说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 随机变量投影
1)  Random linear operators
随机变量投影
2)  random projection
随机投影
1.
Method of image reconstruction based on very sparse random projection;
基于非常稀疏随机投影的图像重建方法
2.
Random Projection Based Clustering Method of Parallel Data Streams
基于随机投影的并行数据流聚类方法
3.
In this paper,sub-Gaussian random projection is introduced into compressed sensing(CS) theory and two new kinds of CS measurement matrix:sparse projection matrix and very sparse projection matrix are presented.
将亚高斯随机投影引入可压缩传感CS(compressed sensing)理论,给出了两种新类型的CS测量矩阵:稀疏投影矩阵和非常稀疏投影矩阵。
3)  variable drop
变量投影
4)  projective invariant
投影不变量
1.
An object tracking algorithm based on planar projective invariants is proposed,in which the values of invariants for object modeling and tracking are calculated with lines extracted from images.
提出了一种基于平面投影不变量的目标跟踪算法。
2.
The cross ratio of volume elements is shown as projective invariant after the spatial projective transformation is properly introduced.
从引入空间投影变换的概念入手,证明了体积之交比为一般的投影不变量,从而将其作为描述物体的度量。
3.
Projective invariants are independent of viewpoints, intrinsic and extrinsic camera parameters and common used in computer vision gradually.
投影不变量具有与视点和摄像机内外参数无关等优点 ,正逐渐成为计算机视觉研究的常用工具。
5)  projective invariants
投影不变量
1.
The proposed method of recovering field of view lines by using projective invariants does not rely on the object movement in the scene and does not require information about camera parameters.
根据投影不变量FOV线生成法,在生成视野边界线时不依赖于场景中目标的运动,并且不需要摄像机参数的信息。
2.
Recently,projective invariants method is used to handoff object,but it will make mistakes in the case of multiple objects appear closely.
近年来,出现了利用投影不变量,计算目标在相邻摄像机中的投影位置来进行目标交接的方法,取得较好效果。
6)  random variables
随机变量
1.
A class of local convergence theorems for the sequence of random variables;
关于一类随机变量序列的局部收敛定理
2.
A conclusion of exchangeable random variables;
有关可交换随机变量序列的一个结论
补充资料:水文随机变量
      受随机因素影响,遵循统计规律变化的水文变量。水文随机变量在未来任一时刻出现的数值无法准确预测,但能以分布函数(或等价的概率密度函数)来反映其统计规律性,也就是表示其各种数值出现的可能性。分布函数的形式,可根据资料按水文统计学的有关原理和方法予以确定。分布函数与概率密度函数则有如下关系:
  
  式中x为随机变量;F(xp;)为分布函数; f(t;θ)为概率密度函数;为x大于或等于xp这一事件出现的概率;xp称为x的p分位数,或超过概率为p的设计值。上式常以图形的方式表示,称为频率曲线(见图)。
  
  
  确定水文随机变量的分布函数及其所含的参数,是研究水文随机变量的主要目的。水文学中常用的分布函数有以下几种:皮尔逊Ⅲ型分布、对数皮尔逊Ⅲ型分布、对数正态分布、 概化极值分布、 韦克贝分布、克里茨基-门克尔分布等。在中国主要使用皮尔逊Ⅲ型分布。其概率密度函数如下:
  
  x≥α γ0
  式中α、β、γ 为待估参数;Γ(γ )为伽玛函数。三个参数α、β、γ 与随机变数 x的三个主要数字特征值(数学期望Ex、方差σ婌、偏态系数Cs)有一定的关系,可相互推求。这种情况对其他分布也是如此。不过不同的分布,参数与特征值之间的关系不同而已。在参数估计时,有的方法,如极大似然法,是先估计参数α、β、γ ,然后由有关公式可求得相应的Ex、Cv(离势系数)与Cs;有的方法,如矩法或适线法,是先估计出Ex、Cv及Cs,需要时,可由有关公式求出相应的参数值。
  
  确定水文随机变量分布函数的形式,除用上述假设检验的方法外(见水文统计学),还使用导出分布的方法,即考虑水文变量的物理性质并做若干假定,再经推导而得。其中又可分为依据事件的模型和联合概率的模型。由于问题复杂,为便于推导而作的假定常与实际情形相差较远,故此种途径尚处于研究阶段,有时可在缺乏资料的小流域上应用。
  
  

参考书目
   V.Yevjevich, Probability and Statistics in Hydrology,Water Resources Publications,FortCollins,Colorado,1972.
  

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