1) approximately minimum classification
近似最小分类
2) approximate classification
近似分类
1.
The influence of the necessary attributes after class subdivision on the upper and lower approximate values,quality and accuracy of approximate classification,number of decision-making rules and relative reduction are analyzed theoretically.
针对粗糙集的决策系统,给出了有效等价类细化和有效集合细化的定义,从理论上分析了必要属性细化后对上近似和下近似、近似分类精度和质量以及决策规则的数量和相对约简的影响。
3) classification approximation
分类近似
4) near-minimizer
近似最小值
1.
It is then proved that the wavelet approximation is a near-minimizer of the functional which has to be minimized to solve th.
有鉴于此,文中构造了可用于非线性滤波算法的一族分段n次小波阈值参数滤波器函数,证明了求解去噪问题必须使得泛函取最小值,而小波逼近是该泛函的近似最小值,可以用来替代Donoho的软阈值滤波器,而且次数n越大,逼近效果越好;同时证明了该n次滤波器的极限是一理想低通滤波器。
5) Minimum upper approximation
最小上近似
补充资料：最小距离分类
按照模式与各类代表样本的距离进行模式分类的一种统计识别方法。在这种方法中，被识别模式与所属模式类别样本的距离最小。假定c 个类别代表模式的特征向量用R1,...,Rc表示,x是被识别模式的特征向量，|x-Ri|是x与Ri(i＝1,2,...,c)之间的距离，如果|x-Ri|最小，则把x分为第i类。在更复杂的情况下可以用各类的代表样本集合，而不仅仅是用一个样本作为最小距离分类的基础(见近邻法分类)。进行最小距离分类首先要为每个类别确定它的代表模式的特征向量，这是用这种方法进行分类效果好坏的关键。各类代表特征向量可以根据所研究对象的物理、化学、生物等方面的机理来确定，常用的方法是收集各类样本，用各类样本特征向量的平均向量作为各类代表模式的特征向量。其次要选择一种确定的距离度量以计算被识别模式与各类代表模式特征向量之间的距离。常用的距离有欧几里得距离、绝对值距离等。
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