对高光谱数据集Indian Pinesca分类

①读取数据并加载import numpy as np import scipy.ndimage import scipy.io as sio from sklearn.decomposition import PCA from sklearn.model_selection import train_test_split import torch.utils.data as Data import

- 阅读全文 -

以MNIST分类为例实现LSTM分类

LSTM讲得特别好的一篇博客:http://colah.github.io/posts/2015-08-Understanding-LSTMs/import torch import torch.nn as nn import torch.optim as optim import torchvision from torchvision import transforms class Rnn(

- 阅读全文 -

高光谱图像的Hughes现象

Hughes现象是指在高光谱分析中过程中,随着参与运算波段数目的增加,分类精度“先增后降”的现象。高光谱图像的几百频谱维度不可避免地导致维度灾难(curse of dimensionality)。与多光谱相比,高光谱图像的一个显著特点就是它的波段数目远远大于多光谱图像,因而可以提供更为丰富的细节信息,可以解决许多在多光谱中不能解决的目标探查和分类问题,但是由于Hughes现象的存在,使得高光谱图像

- 阅读全文 -

MNIST分类(数字识别)

1.CNN on CPUimport os # third-party library import torch import torch.nn as nn import torch.utils.data as Data import torchvision import matplotlib.pyplot as plt import time # torch.manual_seed(1)

- 阅读全文 -

指数加权移动平均(EWMA)

1、概述  加权移动平均法,是对观察值分别给予不同的权数,按不同权数求得移动平均值,并以最后的移动平均值为基础,确定预测值的方法。采用加权移动平均法,是因为观察期的近期观察值对预测值有较大影响,它更能反映近期变化的趋势。  指数移动加权平均法,是指各数值的加权系数随时间呈指数式递减,越靠近当前时刻的数值加权系数就越大。  指数移动加权平均较传统的平均法来说,一是不需要保存过去所有的数值;二是计算量

- 阅读全文 -