高斯过程回归(Gaussian process)和克里金(Kriging)之间是什么关系？ 之前做过一些kriging相关的实验，但是前段时间接触到GP概念后有点糊涂，请问他们之间的联系和区别是什么？
怎么用python表示出二维高斯分布函数，mu表示均值，sigma表示协方差矩阵，x表示数据点 clear close all%生成实验数据集 rand('state'，0)sigma_matrix1=eye(2)；sigma_matrix2=50*eye(2)；u1=[0，0]；u2=[30，30]；m1=100；m2=300；样本数%sm1数据集 Y1=multivrandn(u1，。
高斯过程 均值函数 协方差矩阵 自相关函数
高斯白噪声的概率密度函数和自相关函数是什么？ 白噪声，就是说频谱为一常数；也就是说，其协方差函数在delay=0时不为0，在delay不等于0时值为零；换句话说，样本点互不相关。所以，“白”与“不白”是和分布没有关系的。当随机的从高斯分布中获取采样值时，采样点所组成的随机过程就是“高斯白噪声”；同理，当随机的从均匀分布中获取采样值时，采样点所组成的随机过程就是“均匀白噪声”。那么，是否有“非白的高斯”噪声呢？答案是肯定的，这就是”高斯色噪声。这种噪声其分布是高斯的，但是它的频谱不是一个常数，或者说，对高斯信号采样的时候不是随机采样的，而是按照某种规律来采样的。白噪声应该是自相关函数在delay=0时不为0，在delay不等于0时值为零。如果要说协方差函数，那么应该加个条件：零均值。
