1)G(1,1)modelG(1,1)模型
1.Discussion on Self-sufficient Rate of Grain in China based on the Grey Series G(1,1)Model基于灰色数列G(1,1)模型的中国谷物自给率预测与分析
英文短句/例句
1.Discussion on Self-sufficient Rate of Grain in China based on the Grey Series G(1,1)Model基于灰色数列G(1,1)模型的中国谷物自给率预测与分析
2.Analysis of GM(1,1) Model Based on Linear Function Transformation and Establishment of Direct Discrete GM(1,1) Model一次函数变换GM(1,1)模型分析及直接离散GM(1,1)模型的建立
3.Preliminary Studies on the Model of Forecast in Population Size;人口规模预测的GM(1,1)模型应用初探
4.Optimization of grey model GM(1,1) based on fuzzy regression theory基于模糊回归理论的GM(1,1)模型优化
5.Time Sequence Forecasting Based on Fuzzy GM(1,1) Model基于模糊GM(1,1)模型的时间序列预测
6.The Optimization of Background Value in Non-Equidistant GM(1,1) Model;非等间距GM(1,1)模型背景值的优化
7.To Accomplish Gray Forecasting GM(1,1) Model Using the MATLAB;用MATLAB实现灰色预测GM(1,1)模型
8.Forecasting of the student intake of a certain college based on GM(1,1) model;基于GM(1,1)模型的某高校招生人数预测
9.Research on Test Method of NEGM(1,1) Forecast Precision;NEGM(1,1)模型预测精度的检验方法研究
10.Estimation Method of ARMA(1,1) Model with Missing Data;缺失数据下ARMA(1,1)模型的估计方法
11.Improving the Precision of GM(1,1) Model by Using Particle Swarm Optimization;提高灰色GM(1,1)模型精度的微粒群方法
12.Application of GM(1,1) Model in Forecasting the Steel Output;灰色GM(1,1)模型在预测钢产量中的应用
13.A GM(1,1) the Model for the Income Adisparity Forecast in China;中国收入分配差距预测的GM(1,1)模型
14.The study of selection for GM(1,1) background valuel;GM(1,1)模型背景值选取的探讨
15.The Gray GM(1,1) Model Applies to the Forecast of Regional Forecast Logistics Scale;区域物流量预测的灰色GM(1,1)模型应用
16.Application of GM(1,1) Model in Yantai Population Prediction;GM(1,1)模型在烟台市人口预测中的应用
17.Application of GM(1,1) in Prediction of Highway Freight Volume;GM(1,1)模型在公路货运量预测中的应用
18.Generalized Grey Model GGM(1,1) and Its Application;广义灰色GGM(1,1)模型与应用
相关短句/例句
G(1,1) modelG(1,1)灰色模型
3)grey GM(1,1)model灰色G(1,1)模型
4)GOM(1,1) modelGOM(1,1)模型
5)GM (1,1) modelGM(1,1)模型
6)GM(1,1) modelGM(1,1)模型
1.Improved GM(1,1) Model and Its Application改进的GM(1,1)模型及其应用
2.New type of data transformation and its application in GM(1,1) model一种新型数据变换技术及其在GM(1,1)模型中的应用
3.The application of Gray GM(1,1) model and Verhulst model in the forecast of farmland in the karst area——A case in Bijie ecological experimental area灰色GM(1,1)模型和Verhulst模型在喀斯特地区耕地预测中的应用——以毕节生态试验区为例
延伸阅读
"泛魔"识别模型 一种以特征分析为基础的图像识别系统。1959年B.塞尔弗里吉把特征觉察原理应用于图像识别的过程，提出了"泛魔"识别模型。这个模型把图像识别过程分为不同的层次，每一层次都有承担不同职责的特征分析机制,它们依次进行工作,最终完成对图像的识别。塞尔弗里吉把每种特征分析机制形像地称作一种"小魔鬼"，由于有许许多多这样的机制在起作用，因此叫做"泛魔"识别模型。这一模型的特点在于它的层次的划分。 "泛魔"识别模型系统的图像识别共有4个层次(见图)。第一层是执行最简单任务的"映象鬼"，它们只是记录外界的原始形象,正像视网膜获得外界刺激的映象;然后由"特征鬼"进一步分析这个映象。在分析过程中，每个特征鬼都去寻找与自己有关的图像特征。例如，在识别英文字母时，每个特征鬼负责报告字母的一种特征及其数量，如垂直线、水平线、斜线、直角、锐角，不连续曲线和连续曲线等；再由"认知鬼"接受特征鬼的反应，每个认知鬼都从特征鬼的反应中寻找与自己负责识别的图像有关的特征,发现了这种特征时,它就"叫喊"，发现的特征越多，"叫喊"声越大;最后,"决策鬼"根据许多"认知鬼""叫喊"声的大小，选择叫喊声最大的"认知鬼"的反应作为所要识别的图像。 例如在识别字母R时,"映象鬼"先对R进行编码,把信息传递给"特征鬼"作进一步加工,这时会有5个"特征鬼"分别报告图像所包括的一条垂线、两条水平线，一条斜线,3个直角和一条不连续曲线。然后许多"认知鬼"则根据所报告的这些特征及其数量来识别是否是自己负责的字母。这时D、P、R鬼都会有反应，但P鬼只有 4个特征与其符合,并有一特征（斜线）与其不符合；D鬼只有3个特征与其符合,并有两个特征（斜线、直角）与其不符合；只有R鬼有5个特征与其符合,而且这5个特征又包括了R的全部特征，所以R鬼的叫喊声最大，因此"决策鬼"就很容易地作出选择R的决定。 "泛魔"识别模型对于相似的图形也可以分辨，不致混淆；对于失真的图形,如字母的大小发生变化时,识别也不致发生困难。以特征分析为基础的"泛魔"识别模型是一个比较灵活的图像识别系统。它可进行一定程度的学习，如"认知鬼"可逐渐学会怎样解释与它所负责的字母有关的各种特征；它还可以容纳具有其他功能的鬼。这个系统现在也被用来描述人的图像识别过程。
