Объявление : Все некоммерческие проекты, зарегистрированные для использования Earth Engine до
15 апреля 2025 года, должны
подтвердить право на некоммерческое использование для сохранения доступа. Если вы не подтвердите право до 26 сентября 2025 года, ваш доступ может быть приостановлен.
ee.Clusterer.wekaLVQ
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Кластеризатор, реализующий алгоритм квантования обучающихся векторов. Подробнее см.:
Т. Кохонен, «Изучение векторного квантования», Справочник по теории мозга и нейронным сетям, 2-е издание, MIT Press, 2003, стр. 631-634.
| Использование | Возврат | ee.Clusterer.wekaLVQ( numClusters , learningRate , epochs , normalizeInput ) | Кластеризатор |
| Аргумент | Тип | Подробности | numClusters | Целое число, по умолчанию: 7 | Количество кластеров. |
learningRate | Плавающий, по умолчанию: 1 | Скорость обучения алгоритма. Значение должно быть больше 0 и меньше или равно 1. |
epochs | Целое число, по умолчанию: 1000 | Количество эпох обучения. Значение должно быть больше или равно 1. |
normalizeInput | Логическое значение, по умолчанию: false | Пропустить нормализацию атрибутов. |
Если не указано иное, контент на этой странице предоставляется по лицензии Creative Commons "С указанием авторства 4.0", а примеры кода – по лицензии Apache 2.0. Подробнее об этом написано в правилах сайта. Java – это зарегистрированный товарный знак корпорации Oracle и ее аффилированных лиц.
Последнее обновление: 2025-07-24 UTC.
[null,null,["Последнее обновление: 2025-07-24 UTC."],[],["The `ee.Clusterer.wekaLVQ` function implements the Learning Vector Quantization algorithm for clustering. It requires specifying the number of clusters (`numClusters`, default 7), the learning rate (`learningRate`, default 1, between 0 and 1), the number of training epochs (`epochs`, default 1000, at least 1), and whether to normalize the input attributes (`normalizeInput`, default false). The function returns a Clusterer object. The algorithm's details are described in a specific paper by T. Kohonen.\n"]]
