1) multimodal distribution
多峰分布;多重模态分布
2) multimodal distribution
多重模态分布
3) multimodal distribution
多峰分布
1.
The shape changing feature of conditional distributions makes the HMDAR model capable of modeling time series with asymmetric or multimodal distribution.
HMDAR模型分布形式的灵活性使得它能够对具有非对称或多峰分布的序列进行建模。
2.
The varied feature of conditional distributions makes the HMDAR model capable of modeling time series with asymmetric or multimodal distribution.
HMDAR模型条件分布富于变化的特征使它能够对具有非对称或多峰分布的序列进行建模,将HMDAR模型应用于几个模拟和实际数据集均得到了较为满意的结果,特别是对波动较大的序列,HMDAR模型能比其他模型更好地捕捉到数据序列的特征。
4) multi-modal distribution
多模态分布
1.
Since the data samples in machine learning and pattern recognition problems generally distribute in multi-modal distribution, this thesis proposed a prototype based feature ranking model.
由于模式识别、机器学习等问题的复杂性比较高,数据分布通常呈现多模态分布。
6) multimodal probability distribution
多重模态概率分布
补充资料:单峰分布
单峰分布
ummodal distribution v!i single- peak distribu-
单峰分布【山‘m“加1由st汕浦叨或Sjl堪le一peak distribu-tion;y““MO八幼‘Hoe paCnpe皿e,eHHe」 直线上的概率测度(probability measure),对某一实数a,其分布函数F(x)当x“时为凹.此时数a称为众数(nlede)或峰值(peak),一般而言不是唯一确定的;说得更精确些,一给定单峰分布的众数的集组成一个可能退化的闭区间. 单峰分布的例子包括正态分布(norn迢1 distribu-tjon),均匀分布(uniform distribtltion),Ca川出y分布(Cauc场distribution),St回曰t分布(Student distri-butibn)及xZ分布(“c场一sq~d”dist石b丽on).A.只.xHHH皿([1」)得到了如下的单峰性准则(~-由五勿criterion):函数f为一众数为O的单峰分布的特征函数(characteristic ftmetion),其必要充分条件是 ,(才卜告丁,〔u)、·,f(o)一1, 0其中价是一个特征函数.用分布函数的语言,这个方程等价于 _、亡_/、、、 户(X,二l行l—.叹封. 若\u/其中F与G对应于f与势.换句话说,F为众数在零点的单峰分布,当且仅当它是两个独立随机变量之积,其中一个有仁O,11上的均匀分布(朋jform distri-b曲on). 对于一个给定其特征函数的分布(例如稳定分布(s table distribution”,其单峰性的证明是一个困难的分析问题.表示一个给定分布为单峰分布的极限这种似乎是自然的方法并不能达到此目的,因为一般两个单峰分布的卷积并不是单峰分布(虽然对于对称分布,单峰性在卷积下是保持的;而在一个长时期总认为一般也应是如此).例如,如果F是一个在5/6处有大小为1/6的原子及密度 「1 .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