- 用WorldView-2和WorldView-3图像（每像素2米）制作的美国南部海岸湿地地区土地覆盖变化的可视化和比较应用。这个产品的时间覆盖面从2009年到2018年（时间上不一致）。应用程序由南佛罗里达大学海洋科学学院的海洋遥感研究所开发。谷歌地球引擎（GEE）的应用，以非常高的分辨率可视化和比较墨西哥湾北部和佛罗里达州湿地地区的土地覆盖变化和数字高程模型（DEM）。三维湿地应用程序... 用WorldView-2和WorldView-3图像（每像素2米）制作的美国南部海岸湿地地区土地覆盖变化的可视化和比较应用。这个产品的时间覆盖面从2009年到2018年（时间上不一致）。应用程序由南佛罗里达大学海洋科学学院的海洋遥感研究所开发。谷歌地球引擎（GEE）的应用，以非常高的分辨率可视化和比较墨西哥湾北部和佛罗里达州湿地地区的土地覆盖变化和数字高程模型（DEM）。三维湿地应用程序...
- 将24比特真彩色图像在失真较小的情况下转换成8比特(256色)调色板图像，是比较复杂的图像减色问题。这里尝试使用环形Kohonen自组织网络，用图像中的每个像素点的红绿蓝(RGB)分量值作为样本输入，训练自组织网络，其输入节点为3，分别输入红绿蓝分量值，输出节点为256，分别代表256个调色板颜色。实验表明，这是一种行之有效的方法。 将24比特真彩色图像在失真较小的情况下转换成8比特(256色)调色板图像，是比较复杂的图像减色问题。这里尝试使用环形Kohonen自组织网络，用图像中的每个像素点的红绿蓝(RGB)分量值作为样本输入，训练自组织网络，其输入节点为3，分别输入红绿蓝分量值，输出节点为256，分别代表256个调色板颜色。实验表明，这是一种行之有效的方法。
- 利用FFT算法可以很快地计算出有限长序列的DFT值，也就是Z变换在单位圆上的全部等间隔采样值。然而有时并不一定需要计算全部频谱值，仅需要对某一频带内的信号频谱作较密集的分析。线性调频z变换，又称为Chirp-Z变换(CZT)，在1969年被提出，是利用FFT快速计算Z平面上任一螺旋线段上的z变换抽样的算法。因此，可以利用CZT分析时间序列信号感兴趣频段的细化频谱特性。 利用FFT算法可以很快地计算出有限长序列的DFT值，也就是Z变换在单位圆上的全部等间隔采样值。然而有时并不一定需要计算全部频谱值，仅需要对某一频带内的信号频谱作较密集的分析。线性调频z变换，又称为Chirp-Z变换(CZT)，在1969年被提出，是利用FFT快速计算Z平面上任一螺旋线段上的z变换抽样的算法。因此，可以利用CZT分析时间序列信号感兴趣频段的细化频谱特性。
- 利用时间序列自相关函数与滑动平均(MA)模型参数的关系，采用快速傅里叶变换(FFT)算法实现MA模型参数的快速估计，所得到的MA模型具有最小相位性质。MA模型也是现代谱估计中常用的模型，m阶滑动平均模型的自相关系数是m阶截尾的，偏相关系数是拖尾的。根据MA模型可计算信号功率谱密度。对于非平稳时间序列一般采用差分法得到想要的平稳序列。 利用时间序列自相关函数与滑动平均(MA)模型参数的关系，采用快速傅里叶变换(FFT)算法实现MA模型参数的快速估计，所得到的MA模型具有最小相位性质。MA模型也是现代谱估计中常用的模型，m阶滑动平均模型的自相关系数是m阶截尾的，偏相关系数是拖尾的。根据MA模型可计算信号功率谱密度。对于非平稳时间序列一般采用差分法得到想要的平稳序列。
- 一元线性回归用以解释一个自变量与因变量之间的线性关系，用y=ax+b来描述因变量y与一个自变量x的线性依存关系。由于事物之间的相互联系往往是多方面的，需要用线性方程来描述和分析一个因变量和多个自变量的数量关系，这就是多元线性回归。使用一组自变量和因变量的观测值，在误差平方和为最小的前提下，采用最小二乘法求解出线性回归系数，并考察回归方程的优劣以及变量的取舍。 一元线性回归用以解释一个自变量与因变量之间的线性关系，用y=ax+b来描述因变量y与一个自变量x的线性依存关系。由于事物之间的相互联系往往是多方面的，需要用线性方程来描述和分析一个因变量和多个自变量的数量关系，这就是多元线性回归。使用一组自变量和因变量的观测值，在误差平方和为最小的前提下，采用最小二乘法求解出线性回归系数，并考察回归方程的优劣以及变量的取舍。
- 奇异值分解(SVD)将一个实数矩阵分解成两个正交矩阵和一个对角矩阵的乘积，A=U*S*V’，U称为左奇异矩阵，V称为右奇异矩阵，S是对角矩阵(称为奇异矩阵)。奇异值分解(SVD)是线性代数中的经典问题，在数值分析、控制理论、信号与图像处理、系统辨识、机器学习等领域有着重要的应用，是很多算法的基石。介绍了SVD算法在数据压缩与降维、信号处理与分析方面的应用并给出了实例。 奇异值分解(SVD)将一个实数矩阵分解成两个正交矩阵和一个对角矩阵的乘积，A=U*S*V’，U称为左奇异矩阵，V称为右奇异矩阵，S是对角矩阵(称为奇异矩阵)。奇异值分解(SVD)是线性代数中的经典问题，在数值分析、控制理论、信号与图像处理、系统辨识、机器学习等领域有着重要的应用，是很多算法的基石。介绍了SVD算法在数据压缩与降维、信号处理与分析方面的应用并给出了实例。
- FineReport学习笔记 FineReport学习笔记
- FineReport学习笔记 FineReport学习笔记
- Landsat Collection 2 是对 Landsat 档案的第二次主要再处理工作，它带来了多项数据产品改进，这些改进应用了数据处理、算法开发以及数据访问和分发功能方面的进步。 Landsat Collection 2 包含来自 Landsat 1-9 的 Level-1 数据和来自 Landsat 4-9 的科学产品。 Collection 2 的一个主要特征是全球地面参考数据集... Landsat Collection 2 是对 Landsat 档案的第二次主要再处理工作，它带来了多项数据产品改进，这些改进应用了数据处理、算法开发以及数据访问和分发功能方面的进步。 Landsat Collection 2 包含来自 Landsat 1-9 的 Level-1 数据和来自 Landsat 4-9 的科学产品。 Collection 2 的一个主要特征是全球地面参考数据集...
- 实现阈值使用数字（阈值）和逻辑运算符来帮助我们将图像的可变性划分为类别。例如，回想一下我们的 NDVI 地图。大量植被的 NDVI 值接近 1，非植被区域接近 0。如果我们想查看地图的哪些区域有植被，我们可以使用阈值将每个像素中的 NDVI 值概括为“无植被” ”或“植被”。可以肯定的是，这是一个实质性的简化，但可以帮助我们更好地理解地球表面的丰富变化。这种类型的分类可能很有用，例如，如果... 实现阈值使用数字（阈值）和逻辑运算符来帮助我们将图像的可变性划分为类别。例如，回想一下我们的 NDVI 地图。大量植被的 NDVI 值接近 1，非植被区域接近 0。如果我们想查看地图的哪些区域有植被，我们可以使用阈值将每个像素中的 NDVI 值概括为“无植被” ”或“植被”。可以肯定的是，这是一个实质性的简化，但可以帮助我们更好地理解地球表面的丰富变化。这种类型的分类可能很有用，例如，如果...
- FineBI学习笔记 FineBI学习笔记
- FineBI学习笔记 FineBI学习笔记
- Landsat 7¶Landsat 7 collection.Surface Reflectance¶USGS Landsat 7 Surface Reflectance Tier 1USGS Landsat 7 Surface Reflectance Tier 2Top of Atmosphere (TOA)¶USGS Landsat 7 Collection 1 Tier 1 TOA R... Landsat 7¶Landsat 7 collection.Surface Reflectance¶USGS Landsat 7 Surface Reflectance Tier 1USGS Landsat 7 Surface Reflectance Tier 2Top of Atmosphere (TOA)¶USGS Landsat 7 Collection 1 Tier 1 TOA R...
- This chapter provides an overview of the Landsat collections and relevant quality information necessary for using the imagery.本节概述了Landsat8系列和使用图像所需的相关质量信息。Landsat platform.Landsat processing tie... This chapter provides an overview of the Landsat collections and relevant quality information necessary for using the imagery.本节概述了Landsat8系列和使用图像所需的相关质量信息。Landsat platform.Landsat processing tie...
- 数据发布接口和数据可视化一、数据发布接口通过Flink实时把结果数据写入Clickhouse-DM层中后，我们需要编写数据发布接口方便数据使用方调用数据结果进行可视化，数据发布接口项目为SpringBoot项目“LakeHouseDataPublish”，此Springboot接口支持mysql数据源与clickhouse数据源，mysql数据源方便离线数据展示，clickhouse数据源... 数据发布接口和数据可视化一、数据发布接口通过Flink实时把结果数据写入Clickhouse-DM层中后，我们需要编写数据发布接口方便数据使用方调用数据结果进行可视化，数据发布接口项目为SpringBoot项目“LakeHouseDataPublish”，此Springboot接口支持mysql数据源与clickhouse数据源，mysql数据源方便离线数据展示，clickhouse数据源...
上滑加载中
推荐直播
-
探秘仓颉编程语言：华为开发者空间的创新利器2025/02/22 周六 15:00-16:30
华为云讲师团
本期直播将与您一起探秘颉编程语言上线华为开发者空间后，显著提升开发效率，在智能化开发支持、全场景跨平台适配能力、工具链与生态完备性、语言简洁与高性能特性等方面展现出的独特优势。直播看点： 1.java转仓颉的小工具 2.仓颉动画三方库lottie 3.开发者空间介绍及如何在空间用仓颉编程语言开发
即将直播 -
大模型Prompt工程深度实践2025/02/24 周一 16:00-17:30
盖伦 华为云学堂技术讲师
如何让大模型精准理解开发需求并生成可靠输出？本期直播聚焦大模型Prompt工程核心技术：理解大模型推理基础原理，关键采样参数定义，提示词撰写关键策略及Prompt工程技巧分享。
去报名 -
华为云 x DeepSeek：AI驱动云上应用创新2025/02/26 周三 16:00-18:00
华为云 AI专家大咖团
在 AI 技术飞速发展之际，DeepSeek 备受关注。它凭借哪些技术与理念脱颖而出？华为云与 DeepSeek 合作，将如何重塑产品与应用模式，助力企业数字化转型？在华为开发者空间，怎样高效部署 DeepSeek，搭建专属服务器？基于华为云平台，又该如何挖掘 DeepSeek 潜力，实现智能化升级？本期直播围绕DeepSeek在云上的应用案例，与DTSE布道师们一起探讨如何利用AI 驱动云上应用创新。
去报名
热门标签