1) the uniformity distribution of sampled data
均匀分布取样
1.
The self-calibration of interferometer is necessary step for realizing high precision measurement and the uniformity distribution of sampled data points of interference signal is the key for self-calibration of interferometer.
激光干涉仪的自校准是实现高精度干涉测量的一个必要的环节,而实现信号均匀分布取样则是干涉仪自校准的关键。
3) Imbalanced data distribution
样本非均匀分布
4) non-uniformly distributed data
非均匀分布样本
1.
This paper transfers non-uniformly distributed data into uniformly-distributed data using grouping median method such that the design and application of orthogonal wavelet network can be completed on the grid structure.
本文采用分组中值法对非均匀分布样本进行均匀化处理 ,使正交小波网络的设计和应用能够在网格系上进行 ;然后 ,采用分频段加权技术以便和系统设计相配合 。
5) nonuniform sampling
非均匀取样
1.
A two dimension nonuniform sampling image coding scheme which is based on two dimension nonuniform sampling DCT is presented.
本文根据二维离散余弦变换的性质,由一维非均匀取样的 D C T 变换推导出了二维非均匀取样的 D C T变换,并基于此提出了一种二维非均匀取样的图像编码方案。
2.
A nonuniform sampling DCT method is introduced, in which, the sampling points are chosen as zeros of Nth degree Chebyshev polynomials of the first kind.
本文先介绍了基于第一类Chebyshev多项式的第N次多项式的零点作为取样点的非均匀取样的DCT变换方法。
6) uniform distribution
均匀分布
1.
Evaluation of the interval point on uniform distribution;
均匀分布区间(1-q)a+qb点的估计
2.
Estimate of the interval midpoint on uniform distribution;
均匀分布区间中点的估计
3.
Evaluation of the interval centre on uniform distribution;
均匀分布区间中心的估计
补充资料:均匀分布
均匀分布
uniform distribution
均匀分布(山心谊m业州加血n;paauoMep“oe pac“pe‘皿e邢H“e],在数论中亦称一致分布 一类概率分布的统称,由“等可能结果”的思想到连续情形的推广引起.如同正态分布(加m旧1此-trib丽on)一样,概率论中均匀分布在某些问题中作为确切分布,在另一些问题中作为极限分布出现. 在直线的一个区间上的均匀分布(矩形分布).在区间【“,b],“。,其特征函数为 。(r卜-2一一一。!!”一。,!·、. 诬以D一a) 在10,11上均匀分布的随机变量可由独立随机变量序列X.,XZ,…,以概率l/2取O和1,通过令 x=艺XnZ一” 月~l来构造(X。是X的二进制展开中的数字).随机数X是在【0,11上均匀分布的.这一事实有着重要的统计应用,例如见随机数和伪随机数(mndom an(1哪eudo·。ndom 11山刀比招). 如果两个独立随机变量X,和戈遵从【o,l]上的均匀分布,则创门的和遵从〔O,2]上的所谓三角分布(tnallgthard后颐bLIt幻n),其密度uZ(x)=l一11一x{,对x任10,21;。2(x)=O对x举兀o,21.三个遵从10,1]上均匀分布的独立随机变量和遵从【O,3]以上 扩xZ_/ }二兰-,O蕊x<1. }今 }天-一J瓜X一lj一,/、 }~全一一一二立二立一生二-.1落x<2.〔r,IX万=( }二匕一一‘二生之一一止2一二一匕立二二一一之止-,K,丈飞 t”,x,:u,。J.为密度的分布.一般地,遵从汇O,11上均匀分布的独立变量和X,+二+戈具有密度 l咨,,、‘「nl, “《X,二—2吸一1】『{_{‘X一k,’: 又n一i):k”。LKJ对0(x成n;u。(x)=O,对x必[0,。l;此处 r 9.了>0. 七o,:簇0.当n~的时,和x,+…+x。,在其数学期望。/2处中心化,用标准差、气雨进行尺度变换(即(‘、+…十x。一。/2)/习f万7丽)下趋向于参数为。和1的正态分布(对。=3其近似程度对许多实际问题已经令人满意). 在统计应用中构造具有给定分布F的随机变量的过程基于以下事实:设随机变量Y在10,l]上均匀分布,设分布函数F是连续的且严格递增,则随机变量x之F一‘Y具有分布函数F(在一般情形必须将x定义中的反函数F一’(y)代之以它的一个类比,即令F一’(,)二inf{x:F(x)(夕簇F(x+O)}). 作为极限分布的区间上的均匀分布.下面给出一些由极限产生的〔O,l]上均匀分布的典型例子: l)设X、,XZ,…是具有同样连续分布函数的独立随机变量,则创门的和s。,取模1,即和s,的分数部分{S。
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