1) subtraction of vectors
向量减法
2) Support Vector Data Description-Similarity Reduction
支持向量数据约减算法
3) decrement method
减量法
1.
By means of decrement method presented in GB5409-85 and rapid analysis the same sample was tested.
用GB5409—85规定的减量法与快速测定法测定同一份样品,通过对试验数据的收集、整理,再用数理统计中的F检验法和t检验法,检验全乳固体含量。
4) post-decrementing
后减量法
5) decremental algorithm
减量算法
6) normal vector
法向向量
补充资料：支持向量机方法
支持向量机(SVM)是90年代中期发展起来的基于统计学习理论的一种机器学习方法，通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下，亦能获得良好统计规律的目的。支持向量机算法是一个凸二次优化问题,能够保证找到的极值解就是全局最优解，是神经网络领域域取得的一项重大突破。与神经网络相比，它的优点是训练算法中不存在局部极小值问题，可以自动设计模型复杂度(例如隐层节点数)，不存在维数灾难问题，泛化能力强。
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