and the sufficient conditions of the existence of its periodic solution with matrix measure and krasnoselskii s fixed point theorem.
本文研究了非线性退化时滞微分系统,用矩阵测度和Krasnoselsk ii不动点定理获得了其周期解存在的若干充分条件,并举例说明其应用。
3.
In this paper,we use the matrix measure technique to study globe exponential stability of cellular neural networks.
主要讨论使用矩阵测度法来研究细胞神经网络的稳定性,给出了细胞神经网络全局指数稳定的条件。
5) subordinate degree matrix
优属度矩阵
1.
Through determining the relative subordinate degree matrix for the criteria and the relative subordinate degree vector of the sub-system to total decision, the preponderance of the bidding scenarios chosen to the total decision are .
通过确定各指标对分系统相对优属度矩阵及分系统对总决策的相对优属度向量,并确定出各入选投标方案对总决策的优越程度,为最后做出总决策提供较为客观公正的依据。
6) membership matrix
隶属度矩阵
1.
A SVM(support vector machine) based float car driving mode classification model was studied and designed,and a novel membership matrix-based feature evaluation and selection method was proposed.
研究和设计了一个基于支持向量机(SVM,Support Vector Machine)的浮动车行驶模式判断模型,并针对性地提出了一种简单的基于隶属度矩阵的特征评价和选择方法。
2.
For the sample to be classified,sub-classifiers are used to obtain membership matrix,and then according to the sum of every line of membership matrix,co.
用1-a-1方法训练子分类器,对于待分类样本,通过子分类器得到对应其隶属度矩阵,依据隶属度矩阵每行元素和判定该文本所属主题。
3.
The first method uses 1-a-1 to train sub-classifiers,for the samples to be classified,sub-classifiers are used to obtain membership matrix,and then according to the sum of every line of membership matrix,confirms the subjects that the sample belongs to.
一种是采用1-a-1方法训练子分类器,通过子分类器得到待分类样本的隶属度矩阵,依据隶属度矩阵每行元素和判定该文本所属类别。
补充资料：SolidWorks属性链接
如图所示，在sw里动态显示零件的体积，面积。
首先在前视基准面上建立一个半圆形闭合草图，然后以中心线旋转，如图1所示：
在特征管理器右键单击“注释”，在“显示注释”、“显示特征尺寸”前打勾，如图2所示：
图1
图2
单击菜单“插入”——“注释”，如图3所示：
依次输入，体积、面积、两个注释。（具体自己设置），如图4所示：
图3
图4
鼠标左键单击“体积”，注意到特征管理器中的“属性连接”项，如图5所示：
打开属性连接，单击“文件属性”，分别添加“体积”和“面积”的配置，在“数值/表达式”选项里，在下拉列表中，选择相应的选项——体积、面积。如图6所示：
图5
图6
然后在属性连接管理器中，在下拉列表中找到相应的选项，确定，如图7所示：
同样的方法，添加“面积”的属性连接。下面让我们来看看结果吧，更改特征尺寸，相应的数据随着变化。
图7
这就是属性连接的妙用，处处留心皆学问，大家好好学习。
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