1) β-KL Divergence
β-KL离散量
2) α-KL divergence
α-KL离散量
3) discrete Karhunen-Loeve transform(DKLT)
离散KL变换
1.
Aimed at the problem of railway passenger tickets automation recognition,the codes segmentation method based on discrete Karhunen-Loeve transform(DKLT)algorithm is presented.
针对铁路客票自动识别研究中票号与背景难以分离的票号分割问题,提出一种基于改进的离散KL变换(DKLT)的彩色铁路客票票号分割方法。
4) KL divergence
KL散度
1.
Finally,the KL divergence .
然后,提出了一种基于局部直方图高斯拟合的背景参数估计方法,并利用KL散度定量的衡量估计直方图与原始图像直方图之间的相似度。
2.
These new kernels,KL divergence linear kernel function,KL nonlinear ker-nel function and L2 inner product kernel function based on supervetor,are generated.
通过对超向量进行KL散度变换和L2线性内积变换,分别得到KL散度线性核函数、KL散度非线性核函数以及L2内积核函数。
5) kullback-leibler divergence
KL散度
6) KL divergence
KL距离
1.
In this paper,a novel KL divergence-based classification algorithm,named LiPU,is proposed to tackle this special problem.
因此,本文提出了一种基于KL距离的主动分类算法—LiPU:依次挖掘出未标识集中的最可靠正例和反例,接着使用训练好的增强型分类器来找出所有反例。
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