1) DDS modeling method
动态数据建模法
2) dynamic data modeling
动态数据建模
1.
How to select the sampling interval of time series is an important problem in dynamic data modeling.
动态数据建模认为,平稳连续随机过程是白噪声激励相应的线性时不变连续时间系统的输出,为便于计算机处理,需要确定对连续随机过程进行采样的采样间隔,通常人们采用仙农采样定理来对待。
3) Dynamic Multi-dimensional Data Modeling
动态多维数据建模
1.
Theory and Methods of Fuzzy, Dynamic Multi-dimensional Data Modeling;
模糊、动态多维数据建模理论与方法研究
4) dynamicallycreate database
动态创建数据库
5) dynamic fuzzy data
动态模糊数据
1.
There are few researches on dynamic fuzzy data.
给出了一种动态模糊逻辑(DFL)程序设计语言,拟用来处理动态模糊数据。
2.
This paper develops a regressive model of dynamic fuzzy data time and a method of fixing its parameters and defining its order, as well as application of the model in practical cases.
建立了动态模糊数据的时间回归模型 ,得出了线性规划求参和定阶方法 ,并给出了应用实
3.
This paper have analysed the conposition of dynamic fuzzy data in the theory of dynamic fuzzy logic.
文章分析了动态模糊逻辑理论中动态模糊数据的构成,根据实际需要,将动态模糊数据分离成模糊数据和动态数据进行表示,提出了一种新的动态度的表示方法,并给出了动态度的近似计算方法。
6) Dynamic Fuzzy Database
动态模糊数据库
补充资料：相关分析法建模
通过对系统输入和输出的相关函数之间的关系进行分析建立系统的数学模型。这种方法可以比较有效地克服系统输出中含有的随机噪声给建模带来的困难。适当选择输入，使它与噪声成为统计不相关的，就可通过相关运算把系统的输入输出关系转变为输入自相关和输入输出互相关的关系，从而消除系统噪声的影响，使建模更为容易。
随机系统的建模有两种常用的相关分析法。第一种是以脉冲响应（见过渡过程）为模型，连续系统和离散系统的输入与输出可以通过脉冲响应联系起来，它们的数学表达式分别是 和yt＝。式中h(τ)和hτ是系统的脉冲响应，u(t)和ut是系统的输入，y(t)和yt是系统的输出,ε(t)和εt分别是与u(t)和ut统计不相关的白噪声。通过相关运算，分别得到系统的输入自相关函数Ruu(t)与输入输出互相关函数Ruy(t)之间的关系：和。于是随机性的输入与输出之间的关系被确定性的自相关函数与互相关函数之间的关系所代替，这就是著名的维纳-霍夫方程 (见维纳滤波)。在适当地选择输入，求得输入自相关函数和输入输出互相关函数之后,只须解出维纳-霍夫方程就可以得到随机系统的脉冲响应模型。第二种随机系统模型是自回归模型:yt＝a1yt-1+a2yt-2+...+anyt-n+εt,式中{yt}是系统的平稳输出序列,{εt}是白噪声序列,yt与εt,εt+1,...是统计不相关的,a1,a2,...,an是模型中待估计的系数。对于这种模型，相关分析法建模是利用输出序列{yt}的自相关序列{rj＝E[yt,yt+j]，j＝0，1，2，...}求得系数a1,a2,...,an的估计值,最后得到随机系统的自回归模型。
随机系统的建模有两种常用的相关分析法。第一种是以脉冲响应（见过渡过程）为模型，连续系统和离散系统的输入与输出可以通过脉冲响应联系起来，它们的数学表达式分别是 和yt＝。式中h(τ)和hτ是系统的脉冲响应，u(t)和ut是系统的输入，y(t)和yt是系统的输出,ε(t)和εt分别是与u(t)和ut统计不相关的白噪声。通过相关运算，分别得到系统的输入自相关函数Ruu(t)与输入输出互相关函数Ruy(t)之间的关系：和。于是随机性的输入与输出之间的关系被确定性的自相关函数与互相关函数之间的关系所代替，这就是著名的维纳-霍夫方程 (见维纳滤波)。在适当地选择输入，求得输入自相关函数和输入输出互相关函数之后,只须解出维纳-霍夫方程就可以得到随机系统的脉冲响应模型。第二种随机系统模型是自回归模型:yt＝a1yt-1+a2yt-2+...+anyt-n+εt,式中{yt}是系统的平稳输出序列,{εt}是白噪声序列,yt与εt,εt+1,...是统计不相关的,a1,a2,...,an是模型中待估计的系数。对于这种模型，相关分析法建模是利用输出序列{yt}的自相关序列{rj＝E[yt,yt+j]，j＝0，1，2，...}求得系数a1,a2,...,an的估计值,最后得到随机系统的自回归模型。
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