MATLAB地图工具箱学习总结(二)大圆和恒向线 今天要和大家谈一谈大圆.恒向线航道的画法.还是先从案例开始说起,再分别介绍相关的函数. 1                    作业案例:地图投影作业6 在作业6中,李老师要求我们画出两点间的大圆航线.恒定线航线和两者混合的航线.我一开始没有找到gcwaypts函数,导致自己花了一点时间编写了一段代码实现,但效果并不好,存在误差.后来找到了神奇的gcwaypts函数,一切也就迎刃而解.在本文中,我将会把两种方法都简单介绍一下. 首先是gcway

m_map 实例 1. clear all m_proj('ortho','lat', 48,'long',-123');%投影方式,范围 m_coast('patch','r');%红色填充 m_grid('linest','-','xticklabels',[],'yticklabels',[]);%标注为空 patch(.55*[-1 1 1 -1],.25*[-1 -1 1 1]-.55,'w');%四个点,白色填充 text(0,-.55,'M\_Map','fontsize',25,

暑假已至,接下来组内成员将会各回各家,各找各妈,这肯定是对本次大数据比赛是很不利的. 接下来我会把任务分配给组员,当然任务会比起初的时候轻一点,因为我认为本次比赛的目的并不是我要求组员做什么,而是我的组员要求自己做什么! 我们现在主要接触的两门语言: MATLAB语言在数据处理方面很牛,它的画图功能也是杠杠的,尤其是3D画图 Python语言是一门近几年很火的语言,学好它对自己肯定只有益处,它的出生很晚,但是短短十多年,它已经稳居计算机语言前三名.尤其是现在的大数据时代,它的代码不仅简单易懂,而

今天使用了所有特征并且用SVM测试数据 理由:SVM可以使用特征将测试集划分区域,比较单调.死板 结果:成绩很不理想,无疑又一次说明随机森林更适合大数据处理 第二次提交数据 用MATLAB运行11次运算结果,提取其中6次及6次以上重复出现的数据,提交结果:分数降低5分本次目的:检测以往数据的准确率 总结:我们的数据中有部分数据错误了至少6次,那么特征还不够完善,接下来的工作还在特征

原先有3000条测试数据,MATLAB表现出来强大的数据处理能力,十几秒就可以把数据分类.分装并储存,这次共有10万条坐标数据,MATLAB明显后劲不足,显示内存不足 自我认识:以前MATLAB数据处理是手动将数据导入mat表格,再由程序运行表格数据,但是这次运行光坐标压缩文件就有35兆,就算导入成功也是相当恐怖的一个表格文件 解决方案:1.拒绝手动导入,程序导入 2.不使用表格,表格的内存占用明显比文本文档大太多(当然,这种方案比较极端,但是必须执行,否则后期明显性能上就差别人一大截)

经过头脑风暴法想出了很多特征,目前经过筛选已经提交了两次数据,数据提交结果不尽如人意,但是收获很大. 接下来继续提取特征,特征数达到27时筛选出20条特征,并找出最佳搭配

前几天备战考试,接下来的日子将会继续攻克大数据比赛 虽然停止了一段时间没有提交数据,但是这几天的收获还是有的,对Python 随机森林了解的更了解了 随机森林是由多课决策树组成(当然这个虽然我们初学者都知道,但是我确定没有现在认识的深刻),多棵决策树经过数据训练后,经过投票方式对测试数据进行判断 那么也就是说随机森林的鲁棒性非常好,我们现有的特征还不是特别多,之所以前一段时间出现“过拟合”现象,其实原因有可能是我们当时急功近利,把大多数正确率高的特征放在一起测试数据,导致的“过拟合”,其实非也,

3.海岸线和深度测量 3.1.1 海岸线选项 m_coast('line', ...optional line arguments ); m_coast('line', ...optional line arguments ); m_map 的海岸线数据可以使用m_coast 获得 ,此处的参数选项都是指定线的属性的一些标准选项例如线条样式,线宽,颜色等. m_coast('patch', ...optional patch arguments ); 此处的参数选项都是指定填充的属性的一些标准属

经过一个下午找资料,已作出人工轨迹记录程序,这样就可以增加样本容量 接下来三个方向:特征.决策树.机械轨迹程序 虽然机械轨迹的程序相对好做,但是现有机械轨迹程序太过于死板,不能自行更改轨迹

今天新提交了一次数据,总量达到10337个,本以为成绩会突飞猛进,没想到还是不如从前 但是已经找到人工鼠标轨迹的程序,有待完善,接下来兵分四路:找特征.决策树.完善人工轨迹程序,使其可以将生成的数据自动储存.还一个是Python面向对象. 为什么要学习Python面向对象,因为我发现现在接触的程序越多.越深,越觉得举步维艰,越觉得不懂的地方越多.其实我是在学习Java的面向对象吃到了甜处,面向对象可以提高一个程序的可读性,一个程序的可利用性.这几天我们一直在找一个最佳组合,而我们一直是手动去找,

目前已经找出26条特征 ,但是提交数据越来越少,给我的感觉是随机森林画的范围越来越小,输出的机器数据也越来越少,我自认为特征没太大问题 我已经将不懂之处列了出来,将于明天咨询大师级人物

今天我们离成功又近了一步,因为又失败了两次 第一次使用了所有特征,理由:前天的特征使用的是取单个特征测试超过85分的特征,结果出现过拟合现象. 本次使用所有特征是为了和昨天的结果作比较. 结果稍好:比最佳分数多了1分 第二次使用了上一次最佳结果的特征,去除其中单个特征测试结果最好的,加入新的特征,加入的特征为新总结的特征,结果等于以前的最佳成绩. 也就是说没有进步 总结:盲目增加特征有可能继续造成过拟合,接下来的工作应该在程序上做文章,优化程序,做出一个为现在的工作服务的程序,也可以说是量身定做

第一次提交数据 增加了部分特征 3000数据测试中得分99 但是10万数据出现过拟化现象,正确率下降 总结:1.某些特征数据本身波动不大应该考虑放弃 2.一些特征虽然表面觉得差异显而易见,但是数据表达出来的结果不一定完美 第二次提交数据 这次提交的数据采用昨天提交的特征,并加入今天的得出的特征的其中一个,打算以不同的方式找出最佳配合 结果 分数降低7分 本次吸取经验教训,得出如下总结:1.继续寻找特征的最佳组合 2.训练集太少,端午前后必须扩大训练集

第一次提交数据: 今天用了8个特征,加上的这一个特征是 从3000条测试数据中测试失败的数据总结出来的树的数目为50再次使用3000条测试数据测试结果-- 结果不错: 99%但是运行官网数据结果分数--降低0.5      为58.55分总结:总特征数目为8,树的数目远远超过特征数,以后树的数目不能多于特征的1.5倍,否则结果很难得出结论,无说服力 第二次提交数据: 本次使用9个特征,加上的特征是 从3000条测试数据中测试失败的数据总结出来的 树的数目为12 使用3000条测试数据测试结果--

运行六个特征,提高了3分,也就是说以前做的特征已经用完了,穷途末路,依靠以前的特征已经很难取得进步了,提出以下建议 1.测试集曾经运行错误的数据尽早画出图形,并尽可能发现问题并提出特征 2.运行其他程序测试数据 决策树.SVM等 3.不拘泥大赛给的数据

1. 全球/地区温度图 (1)读取数据 clear all setup_nctoolbox %调用工具包 tic %计时 %% nc=ncgeodataset('tmpsfc.gdas.199401.grb2'); %读文件 tem_1=nc.variables %浏览数据类型 %% a1=nc.geovariable(tem_1(1));%取得数据类型为Temperature_surface的数据 b1=a1.data(1,:,:); %第一个时间点温度数据 c1=squeeze(b1)-27

1.例图 (1) clear all m_proj('oblique mercator');%确定投影方式和绘图界线 m_coast;%画出海岸线 m_grid;%添加格网 第一行代码初始化投影,对于每一种投影都有设定的默认值,所以你可以很容易看出某一种特点的投影的样子,所有的投影都有一系列可选的参数, 如果不使用默认值,可以更改,随后详细讲. m_proj get m_grid get (2) clear all %m_proj('oblique mercator');%确定投影方式和绘图界线

之前转载过matlab画世界地图的博文.最近正好用到.首先试了matlab自带的worldmap,感觉画出来的图形不尽如人意,比较杂乱.如下图. 略查阅了些资料,请教了Liangjing,一致推荐m_map.为了达到想要的效果,这次只要不再偷懒,下载M-Map工具箱(http://www.eos.ubc.ca/~rich/map.html)并进行安装.所幸过程比较顺利,现记录如下,回头把画出的效果图再添上.其他matlab的toolbox安装,也可参考进行. ------------------

reference: http://blog.sina.com.cn/s/blog_8fc890a20102v6pm.html   需要用一些地图工具,arcgis懒得装了,GMT(generic mapping tools)太复杂,因此搜到了m_map, 正好是MATLAB的工具箱.于是研究了一晚上.   一.m_map 工具箱的安装   https://www.eoas.ubc.ca/~rich/map.html (若打不开链接,需要逐级访问) 以上网址是m_map工具箱的网站,找到m_ma

MATLAB中文论坛帖子整理(GUI) 目   录  1.GUI新手之——教你读懂GUI的M文件... 10 2.GUI程序中改变current directory引起的问题... 15 3.GUI中h0bject和handles 的区别... 16 4.handles结构中句柄和对象的关联问题... 17 5.Matlab利用定时器连续显示图片的问题... 19 5-1.GUI中实现在图片任意位置上标注text. 22 5-2.使用edit的另外一种callback. 22 6.MATLAB

由于代码需要依赖Linux环境,只好尝试着装MATLAB,然而各种问题接踵而至,开始了由MATLAB引发的三天Linux探寻之旅-- 下载Matlab 2016b for Linux https://pan.baidu.com/s/1vmkBfGDUjPyW9pMGdZVD1w 下载后的Linux文件夹会有三个文件分别是R2016b_glnxa64_dvd1.iso.R2016b_glnxa64_dvd2.iso和Matlab 2016b Linux64 Crack.rar(破解文件)文件夹.