1) mode coherence coefficients (MCCs)
模相关系数(MCCs)
2) mode coherence coefficients
模相关系数
1.
By using the definition of generalized second-order moments and complex Gaussian functions expansion of rectangular function, the analytical expressions for the generalized M2-factor and mode coherence coefficients of the new model of flat-topped beams introduced by Li have been derived.
针对Li提出的平顶光束的新描述模型 ,分别采用广义二阶矩方法和矩形函数的复高斯函数展开方法 ,推导出平顶光束通过硬边光阑的广义光束传输M2 因子和模相关系数的解析表达式 。
2.
By using the theory of partially coherent light and the basis set of biorthogonal elegant Hermite-Gaussian (EHG) modes,the analytical expressions for the mode coherence coefficients (MCCs) and M2-factor of laser light have been derived.
利用部分相干光理论,以具有双正交性质的复宗量厄米-高斯(EHG)模为基底,推导出激光的EHG模相关系数(MCCs)和M2因子公式,建立了激光的EHG相干模表示与对应的常规厄米-高斯(SHG)相干模表示之间的关系,并讨论了两种典型的应用例。
3) template correlative coefficient
模板相关系数
4) modal correlation coefficient
模态相关系数
1.
On the theories of modal correlation coefficients and modal strain energy, this paper analyses the formulating process of the index method on structural damage identification , and puts forward its implementing approach .
基于模态相关系数及模态应变能的理论 ,分析了结构损伤识别指标法的建立过程 ,提出了结构损伤识别指标法的实现途径 ,说明了该方法的特点和适用范围及需要解决的问
5) fuzzy correlation coefficient
模糊相关系数
6) correlation coefficient model
相关系数模型
1.
After analyzing the methods commonly used in determining the analysis area and forecasting the traffic distribution,the correlation coefficient model based on traffic-count was used to forecast the trip distribution in the process of traffic impact analysis(TIA).
本文在对常用交通影响分析范围确定方法和项目交通分布预测方法分析的基础上,将基于交通观测的相关系数模型运用于项目出行分布预测,提出在出行分布预测的同时逐步确定交通影响范围的方法,并结合具体案例进行分析。
2.
It concludes:first,under certain conditions,the choice of marginal distributions does not affect the estimation of the total risk;second,correlation coefficient model may underestimate the total risk if the marginal distributions are tail correlated.
假设风险满足一定条件,利用Copula和蒙特卡洛模拟方法对边际分布的选择和边际分布间的尾部相关关系两个方面进行分析,并得出结论:第一,在一定条件下,边际分布的选择并不影响对总风险的估计;第二,相关系数模型可能因为边际分布间的尾部相关关系而低估总风险。
补充资料:Kendall等级相关系数
Kendall等级相关系数
ion Kendall coefficient of rank correla-
Kd山u等级相关系数「E曰吐山以吧伍d句t of.”血伪川如.d佣;Ke”皿姗a劝,帅胭“e,TP朋ro“0‘ICOPpe几.朋毗」 两个随机变量(特征)X和Y间相依关系的样本度量之一,基于样本元素(戈,Y.),二,(Xn,玖)的等级评定.这样,众n山山等级相关系数属于秩统计量(mllksta比tic)并且定义为 25 f r.·…r_、 ”Ln一1)其中;,是在X秩为i的数偶(X,y)中Y的秩、S二ZN一”(。一l)/2,N是样本中]>i和r,>r‘同时成立的元素个数.总有一1簇t《1.M.R上以坛U广泛使用K淤nd目等级相关系数做相依性度量(见〔1」). Ken山山等级相关系数被用于检验随机变量独立的假设.如果独立性的假设成立,则云二0,DT“2(2n十5)/〔gn(”一l)1.当样本容量较小时(4蛋n镬10),独立性假设的统计检验借助于专门的数表(见【31〕来进行.当衬>10时,利用:的分布的正态逼近二如果 ,·,>一擂离,则否定关于独立的假设,否则接受假设.这里,:是显著性水平,。司:是标准正态分布的100(:/2)百分位点.像任何秩统计量一样,KendaU等级相关系数可以用于揭示两个属性特征的相依性,只要样本的元素可以按这些特征评定等级,如果X和Y有联合正态分布且相关系数为p,则p与Kendal丈等级相关系数有如下关系: _2 七T=一atcsmP· 兀亦见S碑ar田叨等级相关系数(s户汾m曰n cocfficientof几mk eorlehaion);秩检验(mnk此0.
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