1) uniform bases at non-isolated points
关于非孤立点的一致基
2) cluster-based outlier
基于簇的孤立点
1.
In this paper, we present a new definition for outliers: cluster-based outlier, which is meaningful and provides importance to the local data behavior, and how to detect outliers by the clustering algorithm LDBSCAN which is capable of finding clusters and assigning LOF to single points.
提出一个新的概念——基于簇的孤立点概念,这个概念的提出有助于理解局部数据的行为,同时也描述了如何利用LDBSCAN算法发现基于簇的孤立点,并为每一个对象计算局部偏离因子。
3) distance-based outlier detection
基于距离的孤立点检测
1.
In this paper, a method of mining exceptional slices is presented for extracting the distribution feature of the slice data based on the technique of the singular value decomposition, and the exceptional slices can be found by utilizing the distance-based outlier detection technique on the singular value feature.
该方法基于奇异值分解技术来提取切片的数据分布特征,然后在提取出的奇异值特征之上,利用基于距离的孤立点检测技术发现异常的切片。
5) non-isolated singularity
非孤立奇点
6) isolated points of the speetrum
谱的孤立点
补充资料：Weierstrass准则(关于一致收敛的)
Weierstrass准则(关于一致收敛的)
erion (for unifonn convergence) Weierstrass cri-
weierstrass准则(关于一致收敛的)[Weierstrass eri-teri佣(for.丽肠价ne哪ergence);Be益eP扭TPaeea nP。-3“aIC(pa“IloMepHO盛cxo八IIMOCTH)] 这是将函数级数(series)或序列与适当的数值级数和序列对照所给出的关于一致收敛(训如rm conver-genee)充分条件的一个定理;它是K .Weierstrass建立的(〔11).若对定义在某集合E上的实值或复值函数的级数 艺u*(x)， n盈I存在非负数的收敛级数 艺a。，使得 }“。(x){(a。，n=l，2，·…则原来级数在集合E中一致收敛且绝对收敛(见绝对收敛级数(absolutelyc~r罗nt series).例如，级数 军，S】n月X 月百j刀-在整个实数轴上一致且绝对收敛，因为 }sin nx}_1 }竺兰兰二二二}或一二一. }n一!”-而级数 瘩:告收敛. 若集合E上的实值或复值函数序列人(n二l，2，…)收敛于函数f，且存在数列戊。(:，>0)，当”~的时:。~0，使得If(x)一f。(x)}簇戊。(x〔E，n二1，2，一)，则序列在E上一致收敛.例如序列 f(二卜l一上卫兰 X‘+n在整个实数轴上一致收敛于函数f(x)=1，因为 ，，一f。(x)、<告且浊寺一。.关于一致收敛的Weierstrass准则也可以应用于在赋范线性空间中取值的函数.
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