1) scalings
调比矩阵
2) comparison matrix
比较矩阵
1.
Weighted linear combination (WLC) of MCE in IDRISI software is introduced, and analytical hierarchy program (AHP) is applied to construct comparison matrix, so the weights of disaster factors are derived from AHP weight derivation.
通过引入IDR ISI软件多准则评价(MCE)中的权重线性组合法(WLC),应用层次分析程序(AHP)构建比较矩阵来计算各地质灾害因子的权重系数。
2.
Based on the concentration of the comparison matrix judged by the general partners, this paper develops a non linear programming model for the stage investment of venture capital fund and presents a method for determining the stage investment weights.
在集结一般合伙人比较矩阵的基础上建立了风险投资基金分段投资非线性规划模型 ,并给出了分段投资比例的计算方
3.
on the correlation, and introducing the dynamic comparison matrix to calculate the corresponding weighting coefficients,the algorithm can analyzes the topic information in the Web page objectively,and guarantee retrieval result rationality.
该算法考虑了超文本标记、锚文本、文本内容等对相关性的影响,引入动态比较矩阵来计算相应的权重系数,能够客观分析网页所包含的主题信息,使检索结果排序更合理。
3) comparative matrix
比较矩阵
1.
The ratio of the individual elicitation disaster fact is confirmed by the comparative matrix.
结合当前瓦斯事故的特点和规律,以层次分析法为理论基础,建立一个有针对性的评价模型,并用比较矩阵来确定各致灾因素的的权重,从而为煤矿瓦斯事故的预防和治理提供科学依据。
4) proportion matrix
比例矩阵
1.
A new heuristic algorithm which updates the proportion matrix by steps is proposed for solving the bi level programming model of origin destination demand estimates.
给出了一个新的启发式求解算法——逐步更新比例矩阵法 ,用来求解基于 UE(User Equilibrium)准则的 O- D(Origin- Destination)需求估计的双层规划模型 (即 ,下层规划基于 U E准则 ,上层规划采用广义最小二乘思想 ,在拥挤网络上由路段交通流量观测值等前期数据来估计交通网络的 O- D需求量的双层规划模型 ) ,并进行了初步的数值试验。
5) ratio matrix
比率矩阵
1.
Removing the overlapped source signals spectrum through choosing observation signals and constructing ratio matrix,the mixing matrix is estimated precisely by using Robust Competitive Agglomeration.
该方法通过构造比率矩阵对观测信号进行分选,剔除了源信号频谱重叠的部分,然后利用鲁棒竞争的聚类学习算法获得对混合矩阵的精确估计,解决了源信号在频域不充分稀疏的条件下准确估计混合矩阵的问题。
6) contrast matrix
对比矩阵
补充资料：雅可比矩阵
以m个n元函数uj=uj(x1,x2,...,xn)(i=1,2,...,m)的偏导数(j=1,2,...,n)为元素的矩阵
如果把原来的函数组看作由点x=(x1,x2,...,xn)到点u=(u1,u2,...,um)的一个变换T,则在偏导数都连续的前提之下，u随x的变化由相应的微分方程组
来描述。这是一个关于微分的线性方程组，其系数矩阵便是雅可比矩阵(J)，因而可写成矩阵形式
这隐含着(J)具有微分系数的某些性质,类似于一元函数的导数。而在m=n=1的情形,它又恰好是一个一元函数的导数；所以它也是一个一元函数的导数到m个n元函数的一种推广。因此，(J)作为微分系数或导数的推广,有时也被当作变换T的"导数"看待并记为T┡(x)=(J)。
变换T的进一步的数量描述需要雅可比行列式。
如果把原来的函数组看作由点x=(x1,x2,...,xn)到点u=(u1,u2,...,um)的一个变换T,则在偏导数都连续的前提之下，u随x的变化由相应的微分方程组
来描述。这是一个关于微分的线性方程组，其系数矩阵便是雅可比矩阵(J)，因而可写成矩阵形式
这隐含着(J)具有微分系数的某些性质,类似于一元函数的导数。而在m=n=1的情形,它又恰好是一个一元函数的导数；所以它也是一个一元函数的导数到m个n元函数的一种推广。因此，(J)作为微分系数或导数的推广,有时也被当作变换T的"导数"看待并记为T┡(x)=(J)。
变换T的进一步的数量描述需要雅可比行列式。
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