节肢动物门的要特征，昆虫纲的主要特征，节肢动物的分类及各类群主要特征 昆虫纲的分类，昆虫的生物学及生态学

§4.1 集中趋势的测度 §4.2 离散程度的测度 §4.3 偏态与峰态的测度

基于面部动态表情序列，针对静态表情缺少时间信息等问题，将空间特征与时间特征融合，利用神经网络在图像分类领域良好的特征，对需要进行细节分析的表情序列进行处理，提出基于分离式长期循环卷积网络(Separate long-term recurrent convolutional networks, S-LRCN)的微表情识别方法。首先选取微表情数据集提取面部图像序列，引入迁移学习的方法，通过预训练的卷积神经网络模型提取表情帧的空间特征，降低网络训练中过拟合的危险，并将视频序列的提取特征输入长短期记忆网络(Long short-team memory, LSTM)处理时域特征。最后建立学习者表情序列小型数据库，将该方法用于辅助教学评价

棘皮动物门的主要特征，代表性动物及其特征，棘皮动物门的分类，检索表及其编写。 脊椎动物与无脊椎动物的主要区别，脊索动物门的主要特征，尾索动物的特征及代表性动物，头索动物的特征及代表性动物，脊索动物门的分类 圆口纲的主要特征，代表性动物，圆口纲的分类

1、脊索动物门的主要特征 2、脊索动物分类(尾索动物亚门、头索动物亚门、脊椎动物亚门) 3、圆口纲主要特征

3.3.1 特征表示与描述的基本概念 3.3.2 表示法设计 3.3.3 边界描述子 3.3.4 关系描述子

提出的脱机手写体汉字识别系统主要研究特征提取和分类识别两个模块.特征提取模块主要包括采用基于不变矩和弹性网格技术的串行特征融合方法,所得到的特征向量不仅充分反映了手写体汉字的全局和局部特征,而且具有很强的区分表达能力.分类识别模块将神经网络多类分类策略与最小二乘支持向量机相结合,所得到的分类器不仅识别率高、泛化能力强,而且有效地解决了多类分类问题.实验证明本文提出的识别系统能够取得很好的识别效果

概率空间 随机变量与分布函数 数字特征、矩母函数与特征函数 收敛性 独立性与条件期望

《矩阵理论—知识点详解》第四章 矩阵分解（4.4）Hermite矩阵特征值的变分特征

一、昆虫纲分目的历史及变化 昆虫纲分目的数量与分类学的发展阶段、当时技术 水平和手段对分类性状与特征的运用、各学者的认识和 观点均有很大关系。 在昆虫纲分目的特征运用上,除注重形态学、生态 学等特征外,在生物学特征中应以变态特征为主,原因 在于昆虫由卵发育到成虫的整个过程实质是其进化历程 的缩影,如以尚未研究清楚或争议较大的起源关系替代 这一主要特征,争议将更大。各家对昆虫纲的分目如下