gaussian kernel

在概率论和统计学中，高斯过程（英語：Gaussian process）是观测值出现在一个连续域（例如时间或空间）的随机过程。在高斯过程中，连续输入空间中每个点都是与一个正态分布的随机变量相关联。此外，这些随机变量的每个有限集合都有一个多元正态分布，换句话说他们的任意有限线性组合是一个正态分布。高斯过

高斯金字塔（英文：Gaussian Pyramid）為在圖像處理、計算機視覺、信號處理上所使用的一項技術。 高斯金字塔本質上為信號的多尺度表示法，亦即將同一信號或圖片多次的進行高斯模糊，並且向下取樣， 藉以產生不同尺度下的多組信號或圖片以進行後續的處理，例如在影像辨識上，可以藉由比對不同尺度下的圖片

{\displaystyle g_{\sigma }} 是标准偏差 σ {\displaystyle \sigma } 的高斯核（英语：gaussian kernel）， u {\displaystyle u} 是下面定义的一个阶跃函数： u ( x ) := { I l , i f x ≤ 0 I

[2014-05-30]. （原始内容存档于2018-10-15）.  Rasmussen, C. E.; Williams, C. K. I. Gaussian Processes for Machine Learning. 2006.  Honarkhah, M.; Caers, J. Stochastic

P W D ( τ , ν ) {\displaystyle \Psi _{SPWD}(\tau ,\nu )} 通常類似一個二維的高斯函數(Gaussian function)，由於形狀簡單的權重函數，平滑偽韋格納分佈的干擾項衰減和時頻集中，將不會過於依賴詳細的時頻信號結構下的分析。 F. Hlawatsch;