Cтраница 1
Вектор признаков, в котором компоненты разбиваются границами ячеек памяти. [1]
Векторы признаков, полученные по каждой из 383 электрокардиограмм, классифицировались с помощью статистических решающих правил - линейной дискриминант-ной функции и квадратичной дискриминантвой функции. [2]
Вектор признаков, характеризующий результат операции повторного цементирования, состоит из управляемых и неуправляемых факторов. Технолог должен при известных значениях неуправляемых факторов подобрать значение управляемых таким образом, чтобы результат операции был успешным с наибольшей или наперед заданной степенью вероятности. [3]
Вектор признаков штриха получается как арифметическая сумма векторов этого нового множества. Таким образом, вектор признаков показывает, где штрих начинается и сколько раз он пересекает каждую из внутренних границ ( две вертикальные и две горизонтальные) упомянутого выше прямоугольника. [4]
Для каждого вектора признаков х е queryс ставим метку класса х: Oracle ( x) временно принимаем, что узел С является листом Используем Sc и queryc для определения метки класса для С. [5]
Каждый фактор векторов признаков fit, обучающей выборки скважин кодируется по следующему правилу. Присутствие фактора каждого из объектов на z - й градации кодируется единицей, а отсутствие - нулем: поэтому в закодированном виде объект характеризуется столько раз набором 1 и 0, сколькими классами он представлен. Необходимо отметить, что под ближним соседом понимают объект, для которого число, характеризующее количество совпадений в кодах двух объектов, имеет максимальное значение; при этом два объекта, ближайшие по классу, например k, могут не быть таковыми относительно других классов. [6]
Это свойство позволяет эффективно сравнивать векторы признаков, что указывалось выше. [7]
В этих случаях несколько компонент вектора признаков можно записать в единой ячейке памяти, сопоставляя каждой компоненте зону длины, достаточной для записи любого ее значения, которое она может принять. [8]
![]() |
Сводка наблюдений. [9] |
Первые в дальнейшем будем называть вектором признаков состояния объектов, и в его состав могут входить как количественные, так и качественные характеристики. В качестве выходных переменных служат сведения, составляющие цель проводимых наблюдений, и они образуют вектор выходных переменных. [10]
До сих пор предполагалось, что вектор признаков х может быть любой точкой d - мерного евклидова пространства. [11]
Задача несколько упрощается в случае, когда распределение вектора признаков хг зависит от соответствующего состояния природы со ( i) и не зависит от других векторов признаков и состояний природы. [12]
Авторами разработан эффективный алгоритм распознавания сигналов, сокративший избыточность формируемого вектора признаков при известном сохранении чувствительности к изменению спектра. [13]
Задача состоит в указании принадлежности входного образа, представленного вектором признаков, одному или нескольким предварительно определенным классам. К известным приложениям относятся распознавание букв, распознавание речи, классификация сигнала электрокардиограммы, классификация клеток крови. [14]
Наиболее изученным является случай, когда известно, что распределения векторов признаков в каждой совокупности нормальны, но нет информации о параметрах этих распределений. [15]