- k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终... k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终...
- 全球动态土地分类数据集是一个10米的近实时（NRT）土地利用/土地覆盖（LULC）数据集，包括九个类别的概率和标签信息。动态世界的预测适用于2015-06-27至今的Sentinel-2 L1C集合。Sentinel-2的重访频率为2-5天，取决于纬度。动态世界预测是针对CLOUDY_PIXEL_PERCENTAGE<=35%的Sentinel-2 L1C图像生成的。预测结果被屏蔽，以去除... 全球动态土地分类数据集是一个10米的近实时（NRT）土地利用/土地覆盖（LULC）数据集，包括九个类别的概率和标签信息。动态世界的预测适用于2015-06-27至今的Sentinel-2 L1C集合。Sentinel-2的重访频率为2-5天，取决于纬度。动态世界预测是针对CLOUDY_PIXEL_PERCENTAGE<=35%的Sentinel-2 L1C图像生成的。预测结果被屏蔽，以去除...
- GPWv411：国家标识符网格（世界网格人口第 4 . 11 版）世界网格人口第 4 版 (GPWv4) 第 11 版在 30 角秒（约 1 公里）网格单元上模拟了 2000、2005、2010、2015 和 2020 年全球人口的分布。使用人口普查和行政单位的人口按比例分配将人口分配到单元格。人口输入数据以 2005 年至 2014 年间发生的 2010 年人口普查结果中可用的最详细空间分... GPWv411：国家标识符网格（世界网格人口第 4 . 11 版）世界网格人口第 4 版 (GPWv4) 第 11 版在 30 角秒（约 1 公里）网格单元上模拟了 2000、2005、2010、2015 和 2020 年全球人口的分布。使用人口普查和行政单位的人口按比例分配将人口分配到单元格。人口输入数据以 2005 年至 2014 年间发生的 2010 年人口普查结果中可用的最详细空间分...
- 数据中包含的相应的属性信息：WASTE_ID 在HydroWASTE中的污水处理厂IDSOURCE 国家/地区数据集。1=欧洲；2=美国；3=巴西；4=墨西哥；5=中国；6=加拿大；7=澳大利亚；8=南非；9=印度；10=新西兰；11=秘鲁；12=其余国家ORG_ID 来自国家/地区数据集的ID（更多信息见参考文件）。WWTP_NAME 来自国家/地区数据集的污水处理厂名称（如果没有报... 数据中包含的相应的属性信息：WASTE_ID 在HydroWASTE中的污水处理厂IDSOURCE 国家/地区数据集。1=欧洲；2=美国；3=巴西；4=墨西哥；5=中国；6=加拿大；7=澳大利亚；8=南非；9=印度；10=新西兰；11=秘鲁；12=其余国家ORG_ID 来自国家/地区数据集的ID（更多信息见参考文件）。WWTP_NAME 来自国家/地区数据集的污水处理厂名称（如果没有报...
- 今天看到一篇文章讲述了对于土地分类的自动化处理的过程，非常实用，而且你只需要将你的研究区进行放图即可，剩下的就是一键run就能获得1986-2020年的影像，当然这里作者去除了2012年因为色差条带产生的影像。 如果你想加入2012年的影像需要将代码改一下，整体的改动幅度不会太大，就是加入一个集合，剩下的就是弄到融合所有影像集合就欧克。这个程序住主程序部分不是很... 今天看到一篇文章讲述了对于土地分类的自动化处理的过程，非常实用，而且你只需要将你的研究区进行放图即可，剩下的就是一键run就能获得1986-2020年的影像，当然这里作者去除了2012年因为色差条带产生的影像。 如果你想加入2012年的影像需要将代码改一下，整体的改动幅度不会太大，就是加入一个集合，剩下的就是弄到融合所有影像集合就欧克。这个程序住主程序部分不是很...
- 本次的实验目的主要是，我们平时很多情况下会在进行影像分析的时候，特别是在进行植被指数分析的时候，我们一般会选择阈值法将其进行水体去除，但是还有一种更简单的方法，就是利用已有影像的水体部分将其进行扣除，然后再利用剩余的影像进行NDVI的分析和计算，这样整体影像看起来就会好很多，就是把水带来的元素给去除掉。当让我们如果做某一区域的NDWI运算的时候样去除掉相应的非水体部分，制作水体部分。我们... 本次的实验目的主要是，我们平时很多情况下会在进行影像分析的时候，特别是在进行植被指数分析的时候，我们一般会选择阈值法将其进行水体去除，但是还有一种更简单的方法，就是利用已有影像的水体部分将其进行扣除，然后再利用剩余的影像进行NDVI的分析和计算，这样整体影像看起来就会好很多，就是把水带来的元素给去除掉。当让我们如果做某一区域的NDWI运算的时候样去除掉相应的非水体部分，制作水体部分。我们...
- HydroATLAS 为 HydroBASINS 的所有子流域、HydroRIVERS 的所有河流以及（即将推出）HydroLAKES 的所有湖泊多边形提供了全球水文环境特征概要。HydroATLAS 数据库分为三个不同的子数据集：BasinATLAS、RiverATLAS 和 LakeATLAS，它们分别代表子流域划分（多边形）、河网（线）和湖岸线（多边形）。HydroATLAS 总共包含... HydroATLAS 为 HydroBASINS 的所有子流域、HydroRIVERS 的所有河流以及（即将推出）HydroLAKES 的所有湖泊多边形提供了全球水文环境特征概要。HydroATLAS 数据库分为三个不同的子数据集：BasinATLAS、RiverATLAS 和 LakeATLAS，它们分别代表子流域划分（多边形）、河网（线）和湖岸线（多边形）。HydroATLAS 总共包含...
- 今天收到了来在GEE开发中心的邮件，作为 Google 对安全性改进的一部分，您将看到（Python）ee.Authenticate()和（命令行）earthengine 身份验证调用的行为方式发生了一些变化。他们将继续生成凭证文件，但审批步骤会有所不同。具体修改部分：这仅适用于使用 Python 库或命令行工具的情况；代码编辑器没有变化。请将您的 Python 客户端升级到版本 0.1.3... 今天收到了来在GEE开发中心的邮件，作为 Google 对安全性改进的一部分，您将看到（Python）ee.Authenticate()和（命令行）earthengine 身份验证调用的行为方式发生了一些变化。他们将继续生成凭证文件，但审批步骤会有所不同。具体修改部分：这仅适用于使用 Python 库或命令行工具的情况；代码编辑器没有变化。请将您的 Python 客户端升级到版本 0.1.3...
- 绪近期在写论文方面涉及到了数据挖掘，需要通过数据挖掘方法实现软件与用户间交互模式的获取、分析与分类研究。主要涉及到关联规则与序列模式挖掘两块。关联规则挖掘使用基于有趣性度量标准的FP-Growth算法，序列模式挖掘使用基于有趣性度量标准的GSP算法。若想实现以上优化算法，首先必须了解其基本算法，并编程实现。关键点还是在于理解算法思想，只有懂得了算法思想，对其进行优化操作易如反掌。源代码方面，... 绪近期在写论文方面涉及到了数据挖掘，需要通过数据挖掘方法实现软件与用户间交互模式的获取、分析与分类研究。主要涉及到关联规则与序列模式挖掘两块。关联规则挖掘使用基于有趣性度量标准的FP-Growth算法，序列模式挖掘使用基于有趣性度量标准的GSP算法。若想实现以上优化算法，首先必须了解其基本算法，并编程实现。关键点还是在于理解算法思想，只有懂得了算法思想，对其进行优化操作易如反掌。源代码方面，...
- python 数据分析机器学习介绍 python 数据分析机器学习介绍
- 数据分析python SVM解决非线性问题 数据分析python SVM解决非线性问题
- python数据分析SVM，快速使用代码 python数据分析SVM，快速使用代码
- 在给自己搭一个金融数据库（三）中介绍了数据库的定时更新，但数据来源于tushare数据库。tushare上的净利润时常会有更新，并且没有更新时间，即使定时更新也必须每天去更新一次，而我在策略回溯时，为了保证数据的一致性，必须每个策略每天都重新查询数据库。不知道是不是tushare的次数限制变少了，今天更是一大早就碰到了次数限制。为了攻克这个问题，我决定自己去网站上爬数据。1. 选定数据来源数... 在给自己搭一个金融数据库（三）中介绍了数据库的定时更新，但数据来源于tushare数据库。tushare上的净利润时常会有更新，并且没有更新时间，即使定时更新也必须每天去更新一次，而我在策略回溯时，为了保证数据的一致性，必须每个策略每天都重新查询数据库。不知道是不是tushare的次数限制变少了，今天更是一大早就碰到了次数限制。为了攻克这个问题，我决定自己去网站上爬数据。1. 选定数据来源数...
- 推荐算法——关联规则 推荐算法——关联规则
- 数据生成文件：类名：【GetRandomInfo.py】import randomdef getClassName(): randomClass = ("天字一号", "地字一号", "玄字一号", "黄字一号", "东宫正品") return randomClass[int(random.random() * len(randomClass))]def getName():... 数据生成文件：类名：【GetRandomInfo.py】import randomdef getClassName(): randomClass = ("天字一号", "地字一号", "玄字一号", "黄字一号", "东宫正品") return randomClass[int(random.random() * len(randomClass))]def getName():...
上滑加载中
推荐直播
-
香橙派AIpro的远程推理框架与实验案例2025/07/04 周五 19:00-20:00
郝家胜 -华为开发者布道师-高校教师
AiR推理框架创新采用将模型推理与模型应用相分离的机制，把香橙派封装为AI推理黑盒服务，构建了分布式远程推理框架，并提供多种输入模态、多种输出方式以及多线程支持的高度复用框架，解决了开发板环境配置复杂上手困难、缺乏可视化体验和资源稀缺课程受限等痛点问题，真正做到开箱即用，并支持多种笔记本电脑环境、多种不同编程语言，10行代码即可体验图像分割迁移案例。
回顾中 -
鸿蒙端云一体化应用开发2025/07/10 周四 19:00-20:00
倪红军 华为开发者布道师-高校教师
基于鸿蒙平台终端设备的应用场景越来越多、使用范围越来越广。本课程以云数据库服务为例，介绍云侧项目应用的创建、新建对象类型、新增存储区及向对象类型中添加数据对象的方法，端侧（HarmonyOS平台）一体化工程项目的创建、云数据资源的关联方法及对云侧数据的增删改查等操作方法，为开发端云一体化应用打下坚实基础。
回顾中
热门标签