常用重采樣方法的優缺點

1. 二年級我和媽媽購置年貨的統計表和統計圖怎樣做

這一類的購物統計表和統計圖的製作，首先必須要把購物的內容，以及數據分成一個一個的小項列舉出來。
然後再利用表格的形式，把商品名稱數據總數等等分別的一一對應填寫，最後再把它做成圖案的形式來進行直觀性分析，這樣可以達到更好的效果。

數據統計常用的方法具體如下：

1、線性回歸(Linear Regression)
在統計學中，線性回歸是一種通過擬合自變數與自變數之間最佳線性關系來預測目標變數的方法。
最好的做法是確保每個點的形狀和實際觀測之間的所有距離之和盡可能小。形狀的適合性是「最好的」，因為在形狀的選擇上沒有其他位置會產生較少的誤差。
線性回歸的2種主要類型是簡單線性回歸和多元線性回歸。簡單線性回歸使用一個獨立變數來通過擬合最佳線性關系來預測因變數。
多重線性回歸使用多個獨立變數來通過擬合最佳線性關系來預測因變數。

2、分類(Classification)
分類是一種數據挖掘技術，它將類別分配給數據集合，以幫助進行更准確的預測和分析。
也有時稱為決策樹，分類是用於對非常大的數據集進行分析的幾種方法之一。

3、重采樣方法(ResamplingMethods)
重采樣是從原始數據樣本中繪制重復樣本的方法。這是統計推斷的非參數方法。
換句話說，重采樣方法不涉及使用通用分布表來計算近似p個概率值。
重采樣根據實際數據生成唯一的采樣分布。它使用實驗方法而不是分析方法來生成獨特的抽樣分布。
它產生無偏估計，因為它是基於研究者所研究數據的所有可能結果的無偏樣本。

5、特徵縮減技術(Shrinkage)
這種方法適合一個涉及所有p個預測因子的模型，然而，估計的系數相對於最小二乘估計向零收縮。
這種縮水，又稱正規化，具有減少方差的作用。取決於執行什麼類型的收縮，可以估計一些系數恰好為零。因此這個方法也執行變數選擇。
像在主成分分析中一樣，嶺回歸將數據投影到雙向空間，然後比高方差分量收縮低方差分量的系數，
這相當於最大和最小主分量。嶺回歸至少有一個缺點;它包括最終模型中的所有p個預測值。

2. 重采樣方法比較~

最鄰近法（Nearest Neighbor）：最鄰近法直接將與某像元位置最鄰近的像元值作為該像元的新值。該方法的優點是方法簡單，處理速度快，且不會改變原始柵格值，但該種方法最大會產生半個像元大小的位移。

適用於表示分類或某種專題的離散數據，如土地利用，植被類型等。以下示意圖為柵格數據經過平移和旋轉的幾何變換之後。

就是根據一類象元的信息內插出另一類象元信息的過程。在遙感中，重采樣是從高解析度遙感影像中提取出低解析度影像的過程。

常用的重采樣方法有最鄰近內插法（nearest neighbor interpolation）、雙線性內插法（bilinear interpolation）和三次卷積法內插（cubic convolution interpolation）。

(2)常用重采樣方法的優缺點擴展閱讀：

雙線性內插法是通過取采樣點到周圍4鄰域像元的距離加權來計算其柵格值新值。具體操作是首先在Y方向做一次內插(或X方向)，再在X方向(或Y方向)內插一次，通過距離加權計算得到該像元的柵格值。

用該法進行重采樣，結果往往會比最鄰近法重采樣的結果更加光滑，但是會改變原來的柵格值，丟失一些局部細微的特徵。適用於表示某種現象分布、地形表面的連續數據，如DEM影像、溫度統計、降雨量分布、坡度等，這些數據一般就是通過采樣點多次內插得到的連續表面。

3. 什麼是重采樣技術

重采樣：就是根據一類象元的信息內插出另一類象元信息的過程。在遙感中，重采樣是從高解析度遙感影像中提取出低解析度影像的過程。
常用的重采樣方法有最鄰近內插法（nearest neighbor interpolation）、雙線性內插法（bilinear interpolation）和三次卷積法內插（cubic convolution interpolation）。其中，最鄰近內插法最為簡單，計算速度快，但是視覺效應差；雙線性插值會使圖像輪廓模糊；三次卷積法產生的圖像較平滑，有好的視覺效果，但計算量大，較費時。

4. 對於重采樣的程序解析

重采樣：就是根據一類象元的信息內插出另一類象元信息的過程。在遙感中，重采樣是從高解析度遙感影像中提取出低解析度影像的過程。

中文名重采樣

外文名resampling

注 意根據信息內插象元信息

目 的提取出低解析度影像

定義

重采樣：就是根據一類象元的信息內插出另一類象元信息的過程。

在 遙感中，重采樣是從高解析度遙感影像中提取出低解析度影像的過程。

重采樣方法

常用的重采樣方法有最鄰近內插法（nearest neighbor interpolation）、雙線性內插法（bilinear interpolation）和三次卷積法內插（cubic convolution interpolation）。其中，最鄰近內插法最為簡單，計算速度快，但是視覺效應差；雙線性插值會使圖像輪廓模糊；三次 卷積法產生的圖像較平滑，有好的視覺效果，但計算量大，較費時。

5. Arcgis中 為什麼要對配准後的數據進行重采樣

因為經過配準的不同柵格的像元並不總是對齊的，因為像元大小可能不同，或者像元邊界之間會有相對的偏移。當進行柵格合並時，空間分析必須為每一個輸出像元指定對應的輸入柵格的像元，這個過程就叫做重采樣。
重采樣的方法有最近鄰發、search法、雙線性內插法和立方卷積法。前兩者適用於離散數據，後兩者適用於連續數據。

6. 遙感影像幾何校正時,對像元灰度值重采樣的主要方法及特點

高光譜數據一般流程是先做大氣校正，後做幾何校正。這樣在做定標的時候使用原始的dn值，在做幾何校正時候，使用最鄰近重采樣法。

7. 簡述重采樣的原理

重采樣：就是根據一類象元的信息內插出另一類象元信息的過程。在遙感中，重采樣是從高解析度遙感影像中提取出低解析度影像的過程。常用的重采樣方法有最鄰近內插法（nearest neighbor interpolation）、雙線性內插法（bilinear interpolation）和三次卷積法內插（cubic convolution interpolation）。其中，最鄰近內插法最為簡單，計算速度快，但是視覺效應差；雙線性插值會使圖像輪廓模糊；三次卷積法產生的圖像較平滑，有好的視覺效果，但計算量大，較費時。

8. 在圖像大小調整時,分析3種重采樣的優缺點

1. 要減少圖像像素數（尺寸）時就選「兩次立方較銳利（適用於縮小）

2. 要增大圖像像素數（尺寸）時就選「兩次立方較平滑（適用於擴大）
由於插值運算時更加關注漸變色，所以用來對具有漸變色調的圖運算效果更佳