- t-SNE(t-Distributed Stochastic Neighbor Embedding)是由Laurens van der Maaten和Geoffrey Hinton于2008年提出的降维算法。t-SNE起初是作为一种可视化工具来帮助我们更好地理解高维数据的结构和关系。 在提出t-SNE之前,常用的降维算法包括PCA(Principal Component Analysis)和... t-SNE(t-Distributed Stochastic Neighbor Embedding)是由Laurens van der Maaten和Geoffrey Hinton于2008年提出的降维算法。t-SNE起初是作为一种可视化工具来帮助我们更好地理解高维数据的结构和关系。 在提出t-SNE之前,常用的降维算法包括PCA(Principal Component Analysis)和...
- 简介 中国县行政区中国的县级行政区是指县、市辖区、自治县、县级市、旗、自治旗、特区和林区。县辖区通常由县城和若干个镇组成,每个县辖区都有自己的政府机构和行政管理系统。县级行政区的地位在中国行政区划中位于地市级行政区和乡级行政区之间。县级行政区的主要职责包括协调和管理本地区的经济、文化和社会事务,管理当地的土地、资源和环境保护,同时也负责实施中央政府制定的各项政策和计划。县级行政区是中国政... 简介 中国县行政区中国的县级行政区是指县、市辖区、自治县、县级市、旗、自治旗、特区和林区。县辖区通常由县城和若干个镇组成,每个县辖区都有自己的政府机构和行政管理系统。县级行政区的地位在中国行政区划中位于地市级行政区和乡级行政区之间。县级行政区的主要职责包括协调和管理本地区的经济、文化和社会事务,管理当地的土地、资源和环境保护,同时也负责实施中央政府制定的各项政策和计划。县级行政区是中国政...
- 人工智能(AI)正在迅速成为现代世界的变革力量,开源项目在这一转型中发挥了重要作用。开源人工智能项目使尖端技术的访问民主化,鼓励该领域专家之间的合作,并能够开发复杂而强大的人工智能解决方案来解决现实世界的问题。 人工智能(AI)正在迅速成为现代世界的变革力量,开源项目在这一转型中发挥了重要作用。开源人工智能项目使尖端技术的访问民主化,鼓励该领域专家之间的合作,并能够开发复杂而强大的人工智能解决方案来解决现实世界的问题。
- 产品简介地表覆盖分布是气候变化研究、生态环境评估及地理国情监测等不可或缺的重要基础信息。中国科学院空天信息创新研究院刘良云研究员团队发布全球首套2020年全球30m地表覆盖精细分类产品。该数据集反映了2020年全球陆地区域(除南极洲)在30m空间分辨率下的地表覆盖分布状况,为地表相关应用提供了最新的数据支撑,对于全球变化、可持续发展分析以及地理国情监测等具有重要意义。该数据集在2015年... 产品简介地表覆盖分布是气候变化研究、生态环境评估及地理国情监测等不可或缺的重要基础信息。中国科学院空天信息创新研究院刘良云研究员团队发布全球首套2020年全球30m地表覆盖精细分类产品。该数据集反映了2020年全球陆地区域(除南极洲)在30m空间分辨率下的地表覆盖分布状况,为地表相关应用提供了最新的数据支撑,对于全球变化、可持续发展分析以及地理国情监测等具有重要意义。该数据集在2015年...
- 简介清华大学地球系统科学系宫鹏等基于研究组2011年以来在全球30米地表覆盖制图中获得的经验和在样本库建设方面的积累,结合10米分辨率Sentinel-2全球影像的完整存储和免费获取,开发出了世界首套10米分辨率的全球地表覆盖产品—FROM-GLC10(清华大学全球首套30米分辨率地表覆盖图称为Finer Resolution Observation and Monitoring of ... 简介清华大学地球系统科学系宫鹏等基于研究组2011年以来在全球30米地表覆盖制图中获得的经验和在样本库建设方面的积累,结合10米分辨率Sentinel-2全球影像的完整存储和免费获取,开发出了世界首套10米分辨率的全球地表覆盖产品—FROM-GLC10(清华大学全球首套30米分辨率地表覆盖图称为Finer Resolution Observation and Monitoring of ...
- 关联规则学习算法是数据挖掘领域中用于发现数据集中项之间关联关系的一种方法。Apriori算法是其中一种常用的关联规则学习算法。 Apriori算法是由R. Agrawal 和 R. Srikant 在1994年提出的。它的核心思想是基于频繁项集的概念,通过逐步扫描数据集来发现频繁项集,并根据频繁项集生成关联规则。 Apriori算法的步骤如下:首先,扫描数据集,统计每个项的支持度(即出现的频... 关联规则学习算法是数据挖掘领域中用于发现数据集中项之间关联关系的一种方法。Apriori算法是其中一种常用的关联规则学习算法。 Apriori算法是由R. Agrawal 和 R. Srikant 在1994年提出的。它的核心思想是基于频繁项集的概念,通过逐步扫描数据集来发现频繁项集,并根据频繁项集生成关联规则。 Apriori算法的步骤如下:首先,扫描数据集,统计每个项的支持度(即出现的频...
- 谱聚类(Spectral Clustering)是一种基于图论和线性代数的聚类算法,它在处理非凸和非球形数据分布时表现出色。谱聚类将数据集表示为一个图的形式,并通过对图的拉普拉斯矩阵进行特征分解来实现聚类。 谱聚类的主要步骤如下:构建相似度矩阵:根据数据集中样本之间的距离或相似度,构建一个相似度矩阵。常用的相似度度量有欧氏距离、高斯核函数等。构建拉普拉斯矩阵:根据相似度矩阵构建拉普拉斯矩阵。... 谱聚类(Spectral Clustering)是一种基于图论和线性代数的聚类算法,它在处理非凸和非球形数据分布时表现出色。谱聚类将数据集表示为一个图的形式,并通过对图的拉普拉斯矩阵进行特征分解来实现聚类。 谱聚类的主要步骤如下:构建相似度矩阵:根据数据集中样本之间的距离或相似度,构建一个相似度矩阵。常用的相似度度量有欧氏距离、高斯核函数等。构建拉普拉斯矩阵:根据相似度矩阵构建拉普拉斯矩阵。...
- 高斯混合模型(Gaussian Mixture Models,GMM)是一种统计模型,用于对数据进行聚类分析和概率密度估计。它假设数据是由若干个高斯分布组成的混合体。 GMM的核心思想是将数据视为由多个高斯分布组成的混合体,每个高斯分布代表一个簇。每个数据点都有一定的概率属于每个高斯分布,这些概率称为后验概率。通过对后验概率进行最大似然估计,可以得到最优的模型参数。 GMM的模型参数包括每个... 高斯混合模型(Gaussian Mixture Models,GMM)是一种统计模型,用于对数据进行聚类分析和概率密度估计。它假设数据是由若干个高斯分布组成的混合体。 GMM的核心思想是将数据视为由多个高斯分布组成的混合体,每个高斯分布代表一个簇。每个数据点都有一定的概率属于每个高斯分布,这些概率称为后验概率。通过对后验概率进行最大似然估计,可以得到最优的模型参数。 GMM的模型参数包括每个...
- 层次聚类(Hierarchical Clustering)是一种常用的聚类算法,它的主要思想是通过计算样本之间的相似性或距离,将样本逐步合并形成一棵层次化的聚类树。层次聚类算法可以分为两种类型:凝聚型(Agglomerative)和分裂型(Divisive)。 凝聚型层次聚类是从每个样本作为一个独立的聚类开始,然后通过合并相似的聚类逐渐形成更大的聚类,直到最终只剩下一个聚类或者达到预设的聚类... 层次聚类(Hierarchical Clustering)是一种常用的聚类算法,它的主要思想是通过计算样本之间的相似性或距离,将样本逐步合并形成一棵层次化的聚类树。层次聚类算法可以分为两种类型:凝聚型(Agglomerative)和分裂型(Divisive)。 凝聚型层次聚类是从每个样本作为一个独立的聚类开始,然后通过合并相似的聚类逐渐形成更大的聚类,直到最终只剩下一个聚类或者达到预设的聚类...
- 清华大学地球系统科学系宫鹏等基于研究组2011年以来在全球30米地表覆盖制图中获得的经验和在样本库建设方面的积累,结合10米分辨率Sentinel-2全球影像的完整存储和免费获取,开发出了世界首套30米分辨率的全球地表覆盖产品—FROM-GLC30(清华大学全球首套30米分辨率地表覆盖图称为Finer Resolution Observation and Monitoring of Gl... 清华大学地球系统科学系宫鹏等基于研究组2011年以来在全球30米地表覆盖制图中获得的经验和在样本库建设方面的积累,结合10米分辨率Sentinel-2全球影像的完整存储和免费获取,开发出了世界首套30米分辨率的全球地表覆盖产品—FROM-GLC30(清华大学全球首套30米分辨率地表覆盖图称为Finer Resolution Observation and Monitoring of Gl...
- 中国500m分辨率生态环境质量年度合成产品(CHEQ_V2)采用了多源遥感影像(MODIS和夜间灯光数据DMSP/OLS),改进了基于像素的模型,生成了覆盖中国区域的年度生态环境质量数据,空间分辨率为500m,时间分辨率为年,由北京师范大学、南方科技大学和北京大学联合开发。验证结果表明,CHEQ产品与中国生态环境部提供的环境指数(EI)高度一致;CHEQ产品填补了国内生态环境监测领域的研... 中国500m分辨率生态环境质量年度合成产品(CHEQ_V2)采用了多源遥感影像(MODIS和夜间灯光数据DMSP/OLS),改进了基于像素的模型,生成了覆盖中国区域的年度生态环境质量数据,空间分辨率为500m,时间分辨率为年,由北京师范大学、南方科技大学和北京大学联合开发。验证结果表明,CHEQ产品与中国生态环境部提供的环境指数(EI)高度一致;CHEQ产品填补了国内生态环境监测领域的研...
- LandScan全球人口分布数据来自于East View Cartographic,由美国能源部橡树岭国家实验室(ORNL)开发。LandScan运用GIS和遥感等创新方法,是全球人口数据发布的社会标准,是全球最为准确、可靠,基于地理位置的,具有分布模型和最佳分辨率的全球人口动态统计分析数据。Landscan全球人口分布数据集提供了2000年至2017年的全球人口统计数据,空间分辨率接近... LandScan全球人口分布数据来自于East View Cartographic,由美国能源部橡树岭国家实验室(ORNL)开发。LandScan运用GIS和遥感等创新方法,是全球人口数据发布的社会标准,是全球最为准确、可靠,基于地理位置的,具有分布模型和最佳分辨率的全球人口动态统计分析数据。Landscan全球人口分布数据集提供了2000年至2017年的全球人口统计数据,空间分辨率接近...
- OCR文字检测与识别系统:融合文字检测、文字识别和方向分类器的综合解决方案 OCR文字检测与识别系统:融合文字检测、文字识别和方向分类器的综合解决方案
- 自主学习算法中的变分自编码器(Variational Autoencoders,简称VAE)是一种用于生成模型的概率图模型方法。它可以通过学习潜在空间中的分布来生成新的数据样本,同时也可以用于数据压缩和特征提取。 VAE是基于自编码器(Autoencoder)的一种改进和扩展。自编码器是一种无监督学习算法,通过将输入数据编码成低维表示,再将其解码重构为原始数据,从而学习数据的压缩表示和重要特... 自主学习算法中的变分自编码器(Variational Autoencoders,简称VAE)是一种用于生成模型的概率图模型方法。它可以通过学习潜在空间中的分布来生成新的数据样本,同时也可以用于数据压缩和特征提取。 VAE是基于自编码器(Autoencoder)的一种改进和扩展。自编码器是一种无监督学习算法,通过将输入数据编码成低维表示,再将其解码重构为原始数据,从而学习数据的压缩表示和重要特...
- 中国站点尺度天然径流量估算数据集,包括全国多个水文站1961–2018年月值天然径流量(数据将继续更新),数据为ASCII格式。该数据是基于VIC(The Variable Infiltration Capacity)分布式水文模型,结合参数不确定分析、流向校正和统计后处理等数据质量方法重建的,是中国长时序、高质量与时间连续的天然河川径流资料。研究中涉及到的全国水文站分别约有83%和56%... 中国站点尺度天然径流量估算数据集,包括全国多个水文站1961–2018年月值天然径流量(数据将继续更新),数据为ASCII格式。该数据是基于VIC(The Variable Infiltration Capacity)分布式水文模型,结合参数不确定分析、流向校正和统计后处理等数据质量方法重建的,是中国长时序、高质量与时间连续的天然河川径流资料。研究中涉及到的全国水文站分别约有83%和56%...
上滑加载中
推荐直播
-
华为云IoT开源专家实践分享:开源让物联网平台更开放、易用
2024/05/22 周三 16:30-18:00
张俭 华为云IoT DTSE技术布道师
开源,意味着开放、共享、互助、共赢。作为万物上云及各行业数字化的物联网底座,华为云IoT积极拥抱开源,借助行业开源的最佳实践,构建可靠、易用的物联网平台,并通过开放南北向SDK,助力开发者快速构建物联网应用。本期直播,华为云IoT开源专家、物联网平台资深“程序猿”张俭,带你了解华为云IoT的开源生态,并手把手教你玩转开源社区!
去报名 -
华为云开发者日·广州站
2024/05/23 周四 14:30-17:30
华为云专家团
华为云开发者日HDC.Cloud Day是面向全球开发者的旗舰活动,汇聚来自千行百业、高校及科研院所的开发人员。致力于打造开发者专属的技术盛宴,全方位服务与赋能开发者围绕华为云生态“知、学、用、创、商”的成长路径。通过前沿的技术分享、场景化的动手体验、优秀的应用创新推介,为开发者提供沉浸式学习与交流平台。开放创新,与开发者共创、共享、共赢未来。
去报名
热门标签