说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 稀疏系数模型
1)  sparse coefficients modeling
稀疏系数模型
2)  sparse parameter model
稀疏参数模型
3)  thinning model
稀疏模型
4)  Sparsity Coefficient
稀疏度系数
5)  SNW
稀疏网络模型
1.
Experiments showed that it outperforms some methods such as non-linear SVM,Discriminant Tensor Rank-One Decomposition(DTROD),Sparse Network of Winnows(SNW)and so on.
物体分类实验结果表明,新算法优于非线性支持向量机,区别张量一阶分解(DTROD),稀疏网络模型(SNW)等方法。
6)  Self-thinningmodel
自然稀疏模型
补充资料:信息资源丰裕系数测度模型
该模型选择了数据库资源、专利和商标资源、图书报刊资源和视听资源作为信息资源的最基本要素。认为这四类信息资源基本上表达了信息资源的范畴和内容,并将生产这四类信息资源的能力称为信息资源的生产能力。
信息资源丰裕系数简称 值,计算公式为:

                               (6.4)

  其中, 表示基本信息资源生产能力,计算公式为:

                          (6.5)

  P1代表数据库数量;P2代表获得专利和商标数量;P3代表图书报刊出版数量;P4代表视听产品生产数量;M代表测度期测度范围内的人口总数。因此,R1事实上是一个国家或地区测度期测度范围内的人均生产信息资源的能力。
R2表示基本信息资源的发展潜力,计算公式为:

                              (6.6)

  其中,S1代表信息资源的储备能力,S2代表信息资源的处理能力。S1和S2的测度公式分别为:

                     (6.7)

  Q1代表计算机拥有量(计算机绝对数、普及率和用户数量);Q2代表文化设施拥有量(图书馆、信息中心、档案馆、博物馆和文化馆);Q3代表新闻设施拥有量(电台、电视台);Q4代表娱乐设施拥有量(电影院、剧院、体育馆和电视机拥有量);Q5代表邮电设施拥有量(邮电局网点、邮电业务量);Q6代表通信设施拥有量(通信网点、电话机拥有量)。

                         (6.8)

  T1代表测度范围内的识字人数(或识字率);T2代表中小学、高等教育在校人数(或教育机构普及率);T3代表科研人员数(或科研机构普及率);T4代表政府部门人数;T5代表咨询机构人数。
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