1) Multi-source Trajectory
多信源弹道数据
3) multi-source data
多源数据
1.
Data organization of spatial data cube on multi-source data for digital city;
面向数字城市多源数据的空间数据立方体数据组织研究
2.
Analytical research of spatial data cube on multi-source data for digital city;
面向数字城市多源数据的空间数据立方体分析研究
3.
Use of multi-source data in national defence traffic mapping;
多源数据在国防交通图编制中的应用
4) multiple data sources
多数据源
1.
Approach to classification rule amalgamation based on multiple data sources;
基于多数据源的分类规则融合方法
2.
The Research of distributed layered network billing model for multiple data sources;
分布式多数据源层次化网络计费模型的研究与实现
3.
The Research and Implementation of Distributed Layered NBS Based on CORBA for Multiple Data Sources;
基于CORBA的分布式多数据源层次化网络计费系统(NBS)的研究与实现
5) multisource data
多源数据
1.
Study on temporo-spatial distribution of eruption of the Tianchi Volcano in Changbaishan Mountain by multisource data fusion;
利用多源数据融合研究长白山天池火山的喷发期次及空间分布
2.
The necessity of multisource data was analyzed from the aspect of civil engineering road plan and design.
分析了市政道路规划与设计对多源数据的需求,以及在该领域中常用的多源数据的类型及其特征。
6) multiple data source
多数据源
1.
Such data protection technologies as multiple data source, data storage and backup, server error redundancy, data restore, are introduced.
从数据保护的角度介绍了多数据源、数据存储备份、服务器容错、数据恢复等数据保护技术,主要阐述了这些技术在上海电网调度自动化系统中的应用,它们为电网调度的数据和系统的高可靠性、可用性提供了有效的技术支持,从而说明信息技术的成熟应用为电网调度的安全经济运行打下了良好的基础。
2.
The problem of multiple data sources selection (MDSS) in DSE (data-sharing environments) is addressed and the algorithm MDSSA (MDSS algorithm) is presented.
针对数据共享环境多数据源选择MDSS(multiple data sources selection)问题,基于Pareto最优理论提出了MDSSA(MDSS algorithm)算法。
补充资料：多用户信源编码
研究多个相关信源的编码的主要目的是压缩信息率。若两个离散信源各发出符号U1和U2,它们的信息熵分别是H(U1)和H(U2),条件熵(以U1为条件)是H(U2|U1)。当他们之间相关时，有H(U2│U1)(U2)。单一信源编码定理证明,要分别传送这两个信源符号时,所需的信息率R1和R2必须分别大于 H(U1)和H(U2)。但在译码器已确知U1的情况下，再从U2中提取的信息应只有H(U2│U1)而不是H(U2)，在这种情况下传送U2的信息率R2只须大于H(U2│U1)即可。当U1和U2两个信源不在同一地方,而U1的样已为信宿所确知,但对U2编码时却不确知U1当时的样,那么只要信息率大于H(U2│U1),就能把U2编码后传送给信宿，而使后者能正确译出U2。这就是具有边信息的多用户信源编码定理。信宿已确知的U1就称为对U2译码的边信息。这可由容量大于H(U1)的信道传送。
要证明关于离散无记忆信源的这一定理，可以用典型序列的概念（见渐近等分性）。当信源符号数目 N足够大时,U1组成的典型序列有个，对应每个U1序列,U2组成的典型序列有个，这些序列可排成A行B列的矩阵。对U2编码时只须把这个序列在矩阵的列号编成码，于是所需的信息率就是
在译码时，因已知U1序列的样，即已知在哪一行，就可根据列号从矩阵中找出被传送的那一个U2序列。因此只要U2是典型序列，便可以无错误地译码。已知 N→∞时，非典型序列出现的概率接近于零，因此有边信息时译码的差错概率也接近于零。
再推广一步,可研究图中a的系统。两个相关信源 U1和U2分别由两个编码器编码后用两条信道传送,在接收端同时收到两条信道的输出,为了正确译出1和2,对两条信道须传送的信息率R1和R2的要求是
R1≥H(U1|U2)
R2≥H(U2|U1)
R1+R2≥H(U1U2)
这三个不等式所对应的区域是图中 b所示的阴影部分。利用时分内插编码原理可以证明,只要(R1,R2)是在图中的阴影部分内,且符号长度N足够长，总存在一种编码方法,使译码器能正确地译出U1和U2。因此两条信道的容量是允许调配的:R1大时,R2可小一些，反之亦然。
另一类多用户信源问题是利用公用信道和私用信道问题。从两个相关信源U1和U2引出另一随机量W,使在W 已知条件下U1和U2相互独立。此时下列条件概率之间的关系成立
P(U1,U2|W )＝P1(U1|W )P2(U2|W )
满足上式的所有W组成一个集E。变更W，使U1和U2作为一组对W 的互信息I(U1U2；W)为最小,此最小值称为U1和U2之间的共信息I0，即
当利用公用信道传送W 时,传送U1和U2的私用信道的信息率R1和R2分别只须大于H(U1│W )和H(U2│W )。这种系统的特点是利用私用信道(R1)传来的信息和公用信道传来的W 就能正确译出U1，但很难译出U2。因为在W确知条件下，U1和U2是相互独立的,也就是译出U1后对U2的解译毫无帮助，这可用于某些保密系统中。另一方面，利用公用信道中的边信息可降低对私用信道的要求。
多用户信源编码是一种尚在发展的理论。对于允许失真的信源问题，也有一些研究结果，其他如有记忆信源以及理论的应用前景等问题，均尚在探索中。
要证明关于离散无记忆信源的这一定理，可以用典型序列的概念（见渐近等分性）。当信源符号数目 N足够大时,U1组成的典型序列有个，对应每个U1序列,U2组成的典型序列有个，这些序列可排成A行B列的矩阵。对U2编码时只须把这个序列在矩阵的列号编成码，于是所需的信息率就是
在译码时，因已知U1序列的样，即已知在哪一行，就可根据列号从矩阵中找出被传送的那一个U2序列。因此只要U2是典型序列，便可以无错误地译码。已知 N→∞时，非典型序列出现的概率接近于零，因此有边信息时译码的差错概率也接近于零。
再推广一步,可研究图中a的系统。两个相关信源 U1和U2分别由两个编码器编码后用两条信道传送,在接收端同时收到两条信道的输出,为了正确译出1和2,对两条信道须传送的信息率R1和R2的要求是
R1≥H(U1|U2)
R2≥H(U2|U1)
R1+R2≥H(U1U2)
这三个不等式所对应的区域是图中 b所示的阴影部分。利用时分内插编码原理可以证明,只要(R1,R2)是在图中的阴影部分内,且符号长度N足够长，总存在一种编码方法,使译码器能正确地译出U1和U2。因此两条信道的容量是允许调配的:R1大时,R2可小一些，反之亦然。
另一类多用户信源问题是利用公用信道和私用信道问题。从两个相关信源U1和U2引出另一随机量W,使在W 已知条件下U1和U2相互独立。此时下列条件概率之间的关系成立
P(U1,U2|W )＝P1(U1|W )P2(U2|W )
满足上式的所有W组成一个集E。变更W，使U1和U2作为一组对W 的互信息I(U1U2；W)为最小,此最小值称为U1和U2之间的共信息I0，即
当利用公用信道传送W 时,传送U1和U2的私用信道的信息率R1和R2分别只须大于H(U1│W )和H(U2│W )。这种系统的特点是利用私用信道(R1)传来的信息和公用信道传来的W 就能正确译出U1，但很难译出U2。因为在W确知条件下，U1和U2是相互独立的,也就是译出U1后对U2的解译毫无帮助，这可用于某些保密系统中。另一方面，利用公用信道中的边信息可降低对私用信道的要求。
多用户信源编码是一种尚在发展的理论。对于允许失真的信源问题，也有一些研究结果，其他如有记忆信源以及理论的应用前景等问题，均尚在探索中。
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