1) imputation
[英][,impju'teiʃən] [美][,ɪmpjʊ'teʃən]
超值向量
2) k-hypermonogenic function with vector value
k-超正则向量值函数
1.
A partial differential equations is introduced on the basis of the definitions of k-hypermonogenic function with vector value and the k-hyperbolically harmonic function,then the porperties of k-hypermonogenic function with vector value and their relations are discussed,at last a sufficient and necessary condition for the solvability of partial differential equations is obtained.
在k-超正则向量值函数和k-超调和函数定义的基础上,引入了一个偏微分方程组,然后借助这个偏微分方程组讨论了k-超正则向量值函数的性质及其与k-超调和函数的关系,最后给出了偏微分方程组可解的一个充分必要条件。
3) out of range value
超范围值;超量值
4) transfinite vectored rational interpolating function
超限向量值有理插值函数
1.
In this paper, a concept of the bivariate transfinite vectored rational interpolating function is presented.
文章首先提出超限向量值有理插值函数的概念,再据此给出了一种算法来构造各种形状的旋转曲面(含球面),其准线是(分段)Bézier曲线或其他平面连续曲线。
5) supervector
超向量
1.
In support vector machine(SVM) based text-independent speaker verification system,the traditional average supervector does not give enough information to discriminate the voices.
在采用支持向量机的文本无关的说话人确认中,针对传统的均值超向量特征区分性不够明显的情况,该文提出采用相对背景模型的权重更新量以及均值更新量形成超向量,用这个超向量作为支持向量机的特征函数,在线性核函数的情况下,能够取得优于均值超向量和传统的Gauss混合模型-通用背景模型(GMM-UBM)的方法。
2.
The GMM supervectors are used as the SVM input samples.
为了更好的将区分式分类方法应用于说话者确认系统中,该文提出了一种应用于支持向量机(supportvector machine,SVM)说话者确认系统的新型序列核,通过Gauss混合模型训练出每个说话人模型超向量作为支持向量机的输入样本,然后根据Gauss混合模型之间的Kullback-Leibler距离度量构造的SVM序列核函数对超向量进行训练和判决。
3.
The proposed algorithm can obtain better performance than the standard GMM mean supervector and the GMM_UBM system.
本文针对采用支持向量机的说话人确认中,提出采用相对背景模型的权重更新量以及均值更新量形成超向量,用这个超向量作为支持向量机的特征函数,在线性核函数的情况下,能够取得优于均值超向量和传统的GMM_UBM的方法。
6) hyper-Wiener vector
超-Wiener向量
1.
In the present paper we investigate the relationship between Wiener number W , hyper-Wiener number WW , Wiener vectors WV , hyper-Wiener vectors HWV , Wiener polynomial H , hyper-Wiener polynomial HH and distance distribution DD.
本文研究了图的Wiener指数W，超-Wiener指数WW，Wiener向量WV，超-Wiener向量HWV，Wiener多项式H，超-Wiener多项式HH和距离分布DD之间的关系。
补充资料：特征值和特征向量
| 特征值和特征向量 characteristic value and characteristic vector 数学概念。若σ是线性空间V的线性变换，σ对V中某非零向量x的作用是伸缩 ：σ（x）＝aζ ，则称x是σ的属于a的特征向量 ，a称为σ的特征值。位似变换σk（即对V中所有a，有σk（a）＝kα）使V中非零向量均为特征向量，它们同属特征值k；而旋转角θ（0＜θ＜π）的变换没有特征向量。可以通过矩阵表示求线性变换的特征值、特征向量。若A是n阶方阵，I是n阶单位矩阵，则称xI－A为A的特征方阵，xI-A的行列式 ｜xI－A｜展开为x的n次多项式 fA（x）＝xn－（a11＋…＋ann）xn-1＋…＋（－1）n｜A｜，称为A的特征多项式，它的根称为A的特征值。若λ0是A的一个特征值，则以λ0I－A为系数方阵的齐次方程组的非零解x称为A的属于λ的特征向量：Ax＝λ0x。L.欧拉在化三元二次型到主轴的著作里隐含出现了特征方程概念，J.L.拉格朗日为处理六大行星运动的微分方程组首先明确给出特征方程概念。特征方程也称永年方程，特征值也称本征值、固有值。固有值问题在物理学许多部门是重要问题。线性变换或矩阵的对角化、二次型化到主轴都归为求特征值特征向量问题。每个实对称方阵的特征根均为实数。A.凯莱于19世纪中期通过对三阶方阵验证，宣告凯莱-哈密顿定理成立，即每个方阵A满足它的特征方程，fA(A)＝An－(a11＋…＋ann)An-1＋…＋(－1)n｜A｜I＝0。 |
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