- 博客(204)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 基于pysptools实现端元提取及无监督光谱分类
本文通过一个光谱分解示例来对 SERC文件进行，使用PySpTools包进行，绘制光谱，并使用(Spectral Angle Mapping)和(Spectral Information Divergence)对光谱端元进行。
2025-01-15 05:25:59
805
原创 [windows]c++调用matplotlibcpp详细过程及错误排查
c++调用matplotlib(二): https://blog.mangoeffect.net/cpp/call-matplotlib-on-cpp-2-html。c++调用matplotlib(三): https://blog.mangoeffect.net/cpp/call-matplotlib-on-cpp3。c++调用matplotlib(一)：https://blog.mangoeffect.net/cpp/call-matplotlib-on-cpp。后面发现把它删了，仍能正常运行。
2024-12-04 09:37:12
555
原创 Windows环境中Python脚本开机自启动及其监控自启动
原因分析：win10系统，只要是图标右下角带盾牌标志的软件，加入系统的启动文件夹：如：C:\ProgramData\Microsoft\Windows\Start Menu\Programs\StartUp 里面，每次开机后都会启动失败！2 依次展开：计算机配置-》Windows设置-》安全设置-》本地策略-》安全选项-》用户账户控制：以管理员批准模式运行所有管理员，设置为已禁用。加入到白名单中的文件目录，文件，安全防护工具将信任该软件，可以直接使用。要在Windows启动时运行脚本，先使用。
2024-12-04 09:35:40
1350
原创 用于分析高光谱图像的开源软件(python)
HSI-PP 是一个独立的、自动化的、开源的高光谱图像处理平台，适用于植物表型分析中的各种应用，为植物研究界服务。下载并解压后从子文件夹中运行“HSI-PP.exe”文件。今天给大家分享一个用 python 写的用于分析高光谱图像和其他植物表型数据集的开源软件 HSI-PP。HSI-PP 集成了先进的图像处理程序，可以从不同类型的高光谱图像中提取有意义的信息，从而改进决策过程。此外，HSI-PP 还能够准备用于深度学习分析的高光谱图像，并训练机器学习模型进行分类和回归。
2024-12-03 10:36:04
514
原创 如何处理多重共线性?(python)
若变量x1和x2的相关性增强，则β1和β2的方差会逐渐增大。当两者完全相关r=1时，方差变得无穷大。注意，多重共线性不影响拟合效果，但会造成系数的估计值不稳定，在回归方程高度显著的情况下，有些与因变量高度相关的自变量回归系数通不过显著性检验，甚至出现回归系数的正负号得不到合理解释的情况，变量间的经济结构关系产生了扭曲。
2024-11-19 09:22:48
481
原创 Python实现BOX-COX变换
参考：https://blog.csdn.net/DL11007/article/details/128670981。BOX-COX变换是由博克斯与考克斯在1964年提出的一种应用非常广泛的变换，是对因变量。时，对数据做对数变换后其就服从正态分布。从数据看，如果数据中一些数值很大，但是。从概率分布角度看，当数据本身服从。，可以尝试对其做对数变换。BOX-COX变换是一个。对于回归问题，可以考虑。，则认为无异方差性。
2024-11-16 16:01:36
532
原创 如何处理回归模型中的异方差性和自相关性问题?(python)
在回归模型中，一般假设误差的均值为0，且不同误差项之间的方差相等、独立或者不相关但实际建模过程中，误差项的方差可能不等，即异方差性或者误差项间的协方差不为0，即存在自相关性这里的自相关不是指两个或两个以上的变量之间的相关关系，而是指一个变量前后期数值之间的相关关系。
2024-11-16 12:32:40
1215
原创 分享 Unidata 的大气科学和气象学 Python 教程
该教程旨在供任何经验水平的人学习如何使用 Python 进行大气科学和气象学的研究。
2024-11-13 10:59:51
206
原创 如何利用残差对数据进行诊断？
如有异常值出现、周期性因素干扰等。的，或者说线性回归方程是有效的，但。一个线性回归方程通过了。时，才能运用回归模型。
2024-11-13 10:59:20
270
原创 如何对回归方程进行统计(显著性)检验？
在多元回归中，F检验显著，说明y对所有自变量的整体的线性回归效果是显著的，但不等于y对每个自变量x的回归效果都显著。反之，某个或几个x的系数不显著，回归方程的F检验仍有可能是显著的。基于Python回归模型的BOX-COX变换和强影响点分析https://blog.csdn.net/DL11007/article/details/128670981。对于多元线性回归，三者不一致。一般表示样本相关系数，总体样本相关系数一般用。注意，相关系数的t检验，只是表示。，其将平方和公式进行分解，得到。
2024-11-11 09:37:55
3070
原创 如何从头开始建立回归模型？
比如，因变量与某些自变量的偏回归系数应该是正的，但是模型中却是负的，那这个模型即使通过了统计检验，也是没有意义的，更不能应用。对于一个具体的问题，当研究目的确定后，被解释变量容易确定，其一般直接表达研究的目的。通常，希望因变量(内生变量、被解释变量)和自变量(外生变量、解释变量)之间存在。，可以理解为同一时间采集的不同(随机)样本数据可能存在较大的差异。不论哪种数据，样本量的多少都要与设置的解释变量的数目匹配。建立初步模型后，不能直接拿来应用，需要对模型进行。时序数据的收集需要注意数据的。
2024-11-11 09:36:27
1065
原创 如何理解回归分析和相关分析以及两者的区别？
回归分析的基本思想和方法以及回归的名称是由英国统计学家F·高尔顿提出。，如下图1-2所示。这种对应点不能分布在一条直线上的变量间的关系，即。回归方程的建立依赖于观察或实验积累的数据，又称为经验回归方程。，如下图1-1所示，统计上将这种关系的研究称为回归分析。，将这种变量间的关系称为相关关系或统计关系。：可以看到确定性的函数关系，参考：《应用回归分析》
2024-11-09 11:31:09
988
原创 python实现各种描述统计/概率分布/假设检验/置信区间/回归/方差分析/卡方检验
最近在学习统计方面的知识，看到一个不错的学习网站，分享给大家，网址链接在文末。
2024-11-09 11:30:50
752
原创 一文详解高光谱数据python处理包spectral(SPy)
解决方案：ASD（Analytical Spectral Devices）是一种用于地面光谱测量的设备，可以测量多个波长范围内的反射率。，然后保留足够的特征值(相应的特征向量)来捕获总图像方差的所需部分。然后，将图像像素投影到剩余的特征向量上，以降低图像像素的维数。上图中误差图中的五个连续区域对应于 GaussianClassifier 忽略的真值类，因为它们的样本太少。支持向量机（SVM）是一种常用的分类算法，可以用于高光谱数据的分类、识别和回归。上面的分类图显示了整个图像的分类结果。
2024-10-26 14:03:56
2242
原创 气候服务平台ClimateSERV2.0简介(python)
ClimateSERV 2.0允许开发从业者、科学家/研究人员和政府决策者可视化和下载历史降雨数据、植被状况数据以及180 天的降雨和温度预报，以增进对农业和水资源供应相关问题的理解并做出改进的决策。这些数据可以通过Web 应用程序直接访问，也可以使用Python应用程序中的通过应用程序API 进行访问。Python 3.9.5 或更高版本 (建议使用 3.9.5)PostgreSQL (版本 13)THREDDS (版本 4.6.14)Linux 服务器具体安装需要使用两个环境。
2024-10-26 14:03:39
859
原创 scikit-eo: 用于遥感数据分析的Python包
如今，遥感数据急剧增加。可以使用具有不同空间和时间分辨率的微波和光学图像，用于监测各种环境问题，例如森林砍伐、土地退化、土地利用和土地覆盖变化等。尽管人们做出了努力（即 Python 包、论坛、社区等）来提供用于卫星图像预处理、处理和分析的代码行工具，但仍存在需要填补的空白。换句话说，许多用户仍然花费了太多时间来开发 Python 代码行。通过植被指数的线性趋势绘制土地退化地图的算法、融合光学和雷达图像以对植被覆盖进行分类以及机器学习算法的校准等尚不可用。
2024-10-25 14:54:02
639
原创 测量误差相关知识(四)
平方俗称“二乘”，因此得名最小二乘。其原理是在测量误差无偏(排除了系统误差影响)、正态分布和相互独立的条件下推导出的，但在不严格服从正态分布的情况下也常被使用。最小二乘可用于线性参数以及非线性参数处理。其中，线性参数处理流程首先根据具体问题列出误差方程式再按最小二乘法原理，利用求极值(最大和最小)的方法将误差方程转化为正规方程然后求解正规方程，得到待求的估计量最后给出精度估计(标准差)对于非线性参数，可先将其线性化，然后按上述线性参数的最小二乘法处理程序去处理。
2024-10-24 09:52:14
854
原创 测量误差相关知识(二)
对自然界的任何量进行实验和测量时，由于参与测量的5个要素–测量装置(测量仪器)、测量人员、测量方法、测量环境和被测对象自身都不够做到完美无缺，使得测量结果与其真实值之间存在差异，这个差异在数学上叫做测量误差。任何测量必然会产生误差，不含误差的测量结果是不存在的。
2024-10-15 17:40:19
877
原创 《空间计量经济学：从横截面数据到空间面板》(书籍推荐)
这种数据类型的主要特点是所有观测对象的数据都是在同一时间截面上获取的，从而允许对不同统计单位（如国家、地区、公司、个人等）在同一时间点上的相同统计指标进行比较和分析。之间潜在的相互依赖性。Tobler的“地理学第一定律”指出：“任何东西与别的东西之间都是相关的，但近处的东西比远处的东西相关性更强”，这正是空间自相关概念的基础。可以使用最大似然估计得到。是空间计量经济学中的一个重要模型，它将空间滞后模型（SAR）和杜宾模型（Durbin Model）的特点结合起来，同时考虑了空间滞后项和空间误差项的影响。
2024-09-28 11:01:32
738
原创 python与c++混合编程
总的来说：ctypes模块允许Python代码直接调用C语言函数，适用于只需要调用少量C语言函数的情况；Cython模块可以将Python代码转换成C语言代码，并编译成高效的机器码，适用于需要将大量Python代码转换为C语言的情况。对于cython，其是一个将Python代码转换为C语言代码的工具。它允许我们在Python代码中使用C语言的特性，并将其编译成高效的机器码。最近在学习如何将c++的代码嵌入到python中，网上的方法很多，这里先介绍了解到两种方式：ctypes和Cython。
2024-08-04 17:11:59
918
原创 用于遥感数据处理的python脚本
作者使用基于无人机的智利中南部泥炭地的高光谱图像。该图像有 41 个波段（10 nm 宽），范围为 480-880 nm，像素大小为 10 cm。还可以对数据执行 MNF 转换。此函数有几个选项，例如应用 Savitzky Golay 滤波和光谱的亮度归一化。链接：https://github.com/JavierLopatin/Python-Remote-Sensing-Scripts。从图像中获取灰度共现矩阵 （GLCM） 纹理。今天给大家分享一组用于遥感处理的 python 脚本。
2024-08-04 17:11:46
281
原创 cexprtk:Python中的数学表达式解析和计算
可能会从表达式中得到与所示不同的数字，这是因为随机数生成器将使用与示例中使用的不同种子进行初始化。在前面的代码片段中，将创建一个符号表，然后将 rnd 函数分配给 rand 键。在表达式解析期间，当遇到不在与 Symbol_Table 关联的变量或常量时，将调用此Expression回调。Python 可以将具有Symbol_Table的函数进行注册，然后在 Expression 中使用。通过将字典传递给 evaluate_expression 函数，可以在表达式中使用变量。这会将变量名称映射到其值。
2024-04-09 20:20:01
810
原创 Tinex：Python中的数学表达式解析和计算
参考：https://tinex.readthedocs.io/en/latest/api.html。如果是字符串，则它必须是可 ascii 编码的。Tinex是tinyexpr 的 python 包装器。
2024-04-09 20:19:32
294
原创 python实现泊松回归
基于计数的数据包含以特定速率发生的事件。发生率可能会随着时间的推移或从一次观察到下一次观察而发生变化。每小时穿过十字路口的车辆数量每月去看医生的人数每月发现的类地行星数量整数数据：数据由非负整数组成：[0… ∞]。普通最小二乘回归等回归技术可能不适合对此类数据进行建模，因为 OLSR 最适合实数，例如 -656.0、-0.00000345、13786.1 ETC。偏斜分布：数据可能包含少量值的大量数据点，从而使频率分布相当偏斜。请、参见上面的直方图示例。稀疏性。
2024-04-01 22:09:31
1537
2
原创 对地观测精彩工具教程代码项目整理！强推！
Python地理空间分析指南(第2版)(书籍推荐)在开源 Python 中使用地球和环境科学的数据。地球科学Python开源工具包合集。python地理编码服务Geocoder。分享4个python空间分析学习网站。
2024-04-01 22:07:58
179
原创 gan zoo: 最新GAN 相关paper/code收集
链接：https://github.com/hindupuravinash/the-gan-zoo/tree/master。文本引导图像生成模型的演变(DALL·E/CLIP/GLIDE)GPT-1/GPT-2/GPT-3简介。GPT从0到1构建(附视频代码链接)一文带你读懂变分自编码器(VAEs)简单实现 InfoGAN。简单实现 Pix2Pix。一文带你读懂概率生成模型。简单实现 DCGAN。
2024-03-31 15:11:28
329
原创 python实现模糊神经网络(pytorch版)
模糊神经网络的基本原理是将输入数据从实数域映射到模糊集合中，然后利用一组模糊规则对其进行处理，最终输出一个模糊集合。通常使用的语言规则形式为：“如果输入变量A是模糊集合X1，且输入变量B是模糊集合X2，那么输出变量C是模糊集合Y1”。模糊神经网络是一种基于模糊逻辑的神经网络模型，其主要用于处理模糊信息和不确定性的问题。模糊神经网络可以将输入数据映射到一个模糊集合中，然后通过一系列的模糊规则进行求解，最终输出一个模糊集合。这个过程称为模糊化。推理是指将输入的模糊集合根据模糊规则进行处理，生成模糊输出结果。
2024-03-31 15:09:23
1961
原创 信号系统之z变换
正如模拟滤波器是使用拉普拉斯变换设计的一样，递归数字滤波器也是使用称为z变换的并行技术开发的。。。相应地，。但是，这两种技术并不是彼此的镜像；，而** z 平面使用极坐标格式**。递归数字滤波器通常从经典模拟滤波器之一开始设计，例如巴特沃斯、切比雪夫或椭圆。然后使用一系列数学转换来获得所需的数字滤波器。z 变换为这种数学提供了框架。
2024-03-04 21:01:38
2761
原创 信号系统之复数傅立叶变换
在这种情况下，0 到 1.0 之间的频谱包含与 0.5 到 0.5 之间的频谱相同的信息。显示复杂频谱有两种常见方法，如图所示，零频率可以放置在中心，正频率放置在右侧，负频率放置在左侧。然而，任何其他完整的周期都会给出相同的结果，即 -T 到 0、-T/2 到 T/2 等。如果频域是周期性的，只关心单个周期，因为其余的都是多余的。然而，如果时域是周期性的，我们只关心单个周期，因为其余的都是多余的。同样，如果信号在一个域中是连续的，则在另一域中将是非周期性的。到目前为止，都假设时域是完全实数的，即虚部为零。
2024-03-03 14:28:37
2354
3
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人