1) laplacian-like window function
类拉普拉斯窗口函数
2) the Laplacian classifier
拉普拉斯分类器
1.
The experimental results in several benchmark datasets indicate that the proposed TILC achieve higher classification accuracy and stable than the Laplacian classifier and standard support vector machine(SVM).
针对拉普拉斯分类器的核参数选择问题,通过首先假设窗的三个估计中核参数取不同的值,然后运用智能遗传算法对核参数进行优选,得到一种新的分类器——智能拉普拉斯分类器。
3) Laplace series
拉普拉斯级数
1.
There exist many methods for proving the convergence of the Laplace series [1-3] .
拉普拉斯级数的收敛性有多种证明方法[1 - 3 ] 。
2.
The generalized Riesz summability operators of Laplace series are introduced.
引进了拉普拉斯级数的广义黎斯可和算子。
3.
The uniform approximation of the partial sums for Laplace series is discussed.
讨论了拉普拉斯级数的部分和的一致逼近。
4) Laplacian coefficient
拉普拉斯系数
1.
The Wiener index of a n-vertex tree T is epual to the(n-2)nd Laplacian coefficient,W(T)=C_(n-2)(T).
因此那些有相同的Wiener指数的树可能得用其他拉普拉斯系数来排序。
5) the Laplacian Estrada index
拉普拉斯Estrada指数
1.
According to the definition of the Laplacian Estrada index and the properties of iterated line graphs of regular graphs,it deduces expressions for the Laplacian Estrada index of iterated line graphs of regular graphs.
根据图的拉普拉斯Estrada指数的定义和正则图多重线图的性质,得到了正则图多重线图的拉普拉斯Estrada指数的表达式。
6) Laplace
[英][lɑ:'plɑ:s] [美][lə'ples]
拉普拉斯
1.
Who Established Bayesian Schools?Bayes or Laplace?;
谁开创了贝叶斯学派?——对拉普拉斯1774年一篇文章的回顾
2.
This paper is a review for Wang Youjun\'s work A Historical Research on of Laplace\'s Theory of Probability.
王幼军的《拉普拉斯概率理论的历史研究》是中国第一部概率论史研究专著。
补充资料：函数逼近，函数类的极值问题
函数逼近，函数类的极值问题
ions, extremal problems in function dasses approximation of ftinc-
】f，r，(r’)一f(r，(r‘’)}《M】r’一r“}“(r’，，“。I一1，!])的f任Cr!一1，l]组成的函数类，则对于n一1次代数多项式子空间贝了在!一1，l]上所作的最佳一致逼近，下列关系式成立: 悠二E‘MH。，”‘”)‘一粤，‘6) ，、_一二，二，，，，、~刀、M，二、。，，r，、忽”厂‘““‘M附rH“，贝:’‘一誉{’·‘万一‘’‘““‘，‘7， r=l，2，…，将这些结果与周期情形下的相应结果进行比较是有所裨益的.当，=1时，(6)，(7)的右端分别等于M凡和M人r+1.如果放弃对最佳逼近多项式的要求，那么就可以获得较强的结果，这些结果实质上改善了在!一1，l]端点处的逼近并保持了整个区间上的最佳渐近特征.例如，对任何f6MH‘，存在代数多项式序列Pn以t)任灾矛，使得当n~的时，下列关系式在t6!一1，l]上一致成立:、f(!)一。。，‘)、·:{{;杯}“二‘一，!- =E(MHa，哭聋)。【(l一tZ)a·‘2+o(l)1.对M评百，(r=1，2，…)也有类似的结果(见【川).关于(最佳及插值型)样条逼近给定在区间上函数类的问题，若干精确及渐近精确的结果(主要是对于低阶样条)已公诸于世(见1151). 就(积分度量下的)单边逼近而言，关于上述函数类用多项式和样条进行最佳逼近的误差估计也已得到了一系列精确的结果(见【14]).在推导这些结果的过程中，实质上利用了最佳逼近在锥约束下的对偶关系. 对给定的函数类叨，寻求其(固定维数的)最佳逼近工具将导致确定所谓的宽度(widih)问题，亦即确定(参考(l)，(3)) 心(，之，幻=运fE(叭，贝，)x， 贝即 d沁(叭，X)==运f者(叭，叽、)，， 田阳(其中下确界取自X的所有N维子空间灾N(及其平移))，以及确定实现这些下确界的(最佳)极子空间问题.心与d万的上界可由E(叨，灾)x和g(叭，叭)x分别给出，对于具体的子空间贝，来说，E(绷，灾)x和扩(绷，哭N)x是已知的.宽度问题中的主要困难是获取下确界.在某些场合下，可借助于拓扑中的Borsuk对映定理丈见18』)而得到这些下确界.在用(。一1阶三角多项式)子空间，荔一，或(关于结点人司。亏数为1的。阶样条)子空间s皿解决函数类M吼及周期函数类wrH“的最佳逼近问题时，已知的上确界E(叭，巩、)x几乎在所有的情况下同时也就是这些函数类的心值.此外，对周期函数类还有姚。一1=姚。.特别有(见[7]，【8]，【1 51，【16」)dZ，l(附妥，C)=dZ。(W蕊，C)二dZ。一(W下.L一)= =dZ。
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