- 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
-
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 -
苏州工业园区“华为云杯”2025人工智能应用创新大赛赛中直播2025/08/21 周四 16:00-17:00
Vz 华为云AIoT技术布道师
本期直播将与您一起探讨如何基于华为云IoT平台全场景云服务，结合AI、鸿蒙、大数据等技术，打造有创新性，有竞争力的方案和产品。
回顾中 -
深入解读架构师专业级培训认证2025/08/22 周五 16:30-17:30
阿肯-华为云生态技术讲师
解决方案架构专业级是开发者认证中的顶端明珠。这门认证聊什么？值得学吗？怎么考、考什么、难不难？这门课程深入解答
回顾中
热门标签