1) Generalized Gaussian Model(GGM)
泛化高斯模型
2) model generalization
模型泛化
3) 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)。
4) 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。
5) Gaussian wave functional
高斯泛函
1.
We discuss the basic two dimensional free bosons and fermions, the methods of bosonization and Gaussian wave functional, the sine -Gordon model and its simple applications.
讨论了二维共形场论中最基本的自由玻色场和费米场，也介绍了玻色化、高斯泛函、ＳＧ模型及其简单应
6) 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。
补充资料：AutoCad 教你绘制三爪卡盘模型,借用四视图来建模型
小弟写教程纯粹表达的是建模思路,供初学者参考.任何物体的建摸都需要思路,只有思路多,模型也就水到渠成.ok废话就不说了.建议使用1024X768分辨率
开始
先看下最终效果
第一步,如图所示将窗口分为四个视图
第二步,依次选择每个窗口,在分别输入各自己的视图
第三步,建立ucs重新建立世界坐标体系,捕捉三点来确定各自的ucs如图
第四步,初步大致建立基本模型.可以在主视图建立两个不同的圆,在用ext拉升,在用差集运算.如图:
第五步:关键一步,在此的我思路是.先画出卡爪的基本投影,在把他进行面域,在进行拉升高度分别是10,20,30曾t形状.如图:
第六步:画出螺栓的初步形状.如图
第七步:利用ext拉升圆,在拉升内六边形.注意拉升六边行时方向与拉升圆的方向是相反的.
之后在利用差集运算
第八步:将所得内螺栓模型分别复制到卡爪上,在利用三个视图调到与卡爪的中心对称.效果如图红色的是螺栓,最后是差集
第九步:阵列
第10步.模型就完成了
来一张利用矢量处理的图片
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