首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    传染动力学的流形学习

    感染性传染地图利用激活次阈值分配向量在高维欧氏空间节点的网络。作为传染病地图图像的点云既反映了网络的底层结构,也反映了传染病在网络上的传播行为。直观地说,如果传染病沿着该结构传播,那么这样的点云展示了网络底层结构的特征,这一观察表明,传染图是一种可行的多形学习技术。我们在许多不同的真实世界和合成数据集上测试传染映射作为一种流形学习工具,并将其性能与最著名的流形学习算法之一Isomap进行比较。我们发现,在一定条件下,在有噪声的数据中,传染病映射能够可靠地检测底层流形结构,而Isomap由于噪声引起的误差而失效。这巩固了传染病映射作为一种多方面学习的技术。

    02

    Google Earth Engine ——MCD64A1.006 MODIS Burned Area Monthly Global 500m第6版燃烧区数据产品

    Terra和Aqua结合的MCD64A1第6版燃烧区数据产品是每月一次的全球网格化500米产品,包含每像素的燃烧区和质量信息。MCD64A1烧毁面积绘图方法采用了500米MODIS表面反射图像和1公里MODIS主动火灾观测。该算法使用对燃烧敏感的植被指数(VI)来创建动态阈值,应用于综合数据。VI是由MODIS短波红外大气校正表面反射带5和7得出的,带有时间纹理的测量。该算法确定了每个单独的MODIS瓦片中的500米网格单元的燃烧日期。日期被编码在一个单一的数据层中,作为焚烧发生的日历年的序日,其值被分配给未焚烧的土地像素,并为缺失的数据和水网格单元保留额外的特殊值。

    01
    领券