2) feature independence
特征独立
1.
The operating principle,training and application of native Bayes classifier were discussed on the basis of the feature independence,and training the classifier,and application of the classifier.
首先在特征独立性假设的基础上,讨论了朴素贝叶斯分类器的原理,以及训练朴素贝叶斯分类器和应用朴素贝叶斯分类器进行分类的问题。
3) Children's view effect
独立美学特征
4) independent character
独立分配特征
5) independent feature extraction
独立特征抽取
6) independent Gabor feature
独立Gabor小波特征
1.
Based on the theorem of principal component analysis and independent component analysis,an algorithm of human face recognization combined independent Gabor features with face geometric features is proposed.
在主成分分析法(PCA)和独立成分分析法(ICA)等理论基础上,提出一种结合人脸几何特征和独立Gabor小波特征分析的人脸识别方法。
补充资料：独立性
独立性
independence
独立性冲词匕脚心田印;.e3“:e，MoeT‘1，概率论中的 概率论中最重要的概念之一有时用其他术语，如缤甘移卒‘李(statis咖independenCe)，噢坪秒辛‘啥(stoc扮始tic independe眠).从数学概率论(Pro恤b正tythcory)最初发展时期以来，就常常以假定事件、试验和随机变量是独立的作为普遍前提. 两个随机事件的独立性定义如下:设A和B是两个随机事件，P(A)，尸(B)是它们的概率，B在给定A发生之下的条件概率(印n山石训目pro比bility)定义为 尸(Br，)=卫丝。卫立， P(A)其中p(A门B)是A和B同时发生的概率.称事件A和B是独立的(的由户泊dent)，如果 尸(注门刀)=尸(通)尸(B).(l)若尸(A)>O，则等价于 P(B jA)=P(B).(2)这一定义的意义可以解释如下:在试验进行次数N很大的假定下，将(2)中的概率暂时看作相对频率，我们可以断定在所有N次试验中事件B的相对频率必等于它在事件A发生的那些次试验中发生的相对频率.于是，两个事件独立，是指一个事件的发生与另一个事件的发生之间没有可以辨别的联系.例如，事件“随机选择的一个人的姓以字母A打头”与事件“这同一个人将在下一次抽奖游戏中获得重奖”是独立的. n个随机事件A，，…，A。(n>2)独立的定义可以用几种等价形式表述.按其中一种表述，称这些事件是独立的，如果对任意m(2‘m‘n)和任意m个两两不同的自然数k.，…，k，簇n，事件Ak.，…，人，同时发生的概率等于它们的概率的乘积 p(Ak:自…门Ak.)“尸(Ak.厂·尸(人.).(3)因此，像前面一样，可以断言，在给定其他任意事件组发生的条件下，每一事件的条件概率等于它的“无条件”概率. 有时，除事件A，，…，A。独立(相互独立)的概念外，还考虑所谓的曹西独卒(p~加山体n山现c)的概念:这些事件中的任意两个事件，例如A，和凡 (i铸j)是独立的.事件的独立蕴含两两独立，但反之不真. 在概率的公理化结构建立以前，独立性概念不能以足够清晰的方式表达.正如A.A.Ma琳oB所说(【1〕，p.24):“在著名的理论问题中，独立事件概念也许被认为是十分清楚的，可是在另一些问题中，由于概率的基本观念的模糊，使这一概念也变得很模糊了”. 在公理化方法中，独立性最自然的定义如下:设(O，喊P)是某一概率空间(probab正ty sPace)，其中Q是基本事件集合，了是事件的。
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