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.
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Выполняет кластеризацию G-средних на входном изображении. Итеративно применяет k-средние, а затем проверяется на нормальность для автоматического определения количества используемых кластеров. Выходные данные содержат полосу «кластеров», содержащую целочисленный идентификатор кластера, к которому принадлежит каждый пиксель. Алгоритм может работать как с фиксированной сеткой неперекрывающихся ячеек (gridSize, который может быть меньше тайла), так и с тайлами с перекрытием (neighborhoodSize). По умолчанию используются тайлы без перекрытия. Кластеры в одной ячейке или тайле не связаны с кластерами в другом. Любой кластер, охватывающий границу ячейки или тайла, может получить две разные метки в двух половинах. Любые входные пиксели с частичными масками полностью маскируются на выходе. Ожидается, что этот алгоритм будет хорошо работать только для изображений с узким динамическим диапазоном (например, байтами или короткими).
См.: Г. Хамерли и К. Элкан. «Изучение k в методе k-средних». NIPS, 2003.
Размер соседства. Величина расширения каждой плитки (перекрытия) при вычислении кластеров. Этот параметр взаимоисключающий с параметром gridSize.
gridSize
Целое число, по умолчанию: null
Размер ячейки сетки. Если значение больше 0, kMeans будет применяться независимо к ячейкам этого размера. Это ограничивает размер любого кластера значением gridSize или меньше. Этот параметр взаимоисключающий с neighborhoodSize.
uniqueLabels
Логическое значение, по умолчанию: true
Если значение равно true, кластерам присваиваются уникальные идентификаторы. В противном случае они повторяются для каждой плитки или ячейки сетки.
[[["Прост для понимания","easyToUnderstand","thumb-up"],["Помог мне решить мою проблему","solvedMyProblem","thumb-up"],["Другое","otherUp","thumb-up"]],[["Отсутствует нужная мне информация","missingTheInformationINeed","thumb-down"],["Слишком сложен/слишком много шагов","tooComplicatedTooManySteps","thumb-down"],["Устарел","outOfDate","thumb-down"],["Проблема с переводом текста","translationIssue","thumb-down"],["Проблемы образцов/кода","samplesCodeIssue","thumb-down"],["Другое","otherDown","thumb-down"]],["Последнее обновление: 2025-07-24 UTC."],[],["The G-Means algorithm performs image clustering by iteratively applying k-means and a normality test to determine the optimal number of clusters. It outputs an image with a 'clusters' band, assigning each pixel to a cluster. It can operate on a fixed grid (gridSize) or tiles with overlap (neighborhoodSize), with default being tiles without overlap. Input images should have a narrow dynamic range and pixels with partial mask will be fully masked in the output. Clusters can be assigned unique ID's or repeat per tile.\n"]]
