1) Chaotic feature extraction
混沌特征提取
2) chaotic characteristics
混沌特征
1.
The trends of chaotic characteristics changing with the gas velocity and the bed height were deferimend in.
证明四个混沌特征参数的相关性是好的，得到了混沌特性随着气速和床层高度的变化趋势，并且提出气泡行为是流化床内产生混沌运动的重要原因。
3) chaos
[英]['keɪɔs] [美]['keɑs]
混沌特征
1.
In this paper,we study the chaos characteristics and obtain the correlation dimensions and Lyapunov exponent valnes of ECGS,in combine ation with the common characteristic parameters of ECGs,including the intervals of RR and PR,the amplitudes of R wave,P wave and T wave.
提取心电信号的关联维数和Lyapunov指数等混沌特征参数,结合心电信号的重要特征:RR间隔、PR间隔、R波幅值、P波幅值和T波幅值,作为神经网络驱动型模糊推理系统的输入,对正常和患有心脏疾病的心电信号进行分类诊断。
4) chaotic characteristic
混沌特征
1.
Recognition of chaotic characteristics of the time series of the monthly delivery rate of central gathering station based on correlation dimension;
基于关联维的联合站月输量时间序列混沌特征识别
2.
This paper discusses chaotic characteristic of the power daily load of Sichuan Province based on saturation correlation dimension, and concludes that daily load time series belong to chaotic series.
基于饱和关联维数法,对四川省全省电力系统日负荷序列的混沌特征进行定量分析,得出日负荷时间序列具有混沌性的结论。
3.
The chaotic characteristic of dynamic properties of NC table was revealed with several approaches.
用混沌理论中的相空间重构、关联维数和最大李雅普诺夫指数等理论与方法,对观测到的数控工作台的动态时间序列信号进行分析,求出其功率谱、相平面轨迹、关联维数和最大李雅普诺夫指数等特征量,多方位揭示数控工作台的混沌特征,断定数控工作台是一个非线性动力学系统,为数控机床动态系统辨识提供依据。
5) chaos feature
混沌特征
1.
Ship target detection algorithm on sea surface based on block chaos feature of image sequence
基于图像序列区域混沌特征的海面舰船目标检测算法
2.
The change of background\'s chaos feature when there are moving targets was analysed, and a new algorithm based on Lyapunov exponents of image block for moving targets detection on the sea surface, which is used for ship targets detection on the sea surface, was proposed.
为了检测海面背景中的舰船目标,分析了目标存在时背景信号混沌特征的变化,提出了一种基于图像区域Lyapunov指数的目标检测新方法。
6) mixed features extracting method
混合特征提取
1.
The classifier is designed by using mixed features extracting methods.
分析了特征维数与分类错误概率的关系 ,提出了增加新特征 ,采用混合特征提取方法进行分类器设计 。
补充资料：特征提取
特征提取
feature extraction
t6Zheng tiqu特征提取(featu了eextraction)特征选择与提取的通称。特征选择和提取是模式识别的关键环节，其任务是压缩存在于表示模式的原始测量数据中的冗余和无关的信息，提取一组对分类最有效的特征参数，以减少计算工作量，提高分类器的性能。特征参数可以从输人模式信息中选出一个子集构成，这一过程称为特征选择。新的特征参数也可以通过降维变换获得，即将输人模式从较高维数的测量空间变换到较低维数的特征空间，以一个低维特征向量表示输人模式，这一过程称为特征提取。 由于特征提取的任务是求出一组对分类最有效的特征，因此首先需要一个能定量评估特征有效性的准则。分类器的误识概率可作为理想的准则，但由于估计误识概率的分布非常困难，实用时往往以其他一些准则代替。常用的准则有:基于概率距离的准则，基于类间距离的准则，基于墒函数的准则等。应用上述准则，可以通过分支定界和顺序搜索等优化算法，求得一个最优的或次优的特征集。近年来基于人工智能的启发式算法也在特征选择中得到应用。在进行降维变换以实现特征提取时，考虑到可分析性和计算可行性，一般采用线性变换方法，.最常用的是以K一L扩展为基础的线性变换。(黄泰冀)
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