1) Segment Feature Vector
基元段特征矢量
1.
F_0～t Transformation From source Speaker To Target Speaker Based on Segment Feature Vector and GMM;
实验表明,基于基元段特征矢量和GMM的转换方法具有很好的效果。
2) gray level vector of pixels
像元特征矢量
3) eigenvector
['aiɡən,vektə]
特征矢量
1.
In multibody system dynamics,the orthogonality of eigenvector is the precondition to solve the dynamic response of system using the classical modal analysis methods.
特征矢量的正交性是用模态方法求解多体系统动力响应的前提条件。
2.
The continuous eigenvector sample data of disturbance signal is extracted by wavelet transform and then dispersed by fuzzy C-means clustering algorithm to achieve a rule table of classification knowledge.
首先,利用小波变换提取扰动信号的特征矢量样本数据;然后,应用模糊C均值聚类的方法将所提取的连续的特征矢量样本数据离散化,得到离散化后的分类知识规则表;最后,采用粗糙集理论中的属性与属性值约简算法,获得判断电能质量分类的核心规则知识。
3.
Because of the huge datasheet required by normal method, abundant calculation amount in Eigenvector improved method and not accurate enough coefficients in Walters improved method, we proposed a more simple and convenient method th.
计算显色指数是一个烦杂的过程,比较了三种计算光源显色指数的方法,鉴于标准的计算显色指数的方法需要庞大的数据表,特征矢量法引入的大量计算,和沃尔特斯法中拟和系数不准确性等等缺点,通过对这几种方法的综合得到一种更简便易行的计算方法。
4) characteristic vector
特征矢量
1.
Characteristic pickup,followed by the computation of n hydrocarbon characteristic indicators,which are used to forrn n-dimensional characteristic vector.
在一个剖面段上，先作预处理、压制噪声、各类校正、去掉与目的层无关的影响；然后进行特征拾取，计算出能反映其含油气性的n个特征量，组成n维特征矢量；最后由分类器计算出对这个n维特征矢量进行分类的判别函数的值。
2.
The authors mainly calculate characteristic root and characteristic vector of some normal polarizer s Jones matrix.
主要计算了一些常用偏振器件Jones矩阵的特征值和特征矢量 ,并指出了特征值和特征矢量的物理意义 。
3.
The spectrum of testing signal for the spot weld test is analyzed and the characteristic vector which can indicate the characteristics of the signal spectrum of ultrasonic signals for spot weld is obtained.
由这些检测特征值构成超声特征矢量,结合BP神经网络的模式识别功能对点焊直径进行精确分类与识别。
5) feature vector
特征矢量
1.
Under the conditions of preserving the meaning of the sample document, a feature vector which can best reflect the content of the sample document and is comparatively brief is found.
采用演化计算方法,对初步得出的文档矢量做进一步的优化处理,在保证原文含义的基础上,找出最能反映样例文档内容,又比较简洁的特征矢量,并提出新的适应值函数。
2.
The feature vector of a fingerprint is formed by these average values in order.
该方法充分利用了不同类型指纹方向场的结构特点,将指纹图像方向场中反映指纹全局特征的区域(感兴趣区域)分成许多小扇区,将扇区内所有像素方向的平均值作为该扇区的特征值,并将其按一定顺序排列起来构成一枚指纹的特征矢量。
3.
A human face recognition algorithm based on the Hidden Markov Model (HMM) is presented For normalized face image,the algorithm extracts onedimensional human face feature vectors in 2DDCT.
对归一化的人脸图像 ,该方法 2D DCT变换域提取人脸图像的一维特征矢量。
6) vector trait
矢量特征
1.
Settlement observation results should be classified into settlement observation report in accordance with the requirement of the inspection result,what s different is that there should be necessary pictures in the report to describe the vector trait of data.
沉降观测成果图表应有行业规范统一的、适用于微机处理图文信息资料的格式范例;沉降观测成果按检验结果要求归类应为沉降观测报告,不同的是该报告组成部分有必要的示图来描述数据的矢量特征。
补充资料：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。
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。
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