特征向量

conformal transformation

共形变换

首先,讨论了支持向量回归(support vector regression,SVR)的基本原理.然后,从信息几何的角度分析了核函数的几何结构,通过共形变换(conformal transformation)构建与数据依赖(data-dependent)的核函数,使得特征空间在支持向量附近的体积元缩小,

EIS process

环境影响评价过程

eigenvector 特征向量 | EIS process 环境影响评价过程 | electric mail;e-mail 电子邮件

elementary matrix

初等矩阵

eigenvector basis 特征向量的基 | elementary matrix 初等矩阵 | elementary row operations 行初等变换

isoperimetric

等周

为此,提出一种基于图论的等周(Isoperimetric)进分割算法. 该算法使用解线性方程的方法代替解特征向量的方法、用4-邻接的方法代替全连接,避免了复杂的空间滤波. 该算法运用到岩心图像分割中,提高了分割的效率,取得了较好的分割效果.

orthogonality

正交

我个人觉得,学习线性代数,最重要的不是去熟练矩阵运算和解方程的方法--这些在实际工作中MATLAB可以代劳,关键的是要深入理解几个基础而又重要的概念:子空间 (Subspace),正交(Orthogonality),特征值和特征向量(Eigenvalues and eigenvectors),

Sign test

符号测验

eigen vector 特征向量 | sign test 符号测验 | t test t 测验

Spectrum

谱

熟悉线性代数的朋友知道,代数中一个很重要的概念叫做"谱"(Spectrum). 一个矩阵的很多特性和它的谱结构--就是它的特征值和特征向量是密切相关的. 因此,当我们获得一个图的矩阵表达之后,就可以通过研究这个矩阵的谱结构来研究图的特性.

subspace

子空间

我个人觉得,学习线性代数,最重要的不是去熟练矩阵运算和解方程的方法--这些在实际工作中MATLAB可以代劳,关键的是要深入理解几个基础而又重要的概念:子空间 (Subspace),正交(Orthogonality),特征值和特征向量(Eigenvalues and eigenvectors),

cond

(逆)条件数

compose 求复合函数 | cond (逆)条件数 | condeig 计算特征值、特征向量同时给出条件数

Riemannian geometry

黎曼几何

实分析( Real Analysis)中的测度(Measure)是几何学中长度、面积、体积概念的推广;泛函分析中的谱(Spectrum)是线性代数(Linear Algebra)中特征向量(Eigenvector)概念的推广;黎曼几何(Riemannian Geometry)中的度规 (Metric)是平面解析几何中两点距离公式的推广,

photoperiodic response：光周期响应

photoperiodic induction 光周期诱导 | photoperiodic response 光周期响应 | photoperiodism 光期性

Multi-Variate Statistical Analysis：多元统计剖析

311. 多项距阵 Multi-Nominal Matrix | 312. 多元统计剖析 Multi-Variate Statistical Analysis | 313. 发电厂 Power Plant