1) linear feature subspace
线性特征子空间
1.
One is on such linear feature subspaces as principal component analysis (PCA) and linear discriminant analysis (LDA) based approaches.
本文所开展的基于线性特征子空间和环形对称Gabor变换的人脸识别方法的研究，主要从两个方面进行，一方面是对主成分分析和线性判别分析等基于线性特征子空间的人脸识别方法的研究，另一方面是对基于环形对称Gabor变换特征的人脸识别方法的研究。
2) characteristic subspace
特征子空间
1.
The characteristic subspace algorithm is used extensively in beam forming, DOA estimation and super-resolution processing because of its reducing dimension effect and robust processing capability.
特征子空间方法由于其降维效果和稳健性的处理能力已广泛应用于波束形成、DOA(波达方向)估计、超分辨处理中。
2.
The characteristic subspace is structured,then the face recognition is implemented in the characteristic subspace.
构造了特征子空间,并在特征子空间内实现脸部识别。
3.
In the paper,author shows that the characteristic subspace of σ is independent on selective methods of bases.
设σ是数域P上的n维向量空间V的线性变换,λ是σ的特征值,证明了σ的特征子空间Vλ与基的取法无关。
3) eigenspace
特征子空间
1.
The decomposition of the eigenspace of the defective matrix and the general form of Jordan chain;
亏损矩阵特征子空间的分解与若当链一般形式
2.
The Eigenspace of Block Triangular Matrix;
分块三角矩阵的一类特征子空间
3.
The definition of eigenvalue and eigenspace of the quadratic matrix equation AX2+BX+C=0 is given in this paper.
给出了二次矩阵方程AX2+BX+C=0的特征值和特征子空间的定义,然后运用其特征子空间的维数或特征向量刻画了该二次矩阵方程存在可对角化解的充要条件。
4) Eigen Subspace
特征子空间
1.
The eigen subspace based tracking method is adaptive to the change of object state and is robust to lighting varia-tion.
基于特征子空间的目标跟踪方法能适应目标状态的变化,并对光照等外部环境不敏感,但通常假定特征子空间的基向量固定,这样不仅需要离线训练,而且在目标姿态发生较大改变时,跟踪精度会降低。
6) eigensubspace
特征子空间
1.
Based on the eigensubspace estimation using discrete recurrent neural networks, we propose algorithms to solve the problem of eigensubspace estimation for positive definite symmetric matrix.
基于运用回复式离散神经网络进行特征子空间估值的理论,提出了解决正定对称矩阵的特征子空间估值问题的算法。
2.
This paper proposes two models of discrete recurrent neural networks to study the problem of eigensubspace estimation for positive definite symmetric matrix.
提出了用两种回复式离散神经网络模型研究正定对称矩阵的特征子空间估值问题:第1种模型是非线性神经网络,用于计算最大特征值及其特征向量;第2种模型属于线性神经网络,用于计算相应于最大特征值的特征子空间。
3.
At last,we get the eigensubspace of Un and UTn corresponding to the eigenvalue 1 and-1.
最后还分别得到了Un和UnT的对应特征值1和-1的特征子空间。
补充资料：Banach空间中的线性微分方程
Banach空间中的线性微分方程
inear differential equation in a Banach space
E泊皿ch空间中的线性微分方程f肠ear由fl陇rell丘al闰娜-d佣加a Bal.eh sPace;月”He旅”oe月“中中ePe“”“a月buoeyP。。e。。e B 6a“ax0BOM“PocTpa妞cT.e] 形如 A。(t)应=Al(t)u+口(t)(l)的方程，其中对每个t，A。(t)和A，(t)是B山.山空间(Banach sPace)E中的线性算子，而g(t)是给定的函数，。(t)是未知函数，它们都取值于尽导数二理解成差商关于E的模的极限.1.具有有界算子的线性微分方程.假定对每个t，A。(t)和A，(t)是作用于E的有界算子.若对每个t，A。(t)具有有界逆，则(l)可以解出导数，且取形式 应=A(t)u+f(t)，(2)其中A(t)是E中的有界算子，f(t)和u(t)是取值于E的函数.若函数A(t)和f(t)是连续的(或更一般地，在每个有限区间上是可测的和可积的)，则对任意u。任E，Ca.叻y问题(Cauclly prob】em) 云=通(艺)u、u(s)=“。(3)的解存在，且由公式 “(r)一U(￡，5)u。给出，其中 U(:，￡)一‘+丁A(:1)d:1+ ·，氰!)…i·‘!·，…“!1，以!一“!·(‘’为方程云二A(t)u的发展算子(evolution operator)·方程(2)的Cauchy问题的解由公式 u“)一U(‘，、)u。+丁U(‘，:)，(:)d:确定.由(4)得到估计 ，，U(。，、)，，‘exp{丁，，A(:)‘，d:};(，)它的加细是 ，，U(￡，;)，，‘exn{丁:月(:)d;}，(，‘)其中;，(T)是算子A(动的谱半径(s pec喇ra-dius).发展算子具有性质 U(s，s)=I，U(t，:)U(:，s)二U(t，s)， U(t，T)“〔U(:，t)1一’. 在(2)的研究中已把主要力量集中在它的解在无穷远处的性态，这依赖于A(t)和f(约的性态.该方程的一个重要特征是一般指数(罗朋ral exPon巴nt)(或奇异指数(singilar exponent)) 、一而生h}u(:+:.、)ll. t .5一田T对于周期和概周期系数的方程已有详细研究(见R川a比空间中微分方程的定性理论(qua腼tive theoryofd迁rer巴币目闪班石。ns inE匕nach sPaces)). 方程(2)也可在复平面上来考虑.若函数A(t)和f(t)在一含点:的单连通区域中是全纯的，则在把积分看成是在连接s和t的可求长的弧上的积分时，公式(3)，(4)，(5)，(5’)仍成立. 另外有些方程出现在最初的线性方程不能解出导数的情形.如果除去一点，譬如t=O，算子A。(t)是处处有界可逆的，则在空间E中该方程就化为形式 a(。
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