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)

display('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]