说明:这些脚本计算的源/汇林从树冠浓度分布基于逆拉格朗日运输内测量分布(ILT)的概念。ILT占均匀分散在冠层(简单的理论并不适用于这里),将分散到附近的(=非扩散)和远(=扩散)领域的术语。其结果是一个离散矩阵D,涉及源汇分布的浓度梯度,根据:C = D X S技术注:本脚本源层数(SH)要小于集中的层...
说明:有循环检测,周期性检测,进行波形数据分析,BP神经网络的整个训练过程,具有丰富的参数选项,是机器学习的例程,包括主成分分析、因子分析、贝叶斯分析。
说明:最简单的分割形式是阈值分割。全局阈值。在最佳阈值分割中,设计了一个准则来产生区域间函数分离的一些度量。两个区域被认为是前景和背景。在Otsu方法中,通过选取两类像素间的最低点,进行方差分析,将每类像素的平均值与所有像素的整体亮度平均值的变化定义为
说明:对于一个两类分类问题,当n=100时候,用mvnrnd()函数随机产生两类样本;每一类的样本容量不小于100;2)设计最大似然估计算法对两类类条件概率密度函数进行估计;3)设计非参数估计算法对两类的类条件概率密度进行估计(任选Parzen窗法或kn-近邻法之一),并分析样本数量、窗宽、k等因素对概率...