特征选取,feature selection
1)feature selection特征选取
1.Fouling soft-sensing in condenser based on feature selection and multiple RBF neural network;基于特征选取与多RBF神经网络的冷凝器污垢软测量
2.Improved feature selection method and TF-IDF formula based on word frequency differentia;基于词频差异的特征选取及改进的TF-IDF公式
3.Feature Selection, Classification and Decision in Image Fusion;图像融合中的特征选取及分类与决策
英文短句/例句

1.Feature Selection for Transient Stability Evaluation in Power System;电力系统暂态稳定评估中的特征选取
2.Topic based Sentimental Feature Selection Method for News Comments面向话题的新闻评论的情感特征选取
3.Fault diagnosis in TE process based on feature selection via second order mutual information基于二阶互信息特征选取的TE过程故障诊断
4.The Application of Feature Extraction and Selection in Handwritten Digit Recongnition;特征提取和特征选择在手写数字识别中的应用
5.The key operation of data preprocessing is feature selection and extraction.数据预处理的关键是特征选择和提取。
6.Study on Features Selection for Text Categorization面向文本分类的特征词选取方法研究
7.Feature Extraction and Selection of Tong Color and Fur Color in Digital TCM Tong Image数字舌图的舌色苔色特征提取和选择
8.Documents Sampling Based on Feature Selection and Condensing Techniques基于特征选择及Condensing技术的文本取样
9.Research on Choosing Feature Block in Block Matching Algorithm块匹配算法中特征块的选取方法研究
10.Facial Expression Feature Extraction and Selection on RgPCA基于RgPCA的表情特征提取与选择
11.The Application of Feature Selection Methods in Variables Selections For Credit Scoring Models;特征选择方法在信用评估指标选取中的应用
12.Feature Extraction and Personalized Feature Selection for Online Signature Verification用于在线签名认证的特征提取和个性化特征选择方法
13.Some Results of SVM Parameter Selection Based on Feature Space Theory;基于特征空间理论的几种SVM参数选取结果
14.Research on Characteristic Parts Selection and Recognition of 2-D Skull Image;二维颅骨图像特征部位选取及识别技术研究
15.The Research of Gastric Cancer Feature Genes Selection Based on Gene Expression Data基于基因表达数据的胃癌特征基因选取研究
16.A Research of Feature Selection on Emotion Recognition from Electrocardiography Based on Evolutionary Algorithm进化算法在选取ECG信号情感特征中的研究
17.Features For Directional Protein-Protein Interaction Extraction蛋白质相互作用有向关系抽取的特征选择
18.Flotation froth image texture extraction method based on fuzzy texture spectrum基于模糊纹理谱的浮选泡沫图像纹理特征提取
相关短句/例句

feature extraction特征选取
3)extraction feature选取特征
4)feature pixels selection特征点选取
5)Terms Reduction特征项选取
6)Augmented Variance Ratio(AVR) feature selectionAVR特征选取
延伸阅读

偏微分算子的特征值与特征函数  由边界固定的膜振动引出的拉普拉斯算子的特征值问题:是一个典型的偏微分算子的特征值问题,这里x=(x1,x2);Ω是膜所占据的平面区域。使得问题有非平凡解(非零解)的参数λ的值,称为特征值;相应的解称为特征函数。当Ω有界且边界嬠Ω满足一定的正则条件时,存在可数无穷个特征值,相应的特征函数ψn(x)组成l2(Ω)上的完备正交系。乘以常因子来规范ψn(x),使其l2(Ω)模为1,则Ω上的任意函数??(x)的特征展式可写为:当??可以"源形表达",即??满足边界条件且Δ??平方可积时,展式在Ω一致收敛。当??平方可积时,展式平方平均收敛,且有帕舍伐尔公式:      对膜振动问题的认识还是相当有限的。能够精确地知道特征值的,只限于矩形、圆盘等少数几种非常简单的区域。对椭圆和一般三角形的特征值精确值,还几乎毫无所知。其他情形就更谈不上了。    将不超过 λ的特征值的个数记为N(λ)。特征值的渐近分布由N(λ)对大 λ的渐近式来刻画。这方面最早的结果是(C.H.)H.外尔在1911年得到的(外尔公式):  式中表示Ω的面积。R.库朗将余项改进为。对于多角形区域,又有人将余项改进到。各种情况下改进余项估计的工作至今绵延不绝。外尔猜测有一个更强的结果:式中|嬠Ω|是区域边界之长,但尚未被证出。    与此密切相关的是下面的MP公式:(t→+0)  取一个渐近项时,用陶伯型定理可由它推出N(λ)的外尔公式。第二渐近项与外尔猜想非常相象,但由此证不出外尔猜想。第三项迟至1966年才被M.卡茨导出,后来由H.P.麦基恩与I.M.辛格严格证明,其中h表示鼓膜Ω的洞数。    特征值与膜振动频率有一个直接的换算关系,M.卡茨据此给MP公式一个非常生动的解释:可以"听出"鼓膜的面积|Ω|、周长|嬠Ω|和洞的个数h!由于1-h恰巧是Ω的欧拉-庞加莱示性数,是整体几何中颇受重视的一个不变量,"听出鼓形"或"谱的几何"问题立即引起人们的强烈兴趣,并导致一系列重要的研究。不过一般的特征值反问题,要求从特征值的谱完全恢复Ω,还远远没有解决。    用陶伯型定理得出N(λ)渐近式的方法,由T.卡莱曼于1934年首创,他还得到谱函数的渐近式:(λ→∞),式中δxy当x=y时为1,当x≠y时为0。    上述关于拉普拉斯算子的结果,由L.戈尔丁和F.E.布劳德推广到 Rn的有界区域Ω上的m 阶椭圆算子。尽管推算繁杂,但结果十分简单整齐:;;式中 v(x) 表示集合{ξ||A0(x,ξ)|<1}的勒贝格测度,而是A的最高阶导数项相应的特征形式。特征展开定理亦由L.戈尔丁得出。    对于奇异情形,例如薛定谔方程 的谱问题,可以证明存在谱函数S(x,y,λ),特征展式为。由于可能出现连续谱,S(x,y,λ)一般不一定能写成前述特征函数双线和的形式。判定奇(异)微分算子谱的离散性是很有意义的工作。已经出现各种充分条件。不过关于特征值与特征函数渐近性质的研究,还只是限于少数特例。    在处理‖x‖→∞ 时V(x)→∞的情形,M.卡茨与D.雷等人曾创造了一种系统的概率方法,其中借助数学期望表出格林函数,有效地求出谱函数与特征值的渐近式:   。    当算子A的系数不光滑,或非一致椭圆,或非自共轭,以及边条件带特征参数或带非定域项等等情形,都出现不少研究结果。还有人考察Au=λBu型的特征值问题,这里A、B都是椭圆算子。    除上述问题外,特征展式的收敛性与求和法也一直受到人们的关注。