1) incremental facetting
增量离散
2) increment of diversity
离散增量
1.
Application of immune classifier based on increment of diversity in model species genomes
基于离散增量的免疫分类器在模式生物基因中应用
2.
The new information coefficient improved the increment of diversity and could be applied to cluster analysis.
这一新的信息系数较离散增量信息系数有所改进,并可应用于聚类分析。
3.
Based on this inequality,a concept of increment of diversity is discussed and a defined.
基于信息理论给出了离散量的基本概念,讨论并证明了离散量的一个基本不等式,进而给出了离散增量的概念。
3) Dispersed grey increment model
离散灰色增量模型
4) Discrete recursive incremental PID control
离散递推增量式PID控制
5) incremental discrete kalman filtering
增量离散卡尔曼滤波
6) discrete Nussbaum gain
离散Nussbaum增益
1.
A discrete Nussbaum gain was introduced into the adaptation law of the weights in neural network to resolve the unknown control direction problem.
在神经网络权值修正律中引入离散Nussbaum增益来解决被控系统控制方向未知的问题。
补充资料：离散时间周期序列的离散傅里叶级数表示
(1)
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
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