渴望被苹果砸中 渴望被苹果砸中
关注数: 4 粉丝数: 33 发帖数: 1,292 关注贴吧数: 26
组队分钱了 ，扫码进人
【求助】arcmap打不开mxd文件 提示
【求助】打不开GDB的文件 gdb数据库的文件之前一直在用，今天突然打不开了，提示
（求教）蟹爪兰长了半个月了，花苞还是很小 蟹抓兰长了花苞，然后长了半个月了才比长出来时候大一点点，完全没有要开的意思，第一次养蟹抓兰，求大神指教，是长得慢还是我的怎么了
我的芦荟不会长，这是为什么，求大神来帮忙看看 买来的时候就是这么大棵，后面没有长也没有死，之前买的时候用的懒人盆我想会不会是土少了，我前面一个月就帮他换盆了，还是不会长同样也没死。
【求助】请大家来帮看看我的木兰科德娜怎么了 作为新人一枚，刚入手1个多月的科德娜，才刚发新芽。出差几天回来发现不知道怎么了，叶子也掉了很多还有类似蜘蛛网的东西，叶子也斑斑点点的。求各位帮看看这是怎么了。应该怎么解决。
（求解）决策树提取湿地信息 有大神知道提取湿地信息的规则吗？，主要提前沼泽湿地，农田，水系。不知道应该如何建立规则。
求解HTML5如何连接数据库 想用HTML5建立一个表，表里面显示的数据从SQL server里面掉，如何连接数据库。后台服务器代码可以用C#么，怎么用。求大神指导。我是新手小菜鸟
刚刚的欢呼声是哪的，求真相 刚刚的欢呼声是哪的，求真相
技术人员，请注意那些被你忽略的重要事情 很多的事情，或许是我们预期太高，期望太美好，或者就是我们自己一厢情愿的“意淫”。因为我们总是“这山望着那山好，只要到了山顶，一切就会不一样”。其实事情不是这样的。
有要租房子的请进。。。。 我们学校的教师宿舍，里面装修好的，一般的电器都有冰箱，洗衣机，热水器等。还有一张双人床和一张单人床，。。。。就是医务室那栋，房租只要1200元哦，可以1到3人住
谁考过四级网络，求介绍一本试卷。。。。。。。 谁考过四级网络，求介绍一本试卷。。。。。。。
程序员必看的十大电影 不同的行业领域中很多时候都分享着共同的思想和理念。比如，大量的计算机编程中涉及到的概念都被运用到了电影里。有些概念出现在电影里后变得如此之酷，甚至反过来能帮助我们程序员更好的理解这些概念。下面就是我最喜欢的10大电影，它们都在某方便帮助了我理解编程中的某些概念。
IDL怎么实现 选择感兴趣区
IDL二次开发监督分类【转】 NVI二次开发代码共享之“监督与非监督分类” ;+ ;ENVI二次开发功能代码 ; ;Author: DYQ ;问题讨论： ; http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fhi.baidu.com%2Fdyqwrp&urlrefer=196ac605157c77139de9953a7d7bf295 ; http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fbbs.esrichina-bj.cn%2FESRI%2F%3Ffromuid%3D9806&urlrefer=c5bc9d804f22cedb7d198d0827a0b5dc ;描述： ; 分类处理，包括监督分类和非监督分类 ; ;调用方法： ; ;CAL_CLASS,inputfile,outputfile, method,... ; ;inputFile:待分类影像 ;outpurfile:分类结果; ;Method : 0--5为监督分类，6、7为非监督分类 ; ; 1-最小距离 1 ; 2-最大似然 2 ; 3-马氏距离 5 ; 4-神经元网络 ENVI_NEURAL_NET_DOIT ; 5-向量机 ENVI_SVM_DOIT ; 6-IsoData 4 ; 7-K-Means 7 ;注意：每一种算法需要使用的参数说明可参考ENVI帮助文档 ; PRO CAL_CLASS,inputfile,outputfile, method,$ ;感兴趣区文件 roifile = roifile,$ ;平行六面体分类算法可选参数 STDV = stdv, $ STD_MULT =STD_MULT,$ ;神经元网络分类算法参数 theta = theta, $ eta = eta, $ alpha = alpha, $ act_type = act_type, $ rms_crit = rms_crit, $ num_layers = num_layers, $ num_sweeps = num_sweeps, $ ;向量机 thresh = thresh, $ penalty = penalty, $ kernel_type = kernel_type, $ kernel_degree = kernel_degree, $ kernel_bias = kernel_bias ,$ ;K-Means 算法可选参数 ITERATIONS = ITERATIONS, $ NUM_CLASSES = NUM_CLASSES , $ ;ISO算法参数 CHANGE_THRESH = CHANGE_THRESH, $ ISO_MERGE_DIST = ISO_MERGE_DIST, $ ISO_MERGE_PAIRS = ISO_MERGE_PAIRS, $ ISO_MIN_PIXELS = ISO_MIN_PIXELS, $ ISO_SPLIT_SMULT = ISO_SPLIT_SMULT, $ ISO_SPLIT_STD = ISO_SPLIT_STD, $ MIN_CLASSES = MIN_CLASSES COMPILE_OPT idl2 CATCH, Error_status errorshow = 'Sorry to see the error,'+ $ ' please send the error Information to "[email protected]"' IF Error_status NE 0 THEN BEGIN tmp = DIALOG_MESSAGE(errorshow+STRING(13b)+$ !ERROR_STATE.MSG,/error,title = '错误提示!') return ENDIF ;输入数据预处理 ENVI_OPEN_FILE, inputfile, r_fid=fid IF (fid EQ -1) THEN BEGIN RETURN ENDIF ;获取文件信息 ENVI_FILE_QUERY, fid, dims=dims, nb=nb pos = LINDGEN(nb) out_name = outputfile CASE method OF ;-IsoData 4 6: BEGIN IF ~KEYWORD_SET(CHANGE_THRESH) THEN CHANGE_THRESH = .05 IF ~KEYWORD_SET(NUM_CLASSES) THEN NUM_CLASSES = 10 IF ~KEYWORD_SET(ITERATIONS) THEN ITERATIONS = 1 IF ~KEYWORD_SET(ISO_MERGE_DIST) THEN ISO_MERGE_DIST = 1 IF ~KEYWORD_SET(ISO_MERGE_PAIRS) THEN ISO_MERGE_PAIRS = 2 IF ~KEYWORD_SET(ISO_MIN_PIXELS) THEN ISO_MIN_PIXELS = 1 IF ~KEYWORD_SET(ISO_SPLIT_SMULT) THEN ISO_SPLIT_SMULT = 1 IF ~KEYWORD_SET(ISO_SPLIT_STD) THEN ISO_SPLIT_STD = 1 IF ~KEYWORD_SET(MIN_CLASSES) THEN MIN_CLASSES = 5 out_bname = 'IsoData' ENVI_DOIT, 'class_doit', fid=fid, pos=pos, dims=dims, $ out_bname=out_bname, out_name=out_name, method=4, $ r_fid=r_fid, $ NUM_CLASSES = NUM_CLASSES, $ ITERATIONS = ITERATIONS, $ in_memory=0, $ CHANGE_THRESH = CHANGE_THRESH, $ ISO_MERGE_DIST = ISO_MERGE_DIST, $ ISO_MERGE_PAIRS = ISO_MERGE_PAIRS, $ ISO_MIN_PIXELS = ISO_MIN_PIXELS, $ ISO_SPLIT_SMULT = ISO_SPLIT_SMULT, $ ISO_SPLIT_STD = ISO_SPLIT_STD, $ MIN_CLASSES = MIN_CLASSES END ;-K-Means 7 7: BEGIN IF ~KEYWORD_SET(NUM_CLASSES) THEN NUM_CLASSES = 5 IF ~KEYWORD_SET(CHANGE_THRESH) THEN CHANGE_THRESH = .5 IF ~KEYWORD_SET(ITERATIONS) THEN ITERATIONS = 1 out_bname = 'K-Means' thresh=REPLICATE(0.05,num_classes) ENVI_DOIT, 'class_doit', fid=fid, pos=pos, dims=dims, $ out_bname=out_bname, out_name=out_name, method=7, $ r_fid=r_fid, $ lookup = BYTARR(3,num_classes+1), $ NUM_CLASSES = NUM_CLASSES, $ in_memory=0, CHANGE_THRESH=CHANGE_THRESH,$ ITERATIONS = ITERATIONS END ;-平行六面体 0 0: BEGIN ENVI_RESTORE_ROIS, roifile roi_ids = ENVI_GET_ROI_IDS(fid=fid, $ roi_colors=roi_colors, roi_names=class_names) class_names = ['Unclassified', class_names] num_classes = N_ELEMENTS(roi_ids) ; Set the unclassified class to black and use roi colors lookup = BYTARR(3,num_classes+1) lookup[0,1] = roi_colors ; 计算类ROI的基本统计信息 mean = FLTARR(N_ELEMENTS(pos), num_classes) stdv = FLTARR(N_ELEMENTS(pos), num_classes) cov = FLTARR(N_ELEMENTS(pos),N_ELEMENTS(pos),num_classes) FOR j=0, num_classes-1 DO BEGIN ; roi_dims=[ENVI_GET_ROI_DIMS_PTR(roi_ids[j]),0,0,0,0] ENVI_DOIT, 'envi_stats_doit', fid=fid, pos=pos, $ dims=roi_dims, comp_flag=4, mean=c_mean, $ stdv=c_stdv, cov=c_cov MEAN[0,j] = c_mean stdv[0,j] = c_stdv cov[0,0,j] = c_cov ENDFOR ; thresh=REPLICATE(0.05,num_classes) out_bname = 'parallelepiped' ENVI_DOIT, 'class_doit', fid=fid, pos=pos, dims=dims, $ out_bname=out_bname, out_name=out_name, method=0, $ mean=mean, stdv=stdv, std_mult=st_mult, $ lookup=lookup, class_names=class_names, $ in_memory=0;, thresh=thresh END ;-最小距离 1 1: BEGIN ENVI_RESTORE_ROIS, roifile roi_ids = ENVI_GET_ROI_IDS(fid=fid, $ roi_colors=roi_colors, roi_names=class_names) class_names = ['Unclassified', class_names] num_classes = N_ELEMENTS(roi_ids) ; Set the unclassified class to black and use roi colors lookup = BYTARR(3,num_classes+1) lookup[0,1] = roi_colors ; 计算类ROI的基本统计信息 ; mean = FLTARR(N_ELEMENTS(pos), num_classes) stdv = FLTARR(N_ELEMENTS(pos), num_classes) cov = FLTARR(N_ELEMENTS(pos),N_ELEMENTS(pos),num_classes) FOR j=0, num_classes-1 DO BEGIN ; roi_dims=[ENVI_GET_ROI_DIMS_PTR(roi_ids[j]),0,0,0,0] ENVI_DOIT, 'envi_stats_doit', fid=fid, pos=pos, $ dims=roi_dims, comp_flag=4, mean=c_mean, $ stdv=c_stdv, cov=c_cov MEAN[0,j] = c_mean stdv[0,j] = c_stdv cov[0,0,j] = c_cov ENDFOR ; thresh=REPLICATE(0.05,num_classes) out_bname = 'MinimumDistance' ENVI_DOIT, 'class_doit', fid=fid, pos=pos, dims=dims, $ out_bname=out_bname, out_name=out_name, method=1, $ mean=mean, stdv=stdv, std_mult=st_mult, $ lookup=lookup, class_names=class_names, $ in_memory=0 END ;-最大似然 2 2: BEGIN ENVI_RESTORE_ROIS, roifile roi_ids = ENVI_GET_ROI_IDS(fid=fid, $ roi_colors=roi_colors, roi_names=class_names) class_names = ['Unclassified', class_names] num_classes = N_ELEMENTS(roi_ids) ; Set the unclassified class to black and use roi colors lookup = BYTARR(3,num_classes+1) lookup[0,1] = roi_colors ; 计算类ROI的基本统计信息 ; mean = FLTARR(N_ELEMENTS(pos), num_classes) stdv = FLTARR(N_ELEMENTS(pos), num_classes) cov = FLTARR(N_ELEMENTS(pos),N_ELEMENTS(pos),num_classes) FOR j=0, num_classes-1 DO BEGIN ; roi_dims=[ENVI_GET_ROI_DIMS_PTR(roi_ids[j]),0,0,0,0] ENVI_DOIT, 'envi_stats_doit', fid=fid, pos=pos, $ dims=roi_dims, comp_flag=4, mean=c_mean, $ stdv=c_stdv, cov=c_cov MEAN[0,j] = c_mean stdv[0,j] = c_stdv cov[0,0,j] = c_cov ENDFOR ; thresh=REPLICATE(0.05,num_classes) out_bname = 'MaximumLikelihood' ENVI_DOIT, 'class_doit', fid=fid, pos=pos, dims=dims, $ out_bname=out_bname, out_name=out_name, method=2, $ mean=mean, stdv=stdv, std_mult=st_mult, $ lookup=lookup, class_names=class_names, $ cov = cov,$ in_memory=0 END ;-马氏距离 5 3: BEGIN ENVI_RESTORE_ROIS, roifile roi_ids = ENVI_GET_ROI_IDS(fid=fid, $ roi_colors=roi_colors, roi_names=class_names) class_names = ['Unclassified', class_names] num_classes = N_ELEMENTS(roi_ids) ; Set the unclassified class to black and use roi colors lookup = BYTARR(3,num_classes+1) lookup[0,1] = roi_colors ; 计算类ROI的基本统计信息 ; mean = FLTARR(N_ELEMENTS(pos), num_classes) stdv = FLTARR(N_ELEMENTS(pos), num_classes) cov = FLTARR(N_ELEMENTS(pos),N_ELEMENTS(pos),num_classes) FOR j=0, num_classes-1 DO BEGIN ; roi_dims=[ENVI_GET_ROI_DIMS_PTR(roi_ids[j]),0,0,0,0] ENVI_DOIT, 'envi_stats_doit', fid=fid, pos=pos, $ dims=roi_dims, comp_flag=4, mean=c_mean, $ stdv=c_stdv, cov=c_cov MEAN[0,j] = c_mean stdv[0,j] = c_stdv cov[0,0,j] = c_cov ENDFOR ; thresh=REPLICATE(0.05,num_classes) out_bname = 'Mahalanobis' ENVI_GET_ROI_INFORMATION, roi_ids,nPts = nPts ENVI_DOIT, 'class_doit', fid=fid, pos=pos, dims=dims, $ out_bname=out_bname, out_name=out_name, method=5, $ mean=mean, stdv=stdv, std_mult=st_mult, $ lookup=lookup, class_names=class_names, $ cov = cov,NPTS = nPts, $ in_memory=0 END ;-神经元网络 ENVI_NEURAL_NET_DOIT 4: BEGIN IF ~KEYWORD_SET(theta) THEN theta = .9 IF ~KEYWORD_SET(eta) THEN eta = .2 IF ~KEYWORD_SET(alpha) THEN alpha = .9 IF ~KEYWORD_SET(act_type) THEN act_type = 0 IF ~KEYWORD_SET(rms_crit) THEN rms_crit = .1 IF ~KEYWORD_SET(num_layers) THEN num_layers = 3 IF ~KEYWORD_SET(num_sweeps) THEN num_sweeps = 10 ENVI_RESTORE_ROIS, roifile roi_ids = ENVI_GET_ROI_IDS(fid=fid, $ roi_colors=lookup, roi_names=class_names) ; Set the classification variables ; num_classes = N_ELEMENTS(roi_ids) class_names = ['Unclassified', class_names] lookup = REFORM([0,0,0, $ REFORM(lookup,3*num_classes)],3,num_classes+1) ; ; Call the doit ; ENVI_DOIT, 'envi_neural_net_doit', $ fid=fid, pos=pos, dims=dims, $ out_name=out_name, rule_out_name='', $ theta=theta, eta=eta, alpha=alpha, $ num_classes=num_classes, num_sweeps=num_sweeps, $ num_layers=num_layers, act_type=act_type, $ rms_crit=rms_crit, roi_ids=roi_ids, /train, $ class_names=class_names, lookup=lookup END ;-向量机 ENVI_SVM_DOIT 5: BEGIN IF ~KEYWORD_SET(thresh) THEN thresh = .5 IF ~KEYWORD_SET(penalty) THEN penalty=75 IF ~KEYWORD_SET(kernel_type) THEN kernel_type=1 IF ~KEYWORD_SET(kernel_degree) THEN kernel_degree=3 IF ~KEYWORD_SET(kernel_bias) THEN kernel_bias = 2. ENVI_RESTORE_ROIS, roifile roi_ids = ENVI_GET_ROI_IDS(fid=fid) ; Call the svm classification doit routine envi_doit, 'envi_svm_doit', $ fid=fid, pos=pos, dims=dims, $ out_name=out_name, $ roi_ids=roi_ids, thresh=thresh, $ penalty=penalty, kernel_type= kernel_type, $ kernel_degree=kernel_degree, kernel_bias=kernel_bias END ELSE: ENDCASE END
IDL二次开发监督分类【转】 NVI二次开发代码共享之“监督与非监督分类” ;+ ;ENVI二次开发功能代码 ; ;Author: DYQ ;问题讨论： ; http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fhi.baidu.com%2Fdyqwrp&urlrefer=196ac605157c77139de9953a7d7bf295 ; http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fbbs.esrichina-bj.cn%2FESRI%2F%3Ffromuid%3D9806&urlrefer=c5bc9d804f22cedb7d198d0827a0b5dc ;描述： ; 分类处理，包括监督分类和非监督分类 ; ;调用方法： ; ;CAL_CLASS,inputfile,outputfile, method,... ; ;inputFile:待分类影像 ;outpurfile:分类结果; ;Method : 0--5为监督分类，6、7为非监督分类 ; ; 1-最小距离 1 ; 2-最大似然 2 ; 3-马氏距离 5 ; 4-神经元网络 ENVI_NEURAL_NET_DOIT ; 5-向量机 ENVI_SVM_DOIT ; 6-IsoData 4 ; 7-K-Means 7 ;注意：每一种算法需要使用的参数说明可参考ENVI帮助文档 ; PRO CAL_CLASS,inputfile,outputfile, method,$ ;感兴趣区文件 roifile = roifile,$ ;平行六面体分类算法可选参数 STDV = stdv, $ STD_MULT =STD_MULT,$ ;神经元网络分类算法参数 theta = theta, $ eta = eta, $ alpha = alpha, $ act_type = act_type, $ rms_crit = rms_crit, $ num_layers = num_layers, $ num_sweeps = num_sweeps, $ ;向量机 thresh = thresh, $ penalty = penalty, $ kernel_type = kernel_type, $ kernel_degree = kernel_degree, $ kernel_bias = kernel_bias ,$ ;K-Means 算法可选参数 ITERATIONS = ITERATIONS, $ NUM_CLASSES = NUM_CLASSES , $ ;ISO算法参数 CHANGE_THRESH = CHANGE_THRESH, $ ISO_MERGE_DIST = ISO_MERGE_DIST, $ ISO_MERGE_PAIRS = ISO_MERGE_PAIRS, $ ISO_MIN_PIXELS = ISO_MIN_PIXELS, $ ISO_SPLIT_SMULT = ISO_SPLIT_SMULT, $ ISO_SPLIT_STD = ISO_SPLIT_STD, $ MIN_CLASSES = MIN_CLASSES COMPILE_OPT idl2 CATCH, Error_status errorshow = 'Sorry to see the error,'+ $ ' please send the error Information to "[email protected]"' IF Error_status NE 0 THEN BEGIN tmp = DIALOG_MESSAGE(errorshow+STRING(13b)+$ !ERROR_STATE.MSG,/error,title = '错误提示!') return ENDIF ;输入数据预处理 ENVI_OPEN_FILE, inputfile, r_fid=fid IF (fid EQ -1) THEN BEGIN RETURN ENDIF ;获取文件信息 ENVI_FILE_QUERY, fid, dims=dims, nb=nb pos = LINDGEN(nb) out_name = outputfile CASE method OF ;-IsoData 4 6: BEGIN IF ~KEYWORD_SET(CHANGE_THRESH) THEN CHANGE_THRESH = .05 IF ~KEYWORD_SET(NUM_CLASSES) THEN NUM_CLASSES = 10 IF ~KEYWORD_SET(ITERATIONS) THEN ITERATIONS = 1 IF ~KEYWORD_SET(ISO_MERGE_DIST) THEN ISO_MERGE_DIST = 1 IF ~KEYWORD_SET(ISO_MERGE_PAIRS) THEN ISO_MERGE_PAIRS = 2 IF ~KEYWORD_SET(ISO_MIN_PIXELS) THEN ISO_MIN_PIXELS = 1 IF ~KEYWORD_SET(ISO_SPLIT_SMULT) THEN ISO_SPLIT_SMULT = 1 IF ~KEYWORD_SET(ISO_SPLIT_STD) THEN ISO_SPLIT_STD = 1 IF ~KEYWORD_SET(MIN_CLASSES) THEN MIN_CLASSES = 5 out_bname = 'IsoData' ENVI_DOIT, 'class_doit', fid=fid, pos=pos, dims=dims, $ out_bname=out_bname, out_name=out_name, method=4, $ r_fid=r_fid, $ NUM_CLASSES = NUM_CLASSES, $ ITERATIONS = ITERATIONS, $ in_memory=0, $ CHANGE_THRESH = CHANGE_THRESH, $ ISO_MERGE_DIST = ISO_MERGE_DIST, $ ISO_MERGE_PAIRS = ISO_MERGE_PAIRS, $ ISO_MIN_PIXELS = ISO_MIN_PIXELS, $ ISO_SPLIT_SMULT = ISO_SPLIT_SMULT, $ ISO_SPLIT_STD = ISO_SPLIT_STD, $ MIN_CLASSES = MIN_CLASSES END ;-K-Means 7 7: BEGIN IF ~KEYWORD_SET(NUM_CLASSES) THEN NUM_CLASSES = 5 IF ~KEYWORD_SET(CHANGE_THRESH) THEN CHANGE_THRESH = .5 IF ~KEYWORD_SET(ITERATIONS) THEN ITERATIONS = 1 out_bname = 'K-Means' thresh=REPLICATE(0.05,num_classes) ENVI_DOIT, 'class_doit', fid=fid, pos=pos, dims=dims, $ out_bname=out_bname, out_name=out_name, method=7, $ r_fid=r_fid, $ lookup = BYTARR(3,num_classes+1), $ NUM_CLASSES = NUM_CLASSES, $ in_memory=0, CHANGE_THRESH=CHANGE_THRESH,$ ITERATIONS = ITERATIONS END ;-平行六面体 0 0: BEGIN ENVI_RESTORE_ROIS, roifile roi_ids = ENVI_GET_ROI_IDS(fid=fid, $ roi_colors=roi_colors, roi_names=class_names) class_names = ['Unclassified', class_names] num_classes = N_ELEMENTS(roi_ids) ; Set the unclassified class to black and use roi colors lookup = BYTARR(3,num_classes+1) lookup[0,1] = roi_colors ; 计算类ROI的基本统计信息 mean = FLTARR(N_ELEMENTS(pos), num_classes) stdv = FLTARR(N_ELEMENTS(pos), num_classes) cov = FLTARR(N_ELEMENTS(pos),N_ELEMENTS(pos),num_classes) FOR j=0, num_classes-1 DO BEGIN ; roi_dims=[ENVI_GET_ROI_DIMS_PTR(roi_ids[j]),0,0,0,0] ENVI_DOIT, 'envi_stats_doit', fid=fid, pos=pos, $ dims=roi_dims, comp_flag=4, mean=c_mean, $ stdv=c_stdv, cov=c_cov MEAN[0,j] = c_mean stdv[0,j] = c_stdv cov[0,0,j] = c_cov ENDFOR ; thresh=REPLICATE(0.05,num_classes) out_bname = 'parallelepiped' ENVI_DOIT, 'class_doit', fid=fid, pos=pos, dims=dims, $ out_bname=out_bname, out_name=out_name, method=0, $ mean=mean, stdv=stdv, std_mult=st_mult, $ lookup=lookup, class_names=class_names, $ in_memory=0;, thresh=thresh END ;-最小距离 1 1: BEGIN ENVI_RESTORE_ROIS, roifile roi_ids = ENVI_GET_ROI_IDS(fid=fid, $ roi_colors=roi_colors, roi_names=class_names) class_names = ['Unclassified', class_names] num_classes = N_ELEMENTS(roi_ids) ; Set the unclassified class to black and use roi colors lookup = BYTARR(3,num_classes+1) lookup[0,1] = roi_colors ; 计算类ROI的基本统计信息 ; mean = FLTARR(N_ELEMENTS(pos), num_classes) stdv = FLTARR(N_ELEMENTS(pos), num_classes) cov = FLTARR(N_ELEMENTS(pos),N_ELEMENTS(pos),num_classes) FOR j=0, num_classes-1 DO BEGIN ; roi_dims=[ENVI_GET_ROI_DIMS_PTR(roi_ids[j]),0,0,0,0] ENVI_DOIT, 'envi_stats_doit', fid=fid, pos=pos, $ dims=roi_dims, comp_flag=4, mean=c_mean, $ stdv=c_stdv, cov=c_cov MEAN[0,j] = c_mean stdv[0,j] = c_stdv cov[0,0,j] = c_cov ENDFOR ; thresh=REPLICATE(0.05,num_classes) out_bname = 'MinimumDistance' ENVI_DOIT, 'class_doit', fid=fid, pos=pos, dims=dims, $ out_bname=out_bname, out_name=out_name, method=1, $ mean=mean, stdv=stdv, std_mult=st_mult, $ lookup=lookup, class_names=class_names, $ in_memory=0 END ;-最大似然 2 2: BEGIN ENVI_RESTORE_ROIS, roifile roi_ids = ENVI_GET_ROI_IDS(fid=fid, $ roi_colors=roi_colors, roi_names=class_names) class_names = ['Unclassified', class_names] num_classes = N_ELEMENTS(roi_ids) ; Set the unclassified class to black and use roi colors lookup = BYTARR(3,num_classes+1) lookup[0,1] = roi_colors ; 计算类ROI的基本统计信息 ; mean = FLTARR(N_ELEMENTS(pos), num_classes) stdv = FLTARR(N_ELEMENTS(pos), num_classes) cov = FLTARR(N_ELEMENTS(pos),N_ELEMENTS(pos),num_classes) FOR j=0, num_classes-1 DO BEGIN ; roi_dims=[ENVI_GET_ROI_DIMS_PTR(roi_ids[j]),0,0,0,0] ENVI_DOIT, 'envi_stats_doit', fid=fid, pos=pos, $ dims=roi_dims, comp_flag=4, mean=c_mean, $ stdv=c_stdv, cov=c_cov MEAN[0,j] = c_mean stdv[0,j] = c_stdv cov[0,0,j] = c_cov ENDFOR ; thresh=REPLICATE(0.05,num_classes) out_bname = 'MaximumLikelihood' ENVI_DOIT, 'class_doit', fid=fid, pos=pos, dims=dims, $ out_bname=out_bname, out_name=out_name, method=2, $ mean=mean, stdv=stdv, std_mult=st_mult, $ lookup=lookup, class_names=class_names, $ cov = cov,$ in_memory=0 END ;-马氏距离 5 3: BEGIN ENVI_RESTORE_ROIS, roifile roi_ids = ENVI_GET_ROI_IDS(fid=fid, $ roi_colors=roi_colors, roi_names=class_names) class_names = ['Unclassified', class_names] num_classes = N_ELEMENTS(roi_ids) ; Set the unclassified class to black and use roi colors lookup = BYTARR(3,num_classes+1) lookup[0,1] = roi_colors ; 计算类ROI的基本统计信息 ; mean = FLTARR(N_ELEMENTS(pos), num_classes) stdv = FLTARR(N_ELEMENTS(pos), num_classes) cov = FLTARR(N_ELEMENTS(pos),N_ELEMENTS(pos),num_classes) FOR j=0, num_classes-1 DO BEGIN ; roi_dims=[ENVI_GET_ROI_DIMS_PTR(roi_ids[j]),0,0,0,0] ENVI_DOIT, 'envi_stats_doit', fid=fid, pos=pos, $ dims=roi_dims, comp_flag=4, mean=c_mean, $ stdv=c_stdv, cov=c_cov MEAN[0,j] = c_mean stdv[0,j] = c_stdv cov[0,0,j] = c_cov ENDFOR ; thresh=REPLICATE(0.05,num_classes) out_bname = 'Mahalanobis' ENVI_GET_ROI_INFORMATION, roi_ids,nPts = nPts ENVI_DOIT, 'class_doit', fid=fid, pos=pos, dims=dims, $ out_bname=out_bname, out_name=out_name, method=5, $ mean=mean, stdv=stdv, std_mult=st_mult, $ lookup=lookup, class_names=class_names, $ cov = cov,NPTS = nPts, $ in_memory=0 END ;-神经元网络 ENVI_NEURAL_NET_DOIT 4: BEGIN IF ~KEYWORD_SET(theta) THEN theta = .9 IF ~KEYWORD_SET(eta) THEN eta = .2 IF ~KEYWORD_SET(alpha) THEN alpha = .9 IF ~KEYWORD_SET(act_type) THEN act_type = 0 IF ~KEYWORD_SET(rms_crit) THEN rms_crit = .1 IF ~KEYWORD_SET(num_layers) THEN num_layers = 3 IF ~KEYWORD_SET(num_sweeps) THEN num_sweeps = 10 ENVI_RESTORE_ROIS, roifile roi_ids = ENVI_GET_ROI_IDS(fid=fid, $ roi_colors=lookup, roi_names=class_names) ; Set the classification variables ; num_classes = N_ELEMENTS(roi_ids) class_names = ['Unclassified', class_names] lookup = REFORM([0,0,0, $ REFORM(lookup,3*num_classes)],3,num_classes+1) ; ; Call the doit ; ENVI_DOIT, 'envi_neural_net_doit', $ fid=fid, pos=pos, dims=dims, $ out_name=out_name, rule_out_name='', $ theta=theta, eta=eta, alpha=alpha, $ num_classes=num_classes, num_sweeps=num_sweeps, $ num_layers=num_layers, act_type=act_type, $ rms_crit=rms_crit, roi_ids=roi_ids, /train, $ class_names=class_names, lookup=lookup END ;-向量机 ENVI_SVM_DOIT 5: BEGIN IF ~KEYWORD_SET(thresh) THEN thresh = .5 IF ~KEYWORD_SET(penalty) THEN penalty=75 IF ~KEYWORD_SET(kernel_type) THEN kernel_type=1 IF ~KEYWORD_SET(kernel_degree) THEN kernel_degree=3 IF ~KEYWORD_SET(kernel_bias) THEN kernel_bias = 2. ENVI_RESTORE_ROIS, roifile roi_ids = ENVI_GET_ROI_IDS(fid=fid) ; Call the svm classification doit routine envi_doit, 'envi_svm_doit', $ fid=fid, pos=pos, dims=dims, $ out_name=out_name, $ roi_ids=roi_ids, thresh=thresh, $ penalty=penalty, kernel_type= kernel_type, $ kernel_degree=kernel_degree, kernel_bias=kernel_bias END ELSE: ENDCASE END
ENVI/IDL与ArcGIS Engine一体化开发的实现 [p=30, 2, left]ENVI (The Environment for Visualizing Images)和IDL(Interactive Data Language)是美国ITT VIS公司的旗舰产品，是由遥感领域的科学家采用IDL开发的一套功能强大的遥感图像处理软件。其软件处理技术覆盖了图像数据的输入/输出、定标、几何校正、正射校正、图像融合、镶嵌、裁剪、图像增强、图像解译、图像分类、基于知识的决策树分类、面向对象图像分类、动态监测、矢量处理、DEM提取及地形分析、雷达数据处理、制图、三维场景构建、与GIS的整合，提供了专业可靠的波谱分析工具和高光谱分析工具。ENVI软件几乎可支持所有的UNIX系统，Mac OSX，Linux，以及PC机的WindowsXP/ Vista/7/Server2008等操作系统。 [/p][p=30, 2, left]ENVI具有丰富的函数接口API，完整的示例代码帮助文档。ArcGIS Engine是一套完备的嵌入式GIS 组件库和工具库，即是一个用于开发新应用程序的二次开发功能组件包。开发者可以选择集成开发环境来建立 ArcGIS Engine 应用程序，而同时开发环境又可以集成ENVI/IDL的功能，这样使得开发一个遥感与GIS一体化的程序变得非常的容易。下面以ArcGISEngine10.0和ENVI4.8为例，开发一个一体化的示例程序。 [/p]1.新建项目 [p=30, 2, left]启动Visual Studio2008，项目类型选择VisualC#-ArcGIS-Extending ArcObjects，模版选择MapControlApplication，解决方案设置为ArcGISEngineUsingENVI（图1.1）。 [/p][p=30, 2, left]
IDL的一些学习教程 从网上找的一些ENVI/IDL的学习教程
【吧规】 这是一个学习交流的地方，希望我们可以一起在这里学到我们有心趣想知道的东西。希望大家文明发帖。。。。。。
求助啊！！更新数据库老是无法更新，代码不会报错但表就是没有化 string My_ConStr = "server=.;database=GBDB_NEW;uid=sa;pwd=chenting"; SqlConnection My_con = new SqlConnection(My_ConStr); My_con.Open(); if (My_con.State == ConnectionState.Open) { MessageBox.Show("连接数据库"); } string sqlstr = "select * from tbl_G_Resume"; SqlDataAdapter Sqlda = new SqlDataAdapter(); SqlCommand cmd = new SqlCommand(sqlstr, My_con); Sqlda.SelectCommand = cmd; DataSet My_DataSet = new DataSet(); Sqlda.Fill(My_DataSet, "tbl_G_Resume"); String connString = "Data Source=E:\\project\\sggbdb.sqlite"; SQLiteConnection conn = new SQLiteConnection(connString); conn.Open(); if (conn.State == ConnectionState.Open) { MessageBox.Show("连接数据库"); } SQLiteDataAdapter Sqlda1 = new SQLiteDataAdapter(sqlstr, conn); SQLiteCommandBuilder cmdbuilder = new SQLiteCommandBuilder(Sqlda1); DataSet datasat = new DataSet(); Sqlda.Fill(datasat, "tbl_G_Resume"); datasat = My_DataSet; Sqlda1.UpdateCommand = cmdbuilder.GetUpdateCommand(); MessageBox.Show(datasat.Tables[0].TableName); Sqlda1.Update(datasat, datasat.Tables[0].TableName); 求大神帮忙看一下啊。。。。。。。。。。
有这次要考网络三级的同学吗？求指导。。。。。 有这次要考网络三级的同学吗 ？？？来说说你们看得怎么样 了。求指导啊
数据库中已经存在二进制数据，怎么 更新 里面的数据 SQL Sever 2008 数据库中已经存在二进制数据，现在要有新的二进制数据，要替换掉原来的。目前能把二进制转化成byte[]，不知道接下去应该怎么做？c#来实现 希望高手不吝赐教啊~~~~
数据库中怎么更新二进制流，已经转换为byte[] SQL Sever 2008 数据库中已经存在二进制数据，现在要有新的二进制数据，要替换掉原来的。 目前已经把二进制转化成byte[]，不知道接下去应该怎么做？求大神帮忙，可以用updata吗
〖求助〗求大神帮忙。。。。 这个学期的期末作业，由于不是本专业的专业课又是选修课，所以几乎没有去上个课，期末要交一份作业，求大神帮忙啊！！！！！！！！！！
三级网络改革后考的侧重点是什么？ 三级网络改革后考的是什么啊？有谁知道？今年培训也没有表示真的很迷茫？有谁知道推荐点资料给我嘛在这里多谢啦？
谁知道我们学校后面的呼马山的概况？ 谁知道我们学校后面的呼马山的概况，需要细一点，具体一点
【星爸萌娃】喜欢kimi的有没有觉得小kimi的进步很大？？？？ 从开始到现在kimi的进步真的很大，通过这个节目长大了，也许是小志通过这个节目陪他的时间多了，也许是熟悉了环境反正我们的小kimi进步很大。真可惜这一季就要完了不知道下一季是否还能见到可爱的他。。。。。。
谁有全本给我一个嘛！我下不下来 希望有 医道官途 的给我一个嘛 邮箱：[email protected] 先谢啦
学习c语言应该看什么书比较合适？已经学到文件了 c语言已经学到文件啦但还想继续学下去但我现在有点 迷茫啦不知道选择一本什么样的书从哪里下手求大家介绍一下嘛。。。。。。哦对数据结构也有了一点了解。。。。
在vc的环境下可以编写一些小软件吗 ？？ 学c已经有一段时间啦，自己也蛮感兴趣的。想进一步学习。用c写一些简单的小软件，小游戏什么的，编程环境只在vc下可以吗？还是要其他的编程环境
有谁考过计算机三级吗？？？能告诉一下考的范围吗？ 想报考三级，如果不培训能过吗？有谁知道大概要考些那些方面的内容，如果自己看的话应该看些什么书？？？
(求助)我想问一下我们专业的软件笔记本电脑的配置那种可以了？ 要按我们专业的那些软件，Envi，erdas，arcgis电脑买那种比较好，配置要些什么？电脑是一般的不能太贵
有谁知道英语老师样利民的联系方式吗？？？？急求啊 电话或她星期一早上在哪上课也可以 。。。。。。。。
[提问]路非开新文了吗？ 好久没看小说和进贴吧啦！不知道路非又没有开新的小说
[提问]凤逆完啦！这个群打算用来讨论些什么主题呢？还是会解散 凤逆完啦！以后肯定会很少在讨论凤逆的内容啦！但没有了主题感觉就没意思啦！人也会少大家希望以后讨论什么呢？我表示很好奇？？
(关于月的感情)月最后说等墨，并且让他的下世遇见月，你们觉得 以其说月爱上了墨，不如是那是因为月愧疚，墨那样单纯的人尽然是哪样的结局所有人都难过，但月不爱墨，那是感动，感动不是爱。翼为月付出的也很多，不是要付出生命才叫付出。。。。个人觉得月太对不起翼啦！我不明白为什么月对战野那么好。。。她并不是北月群主
[新手求帮助]有两个入门简单的问题求大家帮个忙回答一下 3dmax中拓扑线的定义是什么？？？ 3dmax中特征性建模的概念极其意义
(求解)读这个专业在云南2本毕业出来可以找那些工作，在什么单 (求解)读这个专业在云南2本毕业出来可以找那些工作，在什么单
(求回)我们学校有教师资格证的考点吗？？？ 我们学校有没有教师资格证的考点？？？什么时候可以报考？学校会组织吗？学校会不会安排培训？？？？
噢噢 好复杂好乱的关系 感觉每个之间都成仇人咯 什么情况啊！感觉关系越来越乱拉 几乎每个人都和月成了仇人，而且他们彼此之间感觉也是仇人。。。。。。真难想象情况越来越糟下面的剧情会怎么发展 呵呵 期待。。。。。
大家猜猜凤逆还有多久才完结啊。。。。。等待是痛苦的。。 才开始看的时候看到翼忘了月我想应该翼记起后他和月在一起就大团圆完结咯没想到好像作者才写了一半似的。。。。。。。。。。。。。
1 下一页