1)character-word特征字符
1.It finds the character-word in the pattern string before matching, and then compares the character-word and the last word of the pattern string with the text.该算法进行匹配前先找到模式串中的特征字符(出现概率最小的字符),进行特征字符与尾字符双重匹配,失败则移动尽可能远的距离。
英文短句/例句
1.Study on Recognition of Printed Mathematical Expression Based on Characteristic Character;基于特征字符的印刷体公式识别研究
2.additional character附加符号[字符], 特殊符号
3.Choose of Character Feature Based on Zernike Moment;基于Zernike矩的字符特征选择
4.Finally, characters are recognized by utilizing moments to recognize alphabetic character and structure information of numeric character to recognize number.讨论了字符识别技术，实现了利用图像矩特征进行字符识别以及利用数字的结构特征识别数字。
5.Research on Text Watermarking Based on Statistical Characteristics of Inter-Word Characters;基于单词间字符统计特征的文本数字水印研究
6.Research on Extracting the Character of Tibetan Symbol at Different Printing Shape Letters;多种印刷字体藏文字符的特征提取方法研究
7.Application of Digital Image Processing in Registration Mark Recognition System基于特征统计的车牌非汉字字符识别方法
8.An Evaluation System for Handwriting Exercise of the Chinese Character Based on the Characteristic Extraction基于字符特征提取的手写练字良好度判别
9.A method of number-plate locating based on the vertical edge characteristics of characters一种基于垂直字符边界特征的车牌定位方法
10.The Research of Sub-Strokes and Feature Extraction Based on Character Recognition;字符识别中笔段及特征提取方法的研究
11.Research on License Plate Location and Char Segmentation Based on License Plate s Integrative Characteristics;基于综合特征的牌照定位与字符分割技术研究
12.Research on Cognizing Character Extraction and Recognition of Video Image Character;视频图像字符认知特征提取与识别研究
13.Features of Symbol Diffusing in a Social Space Displayed by the Han Characters;从汉字语言看符码在社会空间中的传播特征
14.License Plate Character Recognition Based on Zernike Moment and Grid Features基于Zernike矩与网格特征的车牌字符识别方法
15.Building and Training of Character Template Litrary Based on Synthetical Features基于综合特征的字符模板库的建立与训练
16.License Plate Character Recognition Based on BP Neural Network一种基于特征的BP神经网络车牌字符识别
17.Japanese dependency parsing based on character-level features基于字符级特征的日文依存句法自动分析算法
18.Characters Segmentation of License Plate Based on Combination of Projection and Intrinsic Characteristics基于投影和固有特征结合的车牌字符分割方法
相关短句/例句
character feature字符特征
1.Technique of randomized question reading CAPTCHA based on character feature;基于字符特征的随机问题阅读式验证码技术
2.A method to normalize character feature based Zernike moment;基于Zernike矩的字符特征归一化方法
3.Based on analyzing the relationship between license plate background and character color,presents an effective license plate location algorithm which uses color saturation and vehicle character feature.在分析汽车牌照底色与字符颜色关系的基础上提出了一种利用色彩饱和度信息和牌照字符特征的汽车牌照定位分割方法。
3)character feature lines字符特征行
4)character-level feature字符级特征
1.Japanese dependency parsing based on character-level features基于字符级特征的日文依存句法自动分析算法
5)Character feature extraction字符特征检取
6)characters connection字符连接特征
1.In order to locate the plate quickly and accurately,a license location method based on characters connection is presented.为了快速准确地进行车牌定位,本文提出了一种基于字符连接特征的定位算法。
延伸阅读
偏微分算子的特征值与特征函数 由边界固定的膜振动引出的拉普拉斯算子的特征值问题：是一个典型的偏微分算子的特征值问题,这里x=(x1,x2)；Ω是膜所占据的平面区域。使得问题有非平凡解（非零解）的参数λ的值,称为特征值；相应的解称为特征函数。当Ω有界且边界嬠Ω满足一定的正则条件时,存在可数无穷个特征值,相应的特征函数ψn(x)组成l2(Ω)上的完备正交系。乘以常因子来规范ψn(x)，使其l2(Ω)模为1,则Ω上的任意函数??(x)的特征展式可写为：当??可以"源形表达"，即??满足边界条件且Δ??平方可积时,展式在Ω一致收敛。当??平方可积时，展式平方平均收敛，且有帕舍伐尔公式： 对膜振动问题的认识还是相当有限的。能够精确地知道特征值的，只限于矩形、圆盘等少数几种非常简单的区域。对椭圆和一般三角形的特征值精确值，还几乎毫无所知。其他情形就更谈不上了。 将不超过 λ的特征值的个数记为N(λ)。特征值的渐近分布由N(λ)对大 λ的渐近式来刻画。这方面最早的结果是（C.H.）H.外尔在1911年得到的（外尔公式）： 式中表示Ω的面积。R.库朗将余项改进为。对于多角形区域，又有人将余项改进到。各种情况下改进余项估计的工作至今绵延不绝。外尔猜测有一个更强的结果：式中｜嬠Ω｜是区域边界之长，但尚未被证出。 与此密切相关的是下面的MP公式：(t→+0) 取一个渐近项时，用陶伯型定理可由它推出N(λ)的外尔公式。第二渐近项与外尔猜想非常相象，但由此证不出外尔猜想。第三项迟至1966年才被M.卡茨导出，后来由H.P.麦基恩与I.M.辛格严格证明,其中h表示鼓膜Ω的洞数。 特征值与膜振动频率有一个直接的换算关系，M.卡茨据此给MP公式一个非常生动的解释：可以"听出"鼓膜的面积|Ω|、周长｜嬠Ω｜和洞的个数h！由于1-h恰巧是Ω的欧拉-庞加莱示性数,是整体几何中颇受重视的一个不变量，"听出鼓形"或"谱的几何"问题立即引起人们的强烈兴趣，并导致一系列重要的研究。不过一般的特征值反问题,要求从特征值的谱完全恢复Ω,还远远没有解决。 用陶伯型定理得出N(λ)渐近式的方法，由T.卡莱曼于1934年首创，他还得到谱函数的渐近式：(λ→∞)，式中δxy当x=y时为1，当x≠y时为0。 上述关于拉普拉斯算子的结果，由L.戈尔丁和F.E.布劳德推广到 Rn的有界区域Ω上的m 阶椭圆算子。尽管推算繁杂，但结果十分简单整齐：；；式中 v(x) 表示集合{ξ｜｜A0(x,ξ)｜<1}的勒贝格测度，而是A的最高阶导数项相应的特征形式。特征展开定理亦由L.戈尔丁得出。 对于奇异情形，例如薛定谔方程 的谱问题,可以证明存在谱函数S(x，y，λ),特征展式为。由于可能出现连续谱，S(x，y，λ)一般不一定能写成前述特征函数双线和的形式。判定奇（异）微分算子谱的离散性是很有意义的工作。已经出现各种充分条件。不过关于特征值与特征函数渐近性质的研究，还只是限于少数特例。 在处理‖x‖→∞ 时V(x)→∞的情形，M.卡茨与D.雷等人曾创造了一种系统的概率方法，其中借助数学期望表出格林函数，有效地求出谱函数与特征值的渐近式： 。 当算子A的系数不光滑,或非一致椭圆，或非自共轭，以及边条件带特征参数或带非定域项等等情形，都出现不少研究结果。还有人考察Au=λBu型的特征值问题,这里A、B都是椭圆算子。 除上述问题外，特征展式的收敛性与求和法也一直受到人们的关注。
