- 博客(30)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 本人的面包多小店
本人的面包多小店已经上线了，大家可以常来看看呀。重邮计算机网络803真题（持续更新）还有很多其他资料，快进店里面来看吧，这里就不多写了重庆邮电大学803计算机网络真题购买连接---- https://mianbaoduo.com/o/bread/YpmVlJxq欢迎光临我的小店支持学姐在线真题答疑哦蓝桥杯相关https://mianbaoduo.com/o/bread/YpmVlJ1p产品经理相关（持续更新）https://mianbaoduo.com/o/bread/YpmVlJ1s
2022-04-06 20:16:21
448
原创 全国大学生数学竞赛公式（全）
全国大学生数学竞赛公式（全）前言一、高数上二、高数下补充微分方程解法公式泰勒展开式常用麦克劳林公式一些结论前言博主花了一周时间，整理了全国大学生数学竞赛的公式，需要自取哦，转载加我链接就好了。一、高数上二、高数下补充微分方程解法公式泰勒展开式常用麦克劳林公式一些结论1、如果liman=a,则lim(a1+a2+...+an)/n=alima_n=a,则lim(a_1+a_2+...+a_n)/n=aliman=a,则lim
2021-11-27 21:39:24
12867
1
转载 envi问题解答
目录前言1. 出现错误提示:The installation of MSVC_2010_SP1_x64_32bit has failed.问题描述解决方法2. 安装完成之后找不到证书license3. 打开软件出现 LICENSE MANAGER: Cannot checkout an uncounted license within a Windows Terminal Services guest session.问题描述解决方法前言安装 ENVI 的过程还是比较痛苦的。ENV
2021-11-08 14:47:51
7687
11
原创 遥感影像图像处理
遥感影像图像处理：重采样：图像重采样就是从高分辨率遥感影像中提取出低分辨率影像，或者从低分辨率影像中提取高分辨率影像的过程。常用的方法有最邻近内插法、双线性内插法、三次卷积法等二、重采样方法1 使用ReadAsArray函数def ReadAsArray(self, xoff=0, yoff=0, win_xsize=None, win_ysize=None, buf_obj=None, buf_xsize = None, buf_ysize = None,
2021-11-08 09:37:21
1433
原创 A guide to convolution arithmetic for deep learning
文章目录前言一、Introduction1、离散卷积二、使用步骤1.引入库2.读入数据总结前言关于卷积过程中，卷积核的大小变化问题，公式太难记了，然后就一直逃避这个问题，结果遭受了社会的毒打，然后来学习一遍，记录一下。提示：以下是本篇文章正文内容，下面仅是个人的见解，虚心接受指导。GitHub：https://github.com/vdumoulin/conv_arithmetic一、Introduction1、解释卷积层与转置卷积层之间的关系。2、在卷积、池化和转置卷积层中的输入尺寸、
2021-07-15 21:23:14
299
转载 2021-07-11
被这个raster搞炸了，转一篇，慢慢看，哎。。。。Example 1 def array2raster(newRasterfn,rasterOrigin,pixelWidth,pixelHeight,array, nodata, EPSG): """This function take a regular array to create a raster with it""" print("I am dealing with nodata values") array[np.
2021-07-11 15:26:25
251
原创 EDCSTFN（用于时空图像融合的增强深度卷积模型）
遥感图像时空融合第一章 DCSTFN：https://editor.csdn.net/md/?articleId=117733388EDCSTFN这篇文章是对DCSTFN的改进。其中的方法有相当可以学习的地方。本文的贡献：1、采用全新的网络结构和新的复合损耗函数对融合结果进行了显著改进。在两个不同领域进行的实验通过与现有算法进行比较，证明了这些改进。2、比较讨论了现有基于深度学习的时空融合模型的优缺点，为未来时空融合研究提供了网络设计指导。目前的问题：用于特征级融合的从CNN模型中预测的图像不
2021-06-21 11:37:12
1293
原创 STFDCNN（基于深度卷积神经网络的时空卫星图像融合）
遥感图像时空融合DCSTFN：https://editor.csdn.net/md/?articleId=117733388STFDCNN主要思路：首先，利用神经网络(NLMCNN)学习重采样LTHS与低空间分辨率LTHS之间的非线性映射，然后在低空间分辨率LTHS与原始LTHS之间建立第二超分辨率CNN (SRCNN)。（为了获得最好的结果，预测日期的第一个CNN的输出不直接输入到SRCNN模型中，而是使用高通调制进行调整）文章目录遥感图像时空融合优势一、介绍二、模型1.构造2.方法预测阶段1
2021-06-18 22:31:04
1503
4
原创 DCSTFN（使用深度卷积网络融合高时空遥感图像）
多源遥感图像时空融合（MODIS+Landsat）从今年三月份确定方向，开始看此类的文章，也零零散散看了几篇，始终觉得不太系统，于是就想出一系列的学习笔记，督促自己坚持学习吧，侵权即删，谢谢。时空融合：也就是把高空间分辨率低时间分辨率图像（LTHS）和高时间分辨率低空间分辨率图像（HTLS）融合成高空间分辨率高时间分辨率图像（HTHS）。在遥感领域的分支来说，发展还不是太好，我主要是利用深度学习来进行融合。文章目录多源遥感图像时空融合（MODIS+Landsat）前言一、DCSTFN主要组成部分二、
2021-06-09 22:07:16
1409
4
原创 coco数据集解析
coco数据集解析前言一、数据集的组成基本的JSON结构体类型Object Instance 类型的标注格式1，整体JSON文件格式2，annotations字段3，categories字段Object Keypoint 类型的标注格式Object Keypoint 类型的标注格式1，整体JSON文件格式2，annotations字段3，categories字段Image Caption的标注格式1，整体JSON文件格式2，annotations字段前言COCO的 全称是Common Objects
2020-11-13 20:34:21
2318
原创 OpenCV框架与图像插值算法
OpenCV框架与图像插值算法前言一、最近邻插值算法原理二、双线性插值三、映射方法向前映射法向后映射法五、基于OpenCV的实现六、代码实践前言在图像处理中，平移变换、旋转变换以及放缩变换是一些基础且常用的操作。这些几何变换并不改变图象的象素值，只是在图象平面上进行象素的重新排列。在一幅输入图象[u，v][u，v][u，v]中，灰度值仅在整数位置上有定义。然而，输出图象[x，y]的灰度值一般由处在非整数坐标上的（u，v）（u，v）（u，v）值来决定。这就需要插值算法来进行处理，常见的插值算法有最近邻插
2020-11-12 11:14:57
271
原创 python之Numpy 线性代数
线性代数前言一、矩阵和向量积矩阵特征值与特征向量矩阵分解奇异值分解QR分解Cholesky分解范数和其它数字矩阵的范数方阵的行列式矩阵的秩矩阵的迹解方程和逆矩阵逆矩阵求解线性方程组前言Numpy 定义了 matrix 类型，使用该 matrix 类型创建的是矩阵对象，它们的加减乘除运算缺省采用矩阵方式计算，因此用法和Matlab十分类似。但是由于 NumPy 中同时存在 ndarray 和 matrix 对象，因此用户很容易将两者弄混。这有违 Python 的“显式优于隐式”的原则，因此官方并不推荐在
2020-11-11 22:20:57
1020
原创 python之Numpy 统计相关
统计相关次序相关计算最小值计算最大值计算极差计算分位数均值与方差计算中位数计算平均值计算加权平均值计算方差计算标准差计算协方差矩阵计算相关系数直方图次序相关计算最小值numpy.amin(a[, axis=None, out=None, keepdims=np._NoValue, initial=np._NoValue, where=np._NoValue])import numpy as npx = np.array([[11, 12, 13, 14, 15],
2020-11-11 22:00:53
606
原创 python之Numpy随机抽样
随机抽样前言一、随机模块二、离散型随机变量二项分布计算期望和方差泊松分布超几何分布三、连续型随机变量均匀分布四、正态分布四、指数分布其他随机函数前言numpy.random 模块对 Python 内置的 random 进行了补充，增加了一些用于高效生成多种概率分布的样本值的函数，如正态分布、泊松分布等。一、随机模块numpy.random.seed(seed=None)seed()用于指定随机数生成时所用算法开始的整数值，如果使用相同的seed()值，则每次生成的随机数都相同，如果不设置这个
2020-11-11 21:43:39
4472
原创 python之Numpy 输入与输出
输入和输出numpy二进制文件save()、savez()和load()函数以 numpy 专用的二进制类型（npy、npz）保存和读取数据，这三个函数会自动处理ndim、dtype、shape等信息，使用它们读写数组非常方便，但是save()输出的文件很难与其它语言编写的程序兼容。npy格式：以二进制的方式存储文件，在二进制文件第一行以文本形式保存了数据的元信息（ndim，dtype，shape等），可以用二进制工具查看内容。npz格式：以压缩打包的方式存储文件，可以用压缩软件解压。numpy
2020-11-11 21:01:02
1521
原创 python之Numpy 排序搜索计数及集合操作
排序搜索计数排序numpy.sort(a[, axis=-1, kind='quicksort', order=None])axis：排序沿数组的（轴）方向，0表示按行，1表示按列，None表示展开来排序，默认为-1，表示沿最后的轴排序。kind：排序的算法，提供了快排’quicksort’、混排’mergesort’、堆排’heapsort’， 默认为‘quicksort’。order：排序的字段名，可指定字段排序，默认为None.np.random.seed(20200612)x =
2020-11-11 18:26:54
376
原创 python之Numpy 数学函数及逻辑函数
数学函数及逻辑函数数学函数向量化和广播有了向量化，代码无需使用显式循环（这些循环实际上不能省略，只不过是在内部实现，被代码中的其他结构代替）广播机制：描述了numpy如何在算术运算期间处理具有不同形状的数组，让较小的数组在较大的数组上“广播”，以便他们具有兼容的形状，兼容条件：两个数组的每一维等长，或其中一个数组为一维，那么广播机制就适用。广播规则：如果两个数组的维度数dim不相同，那么小维度数组的形状将会在左边补1。如果shape维度不匹配，但是有维度是1，那么可以扩展维度是1的维度匹配另
2020-11-11 11:50:20
274
原创 python之Numpy数组操作
数组操作更改形状numpy.ndarray.shape表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。可以通过改变shape属性来改变数组的形状。x = np.array([1, 2, 9, 4, 5, 6, 7, 8])print(x.shape) # (8,)x.shape = [2, 4]print(x)# [[1 2 9 4]# [5 6 7 8]]numpy.ndarray.flat将数组转换为一维的迭代器，可以用for访问数组
2020-11-10 22:14:44
482
原创 python之Numpy索引
索引，切片与迭代副本与视图在 Numpy 中，尤其是在做数组运算或数组操作时，返回结果不是数组的 副本 就是 视图。在 Numpy 中，所有赋值运算不会为数组和数组中的任何元素创建副本。numpy.ndarray.copy() 函数创建一个副本。 对副本数据进行修改，不会影响到原始数据，它们物理内存不在同一位置。x = np.array([1, 2, 3, 4, 5, 6, 7, 8])y = x.copy()y[0] = -1print(x)# [1 2 3 4 5 6 7 8]pri
2020-11-09 22:15:15
720
原创 python之Numpy 数组类型及数组创建
数组类型及数组创建时间日期和时间增量在 numpy 中，我们很方便的将字符串转换成时间日期类型 datetime64（datetime 已被 python 包含的日期时间库所占用）。datatime64是带单位的日期时间类型。datetime64 的应用为了允许在只有一周中某些日子有效的上下文中使用日期时间，NumPy包含一组“busday”（工作日）功能。numpy.busday_offset(dates, offsets, roll='raise', weekmask='1111100',
2020-11-09 21:25:09
886
原创 感知机
感知机单层感知机模型是对n个输入元素，加权求和，再与阈值进行比较，再经过一个符号函数，得到模型的输出。感知机模型 H(x)=sign(wTx+b)H(x)=sign(w^Tx+b)H(x)=sign(wTx+b)训练时要在二维空间中找到一个超平面 S(wTx+b)S(w^Tx+b)S(wTx+b),即一条直线，找到合适的模型参数（w,b）j将样本点正确分为两类。网络结构：举个例子：模拟布尔函数的感知机（也就是输入全为0或1）这样就可以找的一种模型得到结果。感知机模型的训练：定义一个合
2020-10-27 20:01:48
146
原创 PaddlePaddle(飞浆)的图像分割7天训练营class4学习笔记
PaddlePaddle(飞浆)的图像分割7天训练营class4学习笔记Deeplab系列有V1，v2，v3。具体要求：语义分割是对图像做密集的分割任务，分割每个像素到指定的类别上；将图像分割成几个有意义的目标；给对象分配指定的类别标签。Deeplab v1的网络结构：Deeplab v2的网络结构：Deeplab v2 ASPP结构使用多尺度进行空洞卷积，在经过1*1的卷积之后连接起来。多尺度特征提取，得到全局和局部特征Deeeplab v3的网络结构：ASPP升级模块：
2020-10-25 15:11:16
253
原创 python入门
python入门最近在学机器学习，我所用的语言的python，由于以前都是断断续续的学过python，从没有系统的归纳学习过，特意抽出两天时间，想对python的基础知识过一遍。基础类型python中的主要基本数据类型是数字（整数和浮点数），布尔值和字符串print("hello world")字符串操作字符串是python的特殊类型。作为对象，在类中，您可以使用.methodName（）(方法名)表示法调用字符串对象上的方法。字符串类在python中默认可用，因此您不需要import语句即可
2020-10-15 12:14:30
263
原创 决策树
认识决策树早期的决策树是利用条件分支结构分割数据的一种分类学习方法。决策树的分类依据之一：信息增益。基尼系数：划分更加仔细接下来是用决策树对泰坦尼克号进行预测生死。def decision(): """ 决策树对泰坦尼克号进行预测生死 """ #获取数据 titan = pd.read_csv("../data/titanic.txt") #处理数据，找出特征值和目标值 x = titan[['pclass',
2020-10-11 21:55:04
1295
原创 前端面试必看内容2020
基础篇1、Js基础知识点及常考面试题1）js原始类型有：boolean，null,undefined,number,string,symbol注：原始类型存储的是值，没有函数可以调用。（有时会强转）虽然typeof null会输出object,但是null不是对象类型，这是JS存在的bug。JS中除了原始类型，就是对象类型。不同之处：原始类型存储的是值，对象类型存储的是地址（指针）。2）typeof 和instanceoftypeof对于原始类型来说，除了null都可以显示正
2020-09-26 20:48:56
244
原创 Regression回归在实际中的应用
Regression回归三种典型应用stock Market Forecastself-driving CarRecommendation今天要讲的一种更实用的应用：预测宝可梦的cp（combat Power）值步骤：Modely=b+w∗xcpy=b+w*x_{cp}y=b+w∗xcpself-driving CarRecommendationList item步骤1.Modellinear model:y=b+∑wixiy=b+\sum{w_ix_i}y=b+∑wi
2020-09-26 20:19:32
437
1
原创 Vue面试题原理探究
总结Vue常见的面试题原理探究目录对MVVM原理的理解 响应式数据的原理 vue中是如何检测数组变化 为何vue采用异步渲染 nextTick实现原理 Vue中Computed的特点1.对MVVM原理的理解传统的MVC:指用户操作会请求服务端路由，路由会调用对应的控制器来处理，控制器会获取数据，将结果返回给前端，页面重新渲染。MVVM:传统的前端会将数据手动渲染到页面上，MVVM模式不需要用户收到操作dom元素，将数据绑定到viewmodel层上，会自动将数据渲染到页面中，视图.
2020-06-08 11:20:48
1400
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人