上一页 1 2 3 4 5 6 7 8 9 10 ··· 72 下一页
摘要: 引出研究意义+研究过程+结论。 确定需要考虑哪些因素,然后不断加入模型中。 做法:找到一个简单的模型在此基础上不断加入需要考虑的因素。 植被生物量=植物生长+枯萎+放牧啃食 阅读全文
posted @ 2023-09-06 08:55 祥瑞哈哈哈 阅读(16) 评论(0) 推荐(0) 编辑
摘要: 主要问题一: 问题基本都是建立模型去达到某种目的,所以说最终要给出结论即模型验证,不给出模型验证就表明结果不好。 机理分析就是分析影响结果的因素,比如植物生长考虑降水量蒸发量等因素。 主要问题二: 问题二和问题三要求利用数据建立模型预测某一指标,很多人直接利用机器学习方法预测。 主要问题三就是问题没 阅读全文
posted @ 2023-09-05 22:41 祥瑞哈哈哈 阅读(41) 评论(0) 推荐(0) 编辑
摘要: https://www.scihub.net.cn/sci-hub/ 阅读全文
posted @ 2023-08-22 07:47 祥瑞哈哈哈 阅读(3) 评论(0) 推荐(0) 编辑
摘要: full-pixel纯像素 sub-pixel子像素,就是像素里面有目标端元和非目标端元 probability density function (PDF)是概率密度函数 The task of atmospheric correction is the calculation and remov 阅读全文
posted @ 2023-08-21 19:30 祥瑞哈哈哈 阅读(10) 评论(0) 推荐(0) 编辑
摘要: 阅读全文
posted @ 2023-08-21 14:39 祥瑞哈哈哈 阅读(9) 评论(0) 推荐(0) 编辑
摘要: Receiver Operating Characteristic Curve 曲线下方的面积(Area under the curve) 1.真阳性(true positive,TP):有病且检测结果为阳性 2.假阳性(falsepositive,FP):无病但检测结果为阳性 就是从大到小排序,然 阅读全文
posted @ 2023-08-20 13:36 祥瑞哈哈哈 阅读(20) 评论(0) 推荐(0) 编辑
摘要: w=randn(211,10000)X_train_norm=normalize(w,2);% normalize data to w1=std(X_train_norm',1)w2=sum(X_train_norm',1) 阅读全文
posted @ 2023-08-19 19:53 祥瑞哈哈哈 阅读(60) 评论(0) 推荐(0) 编辑
摘要: TT True target labeled as a target (correct detection). TB True target labeled as background (missed detection). BT True background labeled as target 阅读全文
posted @ 2023-08-18 18:42 祥瑞哈哈哈 阅读(2) 评论(0) 推荐(0) 编辑
摘要: w=[] for i=1:300 w(i,:)=i end 阅读全文
posted @ 2023-08-17 23:45 祥瑞哈哈哈 阅读(146) 评论(0) 推荐(0) 编辑
摘要: A=[1,2,3,4]B=[1,0,0,1]B=logical(B)C=A(B) 阅读全文
posted @ 2023-08-15 12:21 祥瑞哈哈哈 阅读(8) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 8 9 10 ··· 72 下一页