反距离插值(Inverse Distance Weighted)
来源:互联网 发布:大连知你创业基地 编辑:程序博客网 时间:2024/06/07 09:12
反距离插值Inverse Distance Weighted
反距离权重法主要依赖于反距离的幂值,幂参数可基于距输出点的距离来控制已知点对内插值的影响。幂参数是一个正实数,默认值为2。(一般0.5到3的值可获得最合理的结果)。
通过定义更高的幂值,可进一步强调最近点。因此,邻近数据将受到更大影响,表面会变得更加详细(更不平滑)。随着幂数的增大,内插值将逐渐接近最近采样点的值。指定较小的幂值将对距离较远的周围点产生更大的影响,从而导致平面更加平滑。
由于反距离权重公式与任何实际的物理过程都不关联,因此无法确定特定幂值是否过大。作为常规准则,认为值为30的幂是超大幂,因此不建议使用。此外还要牢记一点,如果距离或幂值较大,则可能生成错误结果。
在IDW插值之前,我们可以事先获取一个离散点子集,用于计算插值的权重;
原因1:离散点距离插值点越远,其对插值点的影响力越低,甚至完全没有影响力;
原因2:离散点越少可以加快运算速度;
IDW步骤
IDW插值方法假定每个输入点都有着局部影响,这种影响随着距离的增加而减弱。
步骤:
0 0
- 反距离插值(Inverse Distance Weighted)
- C++实现反距离插值
- ImageWarping--反距离加权插值(IDW)方法实现及报告
- IDW Spatial Analyst(ESRI.ArcGIS.SpatialAnalystTools)ArcEngine中反距离加权插值方法
- ArcGIS空间插值方法反距离权重法(IDW)的工作原理
- 反距离加权插值方法——C#实现
- Three.js 中利用反距离权重插值模拟
- 各种距离(Distance)
- 编辑距离(Edit Distance | Levenshtein距离)
- 编辑距离(Levenshtein Distance)
- 编辑距离(edit distance)
- 编辑距离(Levenshtein Distance)
- Levenshtein Distance(编辑距离)
- Minimum edit distance(levenshtein distance)(最小编辑距离)初探
- 编辑距离(Levenshtein Distance) (转)
- 欧氏距离(Euclidean distance)
- 欧氏距离(Euclidean distance)
- “最小编辑距离(Minimum Edit Distance)”
- Java线程(七):Callable和Future
- Nginx负载均衡配置实例详解
- 使用ssh中遇到的错误
- tensorflow--Not a JPEG file: starts with 0x89 0x50
- Lucene 查询索引库
- 反距离插值(Inverse Distance Weighted)
- 强大的ORM之Realm基础使用总结
- redis持久化详解
- hdu 1116 poj 1386 欧拉回路并查集
- 编写联系人list
- 组播MAC地址
- Spring 各个jar包的作用
- 关于H5唤醒APP的功能实现(千辛万苦啊!)
- List<Object>删除某一个Object