1) inversed-Gaussian model
倒高斯模型
2) Gauss model
高斯模型
1.
This paper aims to apply the composite model of multi-dimensional multi-box model and Gauss model established for forecasting the characteristic atmospheric contaminations of SO_2 and PM_(10) concentrations to the urban areas of Beijing in heating season(January,2002) and non-heating season(August,2002) respectively.
根据北京市市区自然环境、污染气象特征、大气环境过程及区域污染源分布等现有信息,建立了用于大气环境质量预测的多维多箱与高斯模型结合的复合模型,对北京市市区采暖季(2002年1月)和非采暖季(2002年8月)特征污染物SO2和PM10的质量浓度进行了预测。
2.
Without taking these non-diffusion aspects into account, people may get unsuitable results when using Gauss model to assess atmospheric impact within city scale.
目前高斯模型对污染物的非扩散过程基本不考虑 ,使得环境影响评价中城市尺度的大气预测结果不合理 ,因此提出干湿沉积化学转化综合公式 ,指明了各个参数的计算方法 ,并以上海市化工区为例进行应用计
3.
Because of the power price at peak or valley time,rationally use the index of minimizing the wind power output fluctuation,and establish the Gauss model(i.
考虑电力市场下峰谷电价因素,合理运用风电场功率输出波动最小的指标,提出了旨在实现风-水电联合系统优化调度的高斯模型(简称G模型)。
3) Gaussian model
高斯模型
1.
Algorithm Research of Face detection based on Gaussian Model and SVM
基于高斯模型和支持向量机的人脸检测方法
2.
In this paper,the current moving object detection algorithms using the Gaussian model are discussed,and from the point of view of statistics,a novel non-parametric method of triangle kernel estimation is presented to model the scene background so as to detect the moving object.
文章对基于高斯模型的运动目标检测算法进行了研究,在此基础上,采用三角核估计的非参数方法来对背景建模,从而检测出运动目标;并结合检测结果来更新样本和带宽,提出了与之相对应的背景更新方法。
3.
At first,proposed a pixel intensity classification and the single Gaussian model based background reconstruction algorithm,which could provide an accurate background model through a sequence of scene images with foreground objects.
首先提出了一种基于像素灰度归类和单模态高斯模型的背景重构算法,能够利用多帧包含前景目标的场景图像重构准确的背景模型。
4) meta-gaussian model
亚高斯模型
1.
A meta-gaussian model is developed, at the heart of which is the normal quantile transform.
根据贝叶斯分析,用先验分布考虑水文要素的自然不确定性,用似然函数描述水文模型和参数的不确定性,通过亚高斯模型对实际流量与模拟流量进行正态分位数转化,并对转化后的时间序列进行线性-正态假设,得到实际流量的后验密度函数的解析解。
2.
Then both the initial predicted discharge series and the corresponding observations are normalized by Meta-Gaussian model.
以新安江流域水文模型为洪水预报模型提供流量初始预报系列,通过亚高斯模型对流量初始预报系列及实测系列分别进行正态分位数变换,由贝叶斯公式得到预报变量的后验概率分布并进行洪水过程的概率预报,采用分布点估值定值预报,并可通过构造置信区间对点估值预报的不确定性进行评估。
5) double gaussian model
双高斯模型
6) Gaussian core model
高斯核模型
1.
Investigation of phase instability in the binary Gaussian core model;
二元高斯核模型的相不稳定性研究
补充资料：八倒──凡小八倒
【八倒──凡小八倒】
﹝出涅槃经﹞
凡即凡夫，小即小乘。倒即颠倒。谓凡夫著有，妄于无常法中计常，苦中计乐，无我计我，不净计净；及小乘之人，但着于空，常计无常，乐计非乐，我计无我，净计不净。故有凡小八倒之名焉。（小乘，即声闻乘、缘觉乘也。）
［一、非常计常］，非常计常者，谓世间一切有为之事，皆悉无常，虚幻不实，岂能长久。凡夫妄计是常，即成常颠倒。
［二、非乐计乐］，非乐计乐者，谓世间五欲之乐，皆是招苦之因。凡夫不了，妄计为乐，即成乐颠倒。（五欲者，色欲、声欲、香欲、味欲、触欲也。）
［三、非我计我］，非我计我者，谓此身皆因四大假合而成，本无有我。若一大是我，三大应非我；若四大俱是我，应有多我，毕竟是谁为我？故知我即不可得。凡夫不了，于自身中，强生主宰，妄计为我，成我颠倒。（四大者，地大、水大、火大、风大也。）
［四、不净计净］，不净计净者，谓己身、他身，具有五种不净。凡夫不了，妄生贪着，执以为净，即成净颠倒。（已上四计，是凡夫四倒。五种不净者，种子不净、住处不净、自体不净、外相不净、究竟不净也。）
［五、常计无常］，常即法身常住之义，无常即变异之义。谓声闻、缘觉，为无明所覆，于如来常住法身，妄计有生灭变异之相，是名无常颠倒。（无明者，无所明了也。）
［六、乐计非乐］，乐即涅槃清净之乐，非乐即苦也。谓二乘为无明所覆，于如来清净涅槃，妄计是苦，是名非乐颠倒。（梵语涅槃，华言灭度。二乘者，声闻乘、缘觉乘也。）
［七、我计无我］，我即佛性真实之我，无我，即佛性中无有我也。谓二乘为无明所覆，不了无我法中而有真我，故于佛性真我之中，妄计无我，是名无我颠倒。
［八、净计不净］，净即如来常住之身，非杂食身，非烦恼身，非血肉身，非是筋骨缠褁之身。二乘为无明所覆，但观世间一切诸色皆为不净，不了如来常住法身之净，是名不净颠倒。（已上四计，是小乘四倒。）
﹝出涅槃经﹞
凡即凡夫，小即小乘。倒即颠倒。谓凡夫著有，妄于无常法中计常，苦中计乐，无我计我，不净计净；及小乘之人，但着于空，常计无常，乐计非乐，我计无我，净计不净。故有凡小八倒之名焉。（小乘，即声闻乘、缘觉乘也。）
［一、非常计常］，非常计常者，谓世间一切有为之事，皆悉无常，虚幻不实，岂能长久。凡夫妄计是常，即成常颠倒。
［二、非乐计乐］，非乐计乐者，谓世间五欲之乐，皆是招苦之因。凡夫不了，妄计为乐，即成乐颠倒。（五欲者，色欲、声欲、香欲、味欲、触欲也。）
［三、非我计我］，非我计我者，谓此身皆因四大假合而成，本无有我。若一大是我，三大应非我；若四大俱是我，应有多我，毕竟是谁为我？故知我即不可得。凡夫不了，于自身中，强生主宰，妄计为我，成我颠倒。（四大者，地大、水大、火大、风大也。）
［四、不净计净］，不净计净者，谓己身、他身，具有五种不净。凡夫不了，妄生贪着，执以为净，即成净颠倒。（已上四计，是凡夫四倒。五种不净者，种子不净、住处不净、自体不净、外相不净、究竟不净也。）
［五、常计无常］，常即法身常住之义，无常即变异之义。谓声闻、缘觉，为无明所覆，于如来常住法身，妄计有生灭变异之相，是名无常颠倒。（无明者，无所明了也。）
［六、乐计非乐］，乐即涅槃清净之乐，非乐即苦也。谓二乘为无明所覆，于如来清净涅槃，妄计是苦，是名非乐颠倒。（梵语涅槃，华言灭度。二乘者，声闻乘、缘觉乘也。）
［七、我计无我］，我即佛性真实之我，无我，即佛性中无有我也。谓二乘为无明所覆，不了无我法中而有真我，故于佛性真我之中，妄计无我，是名无我颠倒。
［八、净计不净］，净即如来常住之身，非杂食身，非烦恼身，非血肉身，非是筋骨缠褁之身。二乘为无明所覆，但观世间一切诸色皆为不净，不了如来常住法身之净，是名不净颠倒。（已上四计，是小乘四倒。）
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