- 简介清华大学宫鹏教授研究组基于Landsat影像完成了40年时间跨度的1978年、1985-2017逐年的中国建成区制图产品。该数据集包含城市建筑用地情况，数据按省组织，空间分辨率为30m。该研究将中国划分为298个格网，每个格网面积为200km×200km，利用训练样本和Exclusion-Inclusion分类方法实现建成区快速制图，经验证，数据总体精度超过90%。该数据集填补了较高分辨... 简介清华大学宫鹏教授研究组基于Landsat影像完成了40年时间跨度的1978年、1985-2017逐年的中国建成区制图产品。该数据集包含城市建筑用地情况，数据按省组织，空间分辨率为30m。该研究将中国划分为298个格网，每个格网面积为200km×200km，利用训练样本和Exclusion-Inclusion分类方法实现建成区快速制图，经验证，数据总体精度超过90%。该数据集填补了较高分辨...
- OpenAI 支持的国家和地区（156个）看看你所在的地区可以使用吗？ OpenAI 支持的国家和地区（156个）看看你所在的地区可以使用吗？
- ChatGPT Plus插件与联网功能开启与使用教程 ChatGPT Plus插件与联网功能开启与使用教程
- 🤵♂️ 个人主页: @AI_magician📡主页地址： 作者简介：CSDN内容合伙人，全栈领域优质创作者。👨💻景愿：旨在于能和更多的热爱计算机的伙伴一起成长！！🐱🏍🙋♂️声明：本人目前大学就读于大二，研究兴趣方向人工智能&硬件（虽然硬件还没开始玩，但一直很感兴趣！希望大佬带带）【深度学习 | 核心概念】那些深度学习路上必经的核心概念，确定不来看看？ （二） 作者： ... 🤵♂️ 个人主页: @AI_magician📡主页地址： 作者简介：CSDN内容合伙人，全栈领域优质创作者。👨💻景愿：旨在于能和更多的热爱计算机的伙伴一起成长！！🐱🏍🙋♂️声明：本人目前大学就读于大二，研究兴趣方向人工智能&硬件（虽然硬件还没开始玩，但一直很感兴趣！希望大佬带带）【深度学习 | 核心概念】那些深度学习路上必经的核心概念，确定不来看看？ （二） 作者： ...
- 简介WorldPop于2013年10月启动，将AfriPop，AsiaPop和AmeriPop人口绘图项目结合在一起。它旨在为中美洲和南美洲，非洲和亚洲提供一个开放的空间人口统计数据集存档，以支持发展，灾害应对和卫生应用。平台中的WorldPop数据集提供了2000年至2020年的全中国的人口统计数据，包含两个数据集，分辨率分别是1公里和100米。本数据集的分辨率100米和1公里两个版本。... 简介WorldPop于2013年10月启动，将AfriPop，AsiaPop和AmeriPop人口绘图项目结合在一起。它旨在为中美洲和南美洲，非洲和亚洲提供一个开放的空间人口统计数据集存档，以支持发展，灾害应对和卫生应用。平台中的WorldPop数据集提供了2000年至2020年的全中国的人口统计数据，包含两个数据集，分辨率分别是1公里和100米。本数据集的分辨率100米和1公里两个版本。...
- 词袋模型（Bag-of-Words Model）是自然语言处理领域中常用的一种算法，用于将文本数据转化为数值特征。它的基本思想是将文本看作是一个袋子，每个词都是一个独立的单位，文本中词的顺序和语法结构对模型没有影响，只关注词汇的出现与否以及频率。 词袋模型的步骤如下：分词：首先将文本数据进行分词，将句子分割成一个个的词语。这可以使用现成的分词工具，如jieba中文分词工具。构建词汇表：将所有... 词袋模型（Bag-of-Words Model）是自然语言处理领域中常用的一种算法，用于将文本数据转化为数值特征。它的基本思想是将文本看作是一个袋子，每个词都是一个独立的单位，文本中词的顺序和语法结构对模型没有影响，只关注词汇的出现与否以及频率。 词袋模型的步骤如下：分词：首先将文本数据进行分词，将句子分割成一个个的词语。这可以使用现成的分词工具，如jieba中文分词工具。构建词汇表：将所有...
- 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...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签