去相关造句

造句与例句手机版

点击后会带你去相关的连接上。
立体声回波对消中的去相关方法研究
去相关的网站查查看吧.我的想法和你一样
我个人喜欢圣彼得堡音乐学院!可以去相关官网看看
实验证明，该方案的确能够正确、有效模拟干涉sar成像固有的基线去相关效应。
过去相关研究经常将该问题简化为租赁市场供需问题，或是教育问题来检讨，认为只要增加市场供应量，并要求校方增建宿舍和提高教育部补助即可解决。
Osd处理过程包括排序、整数ldl ~ t分解和模糊度筛选，该算法的去相关处理过程，是以降低协方差矩阵的条件数为准则。
经由过去相关之文献，本研究认为个体运用特定影响策略可能与三类前因因素有关：主体、客观，以及系络之特徵。
但过去相关的计算模拟工作以及对多分布er流体等较为复杂的体系的理论研究通常都局限于点偶极矩近似。
4 )基于矩阵理论和z变换的约束条件，提出了一种性能优越的模糊度去相关算法?排序筛选去相关算法( orderingscreendecorrelation ? osd ) 。
用去相关造句挺难的，這是一个万能造句的方法
为了减小直达信号与反射信号间的相关性,先介绍了三种去相关的方法,再采用其中一种方法结合经典的music算法来做doa估计。
指出盲信号分离的不确定性表现为分离信号排序顺序的不确定性和波形幅度的不确定性， ica的基本估计准则：非线性去相关和最大化非高斯性。
它与流行的白化变换算法比较，处理效果近似，但运算量接近白化变换算法的一半，并且由于采用了模糊度筛选，故提高了模糊度去相关处理的可靠性。
和非线性去相关方法比较,最大非高斯估计的原理简单、实现灵活,其中基于负熵近似的快速不动点算法( fastica )已经成为当前最为流行的ica算法之一。
和基于非线性去相关( nonlineardecorrelation )原理的最大似然估计( maximumlikelihoodestimation , mle ) 、最小互信息( minimummutualinformation , mmi )等的多元ica估计不同,最大非高斯估计( maximumnongaussianityestimation )是典型的一元目标函数方法。
Mp算法建立了高光谱图像的线性模型,推导出了信噪比意义下的最佳预测系数,由于系数中包含了当前谱带的数据,因此经过mp算法去相关之后,残差图像的平均熵有所降低,同时信噪比提高很多。
6 ）研究了两种提高整周模糊度估计成功概率的方法，提出了一种提高整周模糊度估计成功概率的方法，该方法是在模糊度去相关变换过程中，根据各个模糊度估计的质量，对模糊度估计元素进行排序选择，选择那些估计精度高的模糊度估计元素继续进行模糊度去相关变换，通过数学分析和仿真证明了这样的处理过程可以得到较大的成功概率。
离散余弦变换( dct )是图像压缩中经常用到的正交变换编码技术，由于理论、算法和硬件相对成熟，去相关性好，适应人眼的视觉特性，计算量不大(没有复数计算) ，易于实现等优点， dct压缩编码的应用非常广泛。
预测技术是最简单的一种方法,它直接探索谱带与谱带之间的相关性,具有算法简单、易于实现的特点。预测技术充分利用图像的相关性,用已传输的值对当前值进行预测,然后对预测值与真实值的差即预测误差进行编码处理。预测产生的残余误差已被去相关,因而比较容易压缩。
针对最小生成树算法计算量大的缺点，构造近最小生成树算法，近最小生成树算法通过生成抽样图的最小生成树，通过图的扩展得到原始图像的近最小生成树，将其作为预测树对超光谱图像进行去相关处理。