1) knowledge variance
知识离散度
2) knowledge diffusion
知识扩散
1.
Path optimization for knowledge diffusion based on knowledge related matrix in information systems integration;
基于知识域依赖的系统集成知识扩散路径优化
2.
Multi-agent model of knowledge diffusion in network space;
网络环境下知识扩散的多智能体模型研究
3.
This paper applied the knowledge chain model and discussed the mechanism of technology innovation and knowledge diffusion in virtual enterprises.
采用知识链方法对虚拟企业的技术和知识扩散与创新的方式和途径进行了初步探索,将虚拟企业中知识扩散方式分为传播扩散型、培养指导型和互动创造型三类模式;同时,认为信任机制是实现虚拟企业中成员企业知识特别是隐形知识的交流与共享的前提,是实现技术和知识创新的基础。
3) knowledge distance
知识距离
1.
Referring the concept of the symmetric difference of sets,from the viewpoint of the granular computing,knowledge distance in information systems is defined in the paper,and its properties are studied too.
从粒度计算的观点出发,给出了信息系统中知识距离的定义,指出利用知识距离可以度量信息系统中知识的粗糙性,分析了其相关性质。
4) distance of knowledge
知识距离
1.
This paper introduces the notion of "distance of knowledge",and it substitutes for these factors such as knowledge coding,abstraction extent and the buy s knowledge base.
引入“知识距离”的概念来替代知识编码和抽象化程度以及买方的知识基础等因素,用数学模型分析隐性知识转移的动态过程,并建立隐性知识交易的定价模型。
2.
During bargaining over the price of knowledge,the buyer and the seller evaluate synthetically the trust relation between them and the distance of knowledge away from the buyer to overcome the obstacles of information asymmetry,and adjust the price according to it until they are consistent with the price.
知识交易中的买卖双方通过对信任关系和知识距离的综合评价来克服信息不对称问题,并将其作为双方调整报价且最后达成一致价格的依据。
5) distance knowledge
距离知识
1.
Distance estimation is the behavior in actual spatial environment, which is based on acquiring the distance knowledge.
摘要环境空间距离知识(Distance Knowledge In Environmental Space)是决定人们能否在既定的时间达到目的地的必要知识。
6) split knowledge
分离知识
补充资料：离散时间周期序列的离散傅里叶级数表示
(1)
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
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