1) splitting sample set
样本集分割
2) sample segmentation
样本分割
1.
The mathematic models of the support vector computation complexity and the sample segmentation subset amount were established,the optimum choosing method of the subset amount was gi.
提出快速高光谱图像异常检测支持向量数据描述方法,该算法通过样本分割有效降低求取支持向量的计算量。
3) sample separation unknown
样本分割信息
1.
Simulation methods are proposed to deal with multimarket disequilibrium model with sample separation unknown.
将模拟方法引入到无样本分割信息的多市场非均衡计量经济模型中 ,建立起多市场非均衡模型的 GHK模拟极大似然法 ,并通过仿真实验说明了该模拟方法的有效性 。
4) Split-sample testing
样本分割实验
5) unclassifiable sample set
不可分样本集
1.
Least Squares Support-Vector-Machines(LS-SVM) algorithm is an efficient project about pattern classification on unclassifiable sample set condition.
最小二乘支持向量机(LS-SVM)是处理不可分样本集情况下模式分类的有效工具,但是该算法在处理很多实际分类问题时,表现出了一定的局限性。
6) optimal parting of ordered sample
有序样本最优分割
1.
Using factor analysis and optimal parting of ordered samples,this paper evaluates the three basic targets of commercial bank operation: profitability,liquidity and security.
运用因子分析方法、有序样本最优分割方法等统计评价方法,对我国14家商业银行的三性指标作了综合评价。
补充资料：Dedekind分割
Dedekind分割
Dedekind cut
D日加脑目分割[D汕如目cut;皿e八eKou皿。即ee，e。。e]，分割(cut) 把实数集R(或有理数集Q)分割成两个非空集合A和B，其并为R(或Q)，并使得对任何a6A和be及都有a
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