客观度量

这个Matlab函数集合计算出一系列客观的语音质量度量，重点在于不同版本的SNR（语音能量与非语音能量比率）。主要包括NIST STNR（参见http://labrosa.ee.columbia.edu/~dpwe/tmp/nist/doc/stnr.txt）、WADA SNR（参见http://www.cs.cmu.edu/~robust/Papers/KimSternIS08.pdf）、BSS_EVAL（参见http://bass-db.gforge.inria.fr/bss_eval/）和PESQ（参见https://en.wikipedia.org/wiki/PESQ）。此外，SNR_VAD衡量语音活动检测（VAD）标记的语音区域与间隙之间的额外能量。

StSD度量的简化版本考虑了不对称的结构失真和模糊，专注于提供对立体视频失真的可感知度量。这是基于Varuna De Silva、Hemantha Kodikararachchi和Ahmet Kondoz在IEEE图像处理期刊上发表的研究成果。

利用 MATLAB 实施测量程序，通过调整权重的大小实现稳健估计。

通过连续数据挖掘，形成规则度量值序列。通过参数估计，获取度量值特征参数，用于评估规则兴趣度，把握规则演化规律。提出了针对小样本的度量值扩散估计方法，并讨论了不同趋势下的序列参数计算。实验结果表明，该方法准确简便，抗干扰性强。

该工具可生成复杂度度量。

2013年考研思想政治理论客观题备考指南

决策树的构建过程中，属性选择至关重要。信息增益和Gini系数是两种常用的属性选择指标。信息增益，作为决策树常用的分支准则，通过计算属性划分前后信息熵的变化，选择信息增益最大的属性进行节点划分。Gini系数则用于度量数据集的纯度，其值越小，数据集纯度越高。

本研究基于Jaccard相似度度量，提出一种考虑权重的实体识别方法，并应用于社会网络分析。该方法通过计算实体属性权重，提高实体识别精度。

马氏距离matlab原始代码引文GTASSIST：大规模SNP基因分型的基因标记选择的客观评估措施Kaminuma E，Masuya H，Miura I，Motegi H，Takahasi KR，Nakazawa M，Matsui M，Gondo Y，Noda T，Shiroishi T，Wakana S，Toyoda T J Bioinform Comput Biol。2008 6：905-17。执照瑞肯：保留所有权利。请检查。联系信息如果您对GTASSIST软件有任何疑问，请向国家遗传学研究所和RIKEN BRC咨询。GTASSIST指令&< GTAssist>> GTAssist是在SNP基因分型过程中协助标记选择和等位基因识别的工具。该程序支持TaqMan检测的二维荧光散射图的两种有用的评估方法[1]，这是SNP基因分型中的一种流行技术。可以在后续的基因分型过程中使用这两种建议的措施。提出的第一个度量是标记排名度量（MRM），用于选择分布良好的SNP标记而不依赖于聚类结果。提议的第二项措施是个体基因型成员度量（IGMM），该度量利用

规则度量支持度和可信度可用于找出符合最小支持度和可信度条件的规则。 支持度衡量一次交易中同时包含规则中所有项的可能性。 可信度衡量在包含规则中前提项的交易中，结论项出现的条件概率。 例如，若最小支持度为 50%，最小可信度为 50%，则可能获得以下规则： A → C (支持度：50%，可信度：66.6%) C → A (支持度：50%，可信度：100%) 这意味着： 购买尿布的客户中有 50% 同时购买了啤酒。 购买尿布和啤酒的客户中有 66.6% 同时购买了啤酒。 购买啤酒的客户中有 50% 同时购买了尿布。 购买尿布和啤酒的客户中有 100% 同时购买了尿布。