UC知道帮忙翻有关计算机的一段话 谢谢
来源：百度知道 编辑：UC知道 时间：2024/06/17 03:59:07
Using (3), (4) or (7), (4), and (12), only one w is found, which suffices for detecting one target. To detect more targets, the whitened data Z are projected onto the orthogonal subspace of w using the orthogonal subspace projector (OSP) P⊥ = W I .W(WTW).1WT, to eliminate the detected target, where I is an L×L identity matrix and W =[w].If p.1targets have been detected, then W =[w1,w2,...,wp.1], where wi is the projector for detecting the ith target. To detect the pth target, the OSP is used to eliminate all the p.1ones. In this way, the pth target is also separated from others
E. Practical Considerations
1) Inequality Constraint and κref Selection: The kurtosis value corresponding to a target is related to many factors, such as the abundance of the target component contained in a pixel, the target size relative to the image size, and the number of spectral bands. Empirically, the typical constraint for detecting small targets from hype
对多个目标的 C. 扩充
使用 (3),(4) 或 (7),(4), 和 (12), 只有一个 w 被发现，这发现一个目标足够。 为了要发现较多的目标，被数据白的 Z 被在 w 的直角次空间之上使用直角的次空间投光器 (OSP) P 第一⊥ = W 计画。W(WTW)., 除去那发现了我是 L × L 身份点阵式和 W=[w] 的目标.如果 p。1个目标已经被发现, 然后 W=[w 1 ， w 2,.。。,wp.1], 哪里 wi 是发现 ith 目标的投光器。 为了要发现 pth 目标， OSP 被用除去所有的 p.1 一。 这样, pth 目标也与其他分隔
E. 实际的考量
1) 不平等限制和κ裁判员选择: 或然率曲线峰值的曲率度对一个目标符合的数值被讲到被包含在一个图素的许多因数, 像是目标的丰富元件，目标与影像大小相关的按规定尺寸制作, 和光谱能带的数目。 以经验为主地，发现来自 hyperspectral 的小的目标肖像的典型的限制是κ>κ裁判员 =100, 和为物件用大的大小κ>κ裁判员 =0. 在习惯，如果小的目标将被发现, 一能开始一小的
当做κ裁判员的积极数值 ; 然后逐渐地直到唯一的小目标增加这数值保持被吸取。
2) 起始条件: λ 1 和λ 2 能只是当做零被设定初值。 大体上, w 可能是任意地设定。初值 w 能非常快地对小的目标聚合，如果有的话。 当用图像现场的大出席的大小只有物件的时候，这个任意的条件可能造成低的收敛速度。 增加收敛速度的单向将使用数据共方差点阵式的特征向量。 因为特征向量表现数据能量被集中的方向，以他们作为起始条件能将搜寻限制于适当的方向。
3) 停止准则: 在许多情况的目标 pis 未知者的数目。 即使当知道的 pis, 它不能够被保证第一个 pextracted 类别完全地是这些 ptargets。 为了要是保守派人士，一能使用比梢大运算法则的一个叁考数目 (举例来说, 清楚讯号的数目在图像现场中) 。 重要目标能在一个后加工步骤被目标所分开-相关的之前信息。
翻译完毕
这么长。。。。
用金山词霸去翻译吧。。
金山快译，能整篇翻译出来