提出了一种基于贝叶斯模式识别的激光雷达大气遥感灰霾组分识别的方法。
引见了灰霾组分模式识别模型的建立过程，并利用具体的贝叶斯判别函数作为灰霾粒子光学特征向量的选择依据对灰霾粒子进行识别分类。
采用计算机仿真实现了该灰霾组分模式识别模型，并通过两种自验证方法检验了模型的正确性和稳定性。
讨论了该模型对现有大气遥感激光雷达的适用性，凸显了偏振高光谱分辨率激光雷达(HSRL)的优势。
引见了灰霾组分模式识别模型的建立过程，并利用具体的贝叶斯判别函数作为灰霾粒子光学特征向量的选择依据对灰霾粒子进行识别分类。
采用计算机仿真实现了该灰霾组分模式识别模型，并通过两种自验证方法检验了模型的正确性和稳定性。
讨论了该模型对现有大气遥感激光雷达的适用性，凸显了偏振高光谱分辨率激光雷达(HSRL)的优势。
2016/4/24 3:07:25
5.28MB
1
提出了一种基于贝叶斯模式识别的激光雷达大气遥感灰霾组分识别的方法。
引见了灰霾组分模式识别模型的建立过程，并利用具体的贝叶斯判别函数作为灰霾粒子光学特征向量的选择依据对灰霾粒子进行识别分类。
采用计算机仿真实现了该灰霾组分模式识别模型，并通过两种自验证方法检验了模型的正确性和稳定性。
讨论了该模型对现有大气遥感激光雷达的适用性，凸显了偏振高光谱分辨率激光雷达(HSRL)的优势。
引见了灰霾组分模式识别模型的建立过程，并利用具体的贝叶斯判别函数作为灰霾粒子光学特征向量的选择依据对灰霾粒子进行识别分类。
采用计算机仿真实现了该灰霾组分模式识别模型，并通过两种自验证方法检验了模型的正确性和稳定性。
讨论了该模型对现有大气遥感激光雷达的适用性，凸显了偏振高光谱分辨率激光雷达(HSRL)的优势。
2016/4/24 3:07:25
5.28MB
1
在基于陪集码的高光谱图像压缩算法中,由于按照编码块的最大残差确定整块无损压缩所需的码率存在较大冗余,该文提出了基于分类和陪集码的高光谱图像压缩算法.首先利用前一波段对应位置的预测噪声对当前波段编码块的像素进行分类,将具有类似相关性的像素归于一类,然后对每一类像素分别进行陪集码编码.实验表明分类可以有效地降低码率.和基于陪集码的算法相比,该文算法无损压缩的平均码率降低了大约0.4bpp.
2017/5/6 16:57:49
713KB
1
本文通过对InGaAsP/InP场助异质结半导体光电阴极的材料生长、场助肖特基结的制备及阴极激活等工艺的系统研究,研制出具有较高光谱响应的半导体光电阴极,生长出优于文献报道的晶格失配率标准的材料,得到相当80年代国际水平理想因子值的场助肖特基结,用实验数据引见提高量子效率数量级的方法和条件.研究结果表明场助异质半导体光电阴极是在红外波段很有潜力的光电发射体.
2015/1/1 3:33:41
1.44MB
1
在MATLAB中实现高光谱异常检测KRX算法，次要是参靠KRX英文原文《KernelRX-Algorithm:ANonlinearAnomalyDetectorforHyperspectralImagery》实现。
2017/7/1 2:14:25
5KB
1
本资源次要通过matlab对Paviau高光谱数据集进行分类，使用了pca、kpca、lda三种数据降维方法以及svm、knn、cnn三种数据分类算法。
2022/9/16 6:16:45
35.42MB
1
针对高光谱数据维数高、数据量大、信息冗余多、波段相关性强等特点，在综合各种数据降维方法的基础上，提出一种基于最佳波段组合的高光谱遥感影像分类方法。
以美国印第安纳州地区的AVIＲIS数据为例，分析各波段信息量和相邻波段的相关性，利用子空间划分、分段波段指数选择法，进行特征波段的选择;并针对难区分地物类别，应用J－M距离模型对其可分性进行判别，获得最佳波段组合。
最初采用支持向量机分类器进行分类。
实验结果表明，采用最佳波段组合方法，可以有效地提高高光谱的分类精度。
以美国印第安纳州地区的AVIＲIS数据为例，分析各波段信息量和相邻波段的相关性，利用子空间划分、分段波段指数选择法，进行特征波段的选择;并针对难区分地物类别，应用J－M距离模型对其可分性进行判别，获得最佳波段组合。
最初采用支持向量机分类器进行分类。
实验结果表明，采用最佳波段组合方法，可以有效地提高高光谱的分类精度。
2019/5/1 5:13:11
253KB
1
本研究回顾了基于主成分分析PCA和判别分析LDA的降维方法及其扩展，包括经典主成分分析、概率主成分分析、核主成分分析，以及线性判别分析、局部保持降维、图形嵌入判别分析和半监督降维分析。
2022/9/4 7:32:06
1020KB
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