PCA·1——主成分分析.主成分分析(PrincipalComponentAnalysis，PCA)是一种掌握事物次要矛盾的统计分析方法，它可以从多元事物中解析出次要影响因素，揭示事物的本质，简化复杂的问题
2023/3/5 11:47:04
8.6MB
1
课程论文事项一、所写题材范围1、引见常用的遥感图像分类的原理，并分别给出如下两个波段（I1和I2）图像的监督分类（分类算法及训练区自行选择，分类算法任选一种）和非监督分类（分类算法任选一种）的结果。
I1=[12342n453210]I2=[43213210123n]n:学号的后两位，如学号后两位02，则n=2；
学号后两位21，则n=21。
2、引见几种常用的多光谱图像和全色图像融合的算法。
假设多光谱图像有两个波段I1、I2（其中I1和I2与第1题图像相同），并假设全色影像为I3=[0123321n1234]试计算应用PCA算法融合多光谱图像（I1和I2）和全色图像I3的结果。
仅供参考！！不保证结果正确性！！！
I1=[12342n453210]I2=[43213210123n]n:学号的后两位，如学号后两位02，则n=2；
学号后两位21，则n=21。
2、引见几种常用的多光谱图像和全色图像融合的算法。
假设多光谱图像有两个波段I1、I2（其中I1和I2与第1题图像相同），并假设全色影像为I3=[0123321n1234]试计算应用PCA算法融合多光谱图像（I1和I2）和全色图像I3的结果。
仅供参考！！不保证结果正确性！！！
2015/7/1 1:32:11
30KB
1
基于PCA算法的人脸识别过程大致分为训练、测试、识别这三个阶段完成，在训练阶段，通过寻找协方差矩阵的特征向量，求出样本在该特征向量上的投影系数；
在测试阶段，通过将测试样本投影到特征向量上，得到测试样本在该特征向量上的投影系数。
最初，采用最小欧氏距离，找到了与测试样本最相近的训练样本图像。
在测试阶段，通过将测试样本投影到特征向量上，得到测试样本在该特征向量上的投影系数。
最初，采用最小欧氏距离，找到了与测试样本最相近的训练样本图像。
2020/6/4 8:20:18
1.77MB
1
遥感影像场景变化检测经典算法(IR-MAD、MAD、CVA、PCA)算法集锦，包含其算法Code和Demo，另外，含有算法的评价函数OA、Kappa、AUC、ROC曲线，分享学习，批判指教。
2021/2/23 19:33:18
7.94MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB