- K-Means 聚类是一种流行的算法，用于自动将点分组为自然聚类。QGIS 带有处理工具箱算法“K-means 聚类”，它可以采用矢量图层并将特征分组为 N 个簇。该算法的一个问题是您无法控制每个集群中的最终点数。许多应用程序要求您将数据层分割成大小相等的集群或具有最少点数的集群。您可能需要的一些示例 在规划 FTTH（光纤到户）... K-Means 聚类是一种流行的算法，用于自动将点分组为自然聚类。QGIS 带有处理工具箱算法“K-means 聚类”，它可以采用矢量图层并将特征分组为 N 个簇。该算法的一个问题是您无法控制每个集群中的最终点数。许多应用程序要求您将数据层分割成大小相等的集群或具有最少点数的集群。您可能需要的一些示例 在规划 FTTH（光纤到户）...
- 抵制不必要地增加训练数据集大小。尽管在某些情况下增加训练数据量是一种有效的机器学习策略，但它也会增加计算成本，而不会相应提高准确性。（要了解何时增加训练数据集大小，请参阅 此参考资料）。以下示例演示了请求过多训练数据如何导致可怕的“计算值太大”错误： 不好——不要采样太多数据 var l8raw = ee.ImageCol... 抵制不必要地增加训练数据集大小。尽管在某些情况下增加训练数据量是一种有效的机器学习策略，但它也会增加计算成本，而不会相应提高准确性。（要了解何时增加训练数据集大小，请参阅 此参考资料）。以下示例演示了请求过多训练数据如何导致可怕的“计算值太大”错误： 不好——不要采样太多数据 var l8raw = ee.ImageCol...
- Results from time-series analysis of Landsat images in characterizing global forest extent and change. The 'first' and 'last' bands are reference multispectral imagery ... Results from time-series analysis of Landsat images in characterizing global forest extent and change. The 'first' and 'last' bands are reference multispectral imagery ...
- 当在数据一个线性子空间像扁平饼时 PCA 是非常有用的。但是如果数据形成更复杂的形状呢？一个平面（线性子空间）可以推广到一个 流形 （非线性子空间），它可以被认为是一个被各种拉伸和滚动的表面。 如果线性子空间是平的纸张，那么卷起的纸张就是非线性流形的例子。你也可以叫它瑞士卷。（见图 7-1），一旦滚动，二维平面就会变为三维的。然而，它... 当在数据一个线性子空间像扁平饼时 PCA 是非常有用的。但是如果数据形成更复杂的形状呢？一个平面（线性子空间）可以推广到一个 流形 （非线性子空间），它可以被认为是一个被各种拉伸和滚动的表面。 如果线性子空间是平的纸张，那么卷起的纸张就是非线性流形的例子。你也可以叫它瑞士卷。（见图 7-1），一旦滚动，二维平面就会变为三维的。然而，它...
- Earth Engine 中的机器学习 (ML) 支持： 在EE API方法ee.Classifier，ee.Clusterer或 ee.Reducer包地球引擎内的训练和推理。 TFRecord 文件的导出导入功能，方便 TensorFlow 模型开发。该ee.Model软件包支持使用 Earth Engine 中的... Earth Engine 中的机器学习 (ML) 支持： 在EE API方法ee.Classifier，ee.Clusterer或 ee.Reducer包地球引擎内的训练和推理。 TFRecord 文件的导出导入功能，方便 TensorFlow 模型开发。该ee.Model软件包支持使用 Earth Engine 中的...
- 朴素贝叶斯是基于贝叶斯理论的一种监督学习算法，『朴素』意思是假设所有特征两两相互独立，给出类别y和一组依赖特征[x1..xn]，根据贝叶斯理论，他们有如下的关系。 P(y|x1,...xn)=P... 朴素贝叶斯是基于贝叶斯理论的一种监督学习算法，『朴素』意思是假设所有特征两两相互独立，给出类别y和一组依赖特征[x1..xn]，根据贝叶斯理论，他们有如下的关系。 P(y|x1,...xn)=P...
- 我将教你一种编程语言：Octave语言。你能够用它来非常迅速地实现这门课中我们已经学过的，或者将要学的机器学习算法。 过去我一直尝试用不同的编程语言来教授机器学习，包括C++、Java、Python、Numpy和Octave。我发现当使用像Octave这样的高级语言时，学生能够更快更好地学习并掌握这些算法。事实上，在硅谷，我经常看到进... 我将教你一种编程语言：Octave语言。你能够用它来非常迅速地实现这门课中我们已经学过的，或者将要学的机器学习算法。 过去我一直尝试用不同的编程语言来教授机器学习，包括C++、Java、Python、Numpy和Octave。我发现当使用像Octave这样的高级语言时，学生能够更快更好地学习并掌握这些算法。事实上，在硅谷，我经常看到进...
- 随机森林简介 随机森林是机器学习一种常用的方法。它是以决策树为基础，用随机的方式排列建立的，森林里每个决策树之间都是没有关联的。 在得到森林之后，当有一个新的输入样本进入的时候，就让森林中的每一棵决策树分别进行一下判断，看看这个样本应该属于哪一类（对于分类算法），然后看看哪一类被选择最多，就预测这个样本为那一类。随机森林可以用来进行无... 随机森林简介 随机森林是机器学习一种常用的方法。它是以决策树为基础，用随机的方式排列建立的，森林里每个决策树之间都是没有关联的。 在得到森林之后，当有一个新的输入样本进入的时候，就让森林中的每一棵决策树分别进行一下判断，看看这个样本应该属于哪一类（对于分类算法），然后看看哪一类被选择最多，就预测这个样本为那一类。随机森林可以用来进行无...
- 一、进制转换 （1）二进制数 10110B 与十进制数 78D 相加，最后再将结果转换为十六进制数，那么这个十六进制数是______H？ 10110B+78D = 10110B+1001110B =110 0100B = 64H （2） 二进制数10010B与十进制数37D相加，最后再将结果转换为十六进制数... 一、进制转换 （1）二进制数 10110B 与十进制数 78D 相加，最后再将结果转换为十六进制数，那么这个十六进制数是______H？ 10110B+78D = 10110B+1001110B =110 0100B = 64H （2） 二进制数10010B与十进制数37D相加，最后再将结果转换为十六进制数...
- 基本 rgee - 最佳实践 改编自Google Earth Engine 文档。 本文档描述了旨在最大化复杂或昂贵的地球引擎计算成功机会的编码实践。 1. 避免将客户端函数和对象与服务器函数和对象混合 Earth Engine 服务器对象是具有以ee（例如ee$Image、ee$Reduce... 基本 rgee - 最佳实践 改编自Google Earth Engine 文档。 本文档描述了旨在最大化复杂或昂贵的地球引擎计算成功机会的编码实践。 1. 避免将客户端函数和对象与服务器函数和对象混合 Earth Engine 服务器对象是具有以ee（例如ee$Image、ee$Reduce...
- Results from time-series analysis of Landsat images in characterizing global forest extent and change. The 'first' and 'last' bands are reference multispectral imagery ... Results from time-series analysis of Landsat images in characterizing global forest extent and change. The 'first' and 'last' bands are reference multispectral imagery ...
- 机器学习和监督分类简介 监督分类可以说是遥感中最重要的经典机器学习技术。应用范围从生成土地利用/土地覆盖地图到变化检测。Google Earth Engine 是独一无二的，适合大规模进行监督分类。地球引擎开发的交互特性允许通过将许多不同的数据集组合到模型中来迭代开发监督分类工作流。该模块涵盖了基本的监督分类工作流程、... 机器学习和监督分类简介 监督分类可以说是遥感中最重要的经典机器学习技术。应用范围从生成土地利用/土地覆盖地图到变化检测。Google Earth Engine 是独一无二的，适合大规模进行监督分类。地球引擎开发的交互特性允许通过将许多不同的数据集组合到模型中来迭代开发监督分类工作流。该模块涵盖了基本的监督分类工作流程、...
- 使用很少的数据来训练一个图像分类模型，这是很常见的情况，如果你要从事计算机视觉方面的职业，很可能会在实践中遇到这种情况。“很少的”样本可能是几百张图像，也可能是几万张图像。来看一个实例，我们将重点讨论猫狗图像分类，数据集中包含 4000 张猫和狗的图像（2000 张猫的图像，2000 张狗的图像）。我们将 2000 张图像用于训练，10... 使用很少的数据来训练一个图像分类模型，这是很常见的情况，如果你要从事计算机视觉方面的职业，很可能会在实践中遇到这种情况。“很少的”样本可能是几百张图像，也可能是几万张图像。来看一个实例，我们将重点讨论猫狗图像分类，数据集中包含 4000 张猫和狗的图像（2000 张猫的图像，2000 张狗的图像）。我们将 2000 张图像用于训练，10...
- 项目描述：本次实践是一个多分类任务，需要将照片中的每个字符分别进行识别，完成车牌的识别 实践平台：百度AI实训平台-AI Studio、PaddlePaddle1.8.0 动态图 数据集介绍（自己去网上下载车牌识别数据集） 数据集文件名为characterData.zip，其中有65个文件夹 包含0-9，A-Z，以及各省简... 项目描述：本次实践是一个多分类任务，需要将照片中的每个字符分别进行识别，完成车牌的识别 实践平台：百度AI实训平台-AI Studio、PaddlePaddle1.8.0 动态图 数据集介绍（自己去网上下载车牌识别数据集） 数据集文件名为characterData.zip，其中有65个文件夹 包含0-9，A-Z，以及各省简...
- 无监督分类（聚类） 该ee.Clusterer包处理Earth Engine 中的无监督分类（或 聚类）。这些算法目前基于Weka 中的同名算法。Clusterer代码编辑器中的参考文档中提供了有关每个的更多详细信息。 聚类器的使用方式与地球引擎中的分类器相同。聚类的一般工作流程是： 组合具有数字属性的特... 无监督分类（聚类） 该ee.Clusterer包处理Earth Engine 中的无监督分类（或 聚类）。这些算法目前基于Weka 中的同名算法。Clusterer代码编辑器中的参考文档中提供了有关每个的更多详细信息。 聚类器的使用方式与地球引擎中的分类器相同。聚类的一般工作流程是： 组合具有数字属性的特...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签