ee.Kernel.euclidean

ইউক্লিডীয় (সরল-রেখা) দূরত্বের উপর ভিত্তি করে একটি দূরত্ব কার্নেল তৈরি করে।

ব্যবহার	রিটার্নস
ee.Kernel.euclidean(radius, units , normalize , magnitude )	কার্নেল

যুক্তি	টাইপ	বিস্তারিত
radius	ভাসা	কার্নেলের ব্যাসার্ধ উৎপন্ন হবে।
units	স্ট্রিং, ডিফল্ট: "পিক্সেল"	কার্নেলের জন্য পরিমাপের সিস্টেম ('পিক্সেল' বা 'মিটার')। কার্নেলটি মিটারে নির্দিষ্ট করা থাকলে, জুম-স্তর পরিবর্তন করা হলে এটির আকার পরিবর্তন হবে।
normalize	বুলিয়ান, ডিফল্ট: মিথ্যা	কার্নেলের মানগুলিকে 1 এ যোগ করার জন্য স্বাভাবিক করুন।
magnitude	ফ্লোট, ডিফল্ট: 1	এই পরিমাণ দ্বারা প্রতিটি মান স্কেল.

উদাহরণ

কোড এডিটর (জাভাস্ক্রিপ্ট)

print('A Euclidean distance kernel', ee.Kernel.euclidean({radius: 3}));

/**
 * Output weights matrix (up to 1/1000 precision for brevity)
 *
 * [4.242, 3.605, 3.162, 3.000, 3.162, 3.605, 4.242]
 * [3.605, 2.828, 2.236, 2.000, 2.236, 2.828, 3.605]
 * [3.162, 2.236, 1.414, 1.000, 1.414, 2.236, 3.162]
 * [3.000, 2.000, 1.000, 0.000, 1.000, 2.000, 3.000]
 * [3.162, 2.236, 1.414, 1.000, 1.414, 2.236, 3.162]
 * [3.605, 2.828, 2.236, 2.000, 2.236, 2.828, 3.605]
 * [4.242, 3.605, 3.162, 3.000, 3.162, 3.605, 4.242]
 */

পাইথন সেটআপ

পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার জন্য পাইথন এনভায়রনমেন্ট পৃষ্ঠাটি দেখুন।

import ee
import geemap.core as geemap

Colab (পাইথন)

from pprint import pprint

print('A Euclidean distance kernel:')
pprint(ee.Kernel.euclidean(**{'radius': 3}).getInfo())

#  Output weights matrix (up to 1/1000 precision for brevity)

#  [4.242, 3.605, 3.162, 3.000, 3.162, 3.605, 4.242]
#  [3.605, 2.828, 2.236, 2.000, 2.236, 2.828, 3.605]
#  [3.162, 2.236, 1.414, 1.000, 1.414, 2.236, 3.162]
#  [3.000, 2.000, 1.000, 0.000, 1.000, 2.000, 3.000]
#  [3.162, 2.236, 1.414, 1.000, 1.414, 2.236, 3.162]
#  [3.605, 2.828, 2.236, 2.000, 2.236, 2.828, 3.605]
#  [4.242, 3.605, 3.162, 3.000, 3.162, 3.605, 4.242]