spectral

    2熱度

    2回答

    任何人都可以請解釋一下,在譜聚類中使用層次聚類有什麼優勢嗎?我知道它們是如何工作的,但我想知道在哪些情況下最好使用層次聚類來進行譜聚類。

    0熱度

    1回答

    我在R中使用pavo包來提取顏色變量,並遇到了我想爲自定義範圍計算色度的問題,但我似乎無法找到讓我修改默認值的代碼波長範圍的功能 summary(lizspec) 這將返回23個變量,所有默認功能,但默認範圍,這是我需要改變中的所有計算。 任何想法表示讚賞。必須使用getspec功能的lim參數時,您導入的光譜數據中指定

    1熱度

    1回答

    我在每秒採集的txt文件中有一個基於地面的磁數據,我想繪製它的傅里葉譜。 我注意到MatLab上的頻譜圖公式需要這個參數(window,noverlap,nfft,Fs),我不知道。 而且我還發現,我應該先情節的頻譜之前做FFT我的數據,但我的數據是不是離散和FFT的離散數據,任何人都知道我能做到這一點?

    1熱度

    1回答

    我想打開一個envi .img文件並且有一個.hdr文件具有相同的名稱。 .img文件中有兩個圖像,我可以使用下面的代碼讀取它們。 from spectral import * img = open_image('LC08_L1TP_029029_20130330_20170310_01_T1_sensor_B05.img') 和IMG的屬性(BSQ文件)如下圖所示 In[352] img

    1熱度

    1回答

    我對具有相當稀疏特徵的相當數據集應用光譜聚類(sklearn.cluster.SpectralClustering)。當在Python中譜聚類,我得到以下警告: UserWarning: Graph is not fully connected, spectral embedding may not work as expected. warnings.warn("Graph is not ful

    0熱度

    1回答

    我試圖採取用以下行125個頻段的頻譜的導數微分: dW=diff(wavelength); dR=diff(data); df=dR./dW; 問題是下一步我想將它與比較原始光譜數字和視覺上通過繪圖,但df的大小是124,但我的原始波長是125.問題是我必須刪除第一個或最後一個樂隊?然而一些光譜分析軟件的輸出並沒有改變尺寸。考慮到樂隊的平均水平也不起作用,它會使圖表顯示瘋狂的行爲。

    0熱度

    1回答

    我試圖將一棵無向樹分割成兩棵子樹,每棵子樹連接在一起。我的理解是,可以使用here所述的Fiedler向量來完成此操作。但是,當我遵循此過程時,生成的子樹未連接。 我用來實現平分的代碼如下,並且不能平分的樹被定義爲here。 import networkx as nx from itertools import compress g = nx.from_dict_of_dicts(broke

    0熱度

    1回答

    我正在嘗試使用Normalized Cuts執行譜嵌入/聚類。我寫了下面的代碼,但我堅持了一個邏輯瓶頸。聚類特徵向量之後我該做些什麼?我不知道如何在原始數據集上形成羣集。 (A是我的親和矩陣) D = np.diag(np.sum(A, 0)) D_half_inv = np.diag(1.0/np.sqrt(np.sum(A, 0))) M = np.dot(D_half_inv, np.d

    0熱度

    1回答

    import csv import numpy as np from sklearn.cluster import SpectralClustering reader=csv.reader(open("/Users/Desktop/user2.csv","rU"),dialect=csv.excel_tab) x=list(reader) resu

    -1熱度

    1回答

    我遵循this指南爲了執行譜減法,到目前爲止我有以下代碼,但我不能解決如何成功地將每個重疊幀連接在一起在最後。謝謝你的幫助。 function [ cleanFile ] = spectralSubtraction(noisyFile) SamplingFrequency = 44100; frameLengthMs = 20; frameLength = (frameLengthMs/1