简介：曾任《新华日报》总编辑、江苏省出版局局长的高斯，是我的老领导，我尊他为师，而他以朋友待我。在将近半个世纪的交往中，他高尚的人格使我感佩。我与高斯的交往开始于“文革”前期一个特殊的场合。1968年4月我被分配到新华日报社工作。不久，报社军管小组召集了一次会议，与会的有各个部门推出的代表。我受评论组的委托，

简介：德国著名大科学家高斯（1777-1855）出生在一个贫穷的家庭。高斯在还不会说话时就自己学计算，在他三岁时，有一天晚上他看着父亲在算工钱时，还纠正了父亲计算的错误呢。高斯长大后成了当时最杰出的天文学家、数学家。他在物理的电磁学方面也有所贡献，现在电磁学的一个单位就是用他的名字命名的。数学家们则称呼他为“数学王子”。

简介：高斯（Gauss1777～1855年），1777年4月30日出生于德国中北部。德国著名数学家、物理学家、天文学家。高斯被认为是最重要的数学家，有数学王子的美誉，并被誉为历史上伟大的数学家之一，

简介：摘要本文给出了一个整形系统的设计实例，简化了高斯光束整形系统的光学设计；解释了高斯光束的形成原理；利用Zemax编写计算了坐标变换的ZPL宏指令；通过非球面透镜实验，证实了高斯光束的整形变化。仿真设计结果表明，输出光斑的光强均匀度高、能量损耗小、符合使用标准。且方法易于操作、计算简单、具有较高的实用价值。

简介：高斯函数作为高中数学的一个新元素，与其他数学知识和谐相处、交相辉映，正成为知识交汇的一个新支点。本文从研究基本初等函数的一般思路出发，不断挖掘它的生长点，从定义到性质．再到它与函数、方程、不等式以及实际问题的交汇。一、“高斯函数”的定义及其简介18世纪，函数y=[x]被“数学王子”高斯采用，因此得名为高斯函数，结合定义的表述，人们也称之为“取整函数”，有时候人们因为它的图像由一些高低不同的水平线段组成，形状上像个阶梯．通常又被称为“阶梯函数”。

简介：本文给出一个推广的含Cauchy核奇异积分的内插值求积公式，并讨论所得求积公式的误差估计和收敛性．

简介：利用Romberg递推求积算法，证明当子区间数目趋于无穷大时，复化求积公式序列一致收敛于积分真值，证明过程与插值型求积公式序列如Gauss型求积公式序列一致收敛不同．

简介：摘要本文主要是结合超宽带UWB系统对脉冲波形要求，对高斯脉冲和导函数脉冲的波形、频谱、峰值频率等各特性进行分析，讨论了影响脉冲波形和谱形状以及谱密度的因素，从频谱利用率和误码率性能方面说明了高斯导函数脉冲可以作为UWB脉冲信号。最后分析结果表明可通过仔细选择和阶数k来设计脉冲函数，对超宽带通信中波形的选择有指导意义。

简介：21世纪的人们,不会知道《江潮报》及其稍后的《江海导报》了,我却终生难忘,因为这是我毕生事业的开端。我更忘不了高斯老师,他是我在革命队伍中的第一位恩师。2014年是我参加革命的70周年。1944年中秋,敌伪"清乡",一把火烧了我家和半个村子,我才13岁就被逼出家门参加了新四军,因为太小打不了仗,又因

简介：为了研究复变量双曲正弦高斯光束在左手材料中的传输，利用广义惠更斯一菲涅耳衍射积分法，得到复变量双曲正弦高斯光束在左手材料中的传输表达式，并运用此表达式作数值模拟。仿真结果表明，复变量双曲正弦高斯光束的横向光强、光斑尺寸和柬腰位置都可以用左手材料的工作频率来调控。当左手材料的工作频率一定时，随着传输距离的增加光斑尺寸先减小后增大；而当工作频率增大时，光强加强，束腰位置越靠近入射面，但发现束腰宽度不受工作频率的调控。

简介：提出了一种基于级联投影的高斯混合模型算法。首先，针对不同的特征维度计算高斯混合模型的边缘概率，依据边缘概率模型构造出多个子分类器，每个子分类器包含不同的特征组合。采用级联结构的框架对子分类器进行动态融合，从而获得对样本的自适应能力。其次，在心电情感信号和语音情感信号上验证了算法的有效性，通过实验诱发手段，采集了烦躁、喜悦、悲伤等情感数据。最后，探讨了情感特征参数（心率变异性、心电混沌特征，语句级静态特征等）的提取方法。研究了情感特征的降维方法，包括主分量分析、顺序特征选择、Fisher区分度和最大信息系数等方法。实验结果显示，所提算法能够在2种不同的场景中有效地提高情感识别的准确率。

简介：用微分求积法分析了轴向移动粘弹性梁非平面非线性振动的动力学行为.轴向移动粘弹性梁非平面非线性振动的数学模型是一非常复杂的非线性偏微分方程组.首先用微分求积法对其控制方程组进行空间离散,得到非线性常微分方程组,然后求解常微分方程组得到数值结果.在数值结果的基础上结合非线性动力学理论,利用分叉图、时间历程图、相图对其非线性动力学特性进行了分析.

简介：针对随机时滞和异步相关噪声情况下的状态估计问题,提出了一种改进的高斯滤波算法（GF）,并给出了其适用于高维系统的实现形式—随机时滞和异步相关容积卡尔曼滤波器（CKF-RDCN）。首先,通过满足Bernoulli分布的互不相关随机序列,来描述系统观测数据中可能存在的随机时滞现象,将量测噪声作为状态变量用以实现对观测时滞后验概率密度的估计。其次,利用一阶斯特林插值公式来近似估计,由于过程噪声和量测噪声异步相关,而导致的含有随机变量的多维积分问题。最后,依据三阶球径容积法则,给出了CKF-RDCN滤波算法的详细设计。此外,经典GF算法是所提出的改进GF算法的特例,其作为一个通用的非线性滤波算法框架,根据不同的后验概率密度估计方法,可以有不同的实现形式。仿真结果表明,相比于扩展卡尔曼滤波算法（EKF）以及容积卡尔曼滤波算法（CKF）,CKF-RDCN在解决含有观测时滞和相关噪声系统的状态估计问题时,具有更高的精度和更好的数值稳定性。