ArcGIS教程：欧氏距离 (空间分析)？

一、ArcGIS教程：欧氏距离 (空间分析)？

源

源识别了井、购物中心、道路和林分等感兴趣对象的位置。如果源是栅格，它必须只包含源像元的值，同时其他像元必须是 NoData。如果源是要素，则会在运行工具时在内部将其转换为栅格。

欧氏距离算法

计算源像元中心与每个周围像元中心之间的欧氏距离。真实欧氏距离是在每个距离工具中计算的。

从概念上讲，欧式算法的原理如下：对于每个像元，通过用 x_max 和 y_max 作为三角形的两条边来计算斜边的方法，确定与每个源像元之间的距离。这种计算方法得出的是真实欧氏距离，而不是像元距离。与源之间的最短距离将会被确定，如果它小于指定的最大距离，则将该值赋给输出栅格上的像元位置。 欧氏距离栅格的输出值是浮点距离值。如果像元与两个或更多源之间的距离相等，则将该像元分配给扫描过程中遇到的第一个源。您无法控制该扫描过程。 以上只是对如何得出值的概念性描述。实际的算法使用两次顺序扫描过程计算信息。此过程可使工具的速度与源像元的数目、源像元的分布以及指定的最大距离无关。影响工具执行速度的唯一因素是栅格的大小。计算时间与“分析”窗口中的像元数成线性比例。

欧氏距离输出栅格

欧氏距离输出栅格包含每个像元与最近源之间的测定距离。距离以栅格的投影单位（如英尺或米）沿直线测量（欧氏距离），从像元中心到像元中心进行计算。 欧氏距离工具经常充当用于各种应用的独立工具，例如查找最近的可提供紧急直升机救护的医院。此外，在创建适宜性地图和需要用于表示与某一对象之间距离的数据时，也可使用此工具。

欧式方向输出栅格

欧式方向输出栅格包含每个像元与最近源之间的方位角方向。欧式方向将每个像元以度为单位的方向分配给距其最近的源。使用 360 度圆或罗盘，刻度 360 指北，刻度 1 指东；其余值顺时针增加。值 0 将会留供源像元使用。

欧式分配输出栅格

欧式分配输出栅格中的每个像元的赋值都是距其最近源的值（通过欧氏距离算法确定）。在一次分配中的每个像元都接收它将被分配到的区域的值。源是指具有相同值或属于同一区域的任意像元或像元集。如果区域处于不相连状态，则分配给该区域的像元的赋值为与最近区域部分之间的距离。

输出栅格上所有非源像元的值均会包含已赋给源栅格中的像元的相同值，或包含与派生自值栅格的每个源位置相关联的值。 使用此工具可将空间分配给对象，例如识别可接受多家商店服务的顾客。下例中，欧式分配工具识别了距每个像元最近的城镇。如果要从某个遥远的位置前往最近的城镇，这可能是有价值的信息。

欧氏距离的局限性

欧氏距离工具根据欧氏距离（直线距离）为您提供信息。有时可能无法沿直线前往某一特定位置；可能不得不避开河流或陡坡等障碍。在这种情况下，应考虑使用成本距离工具获得更现实的结果。

二、ArcGIS教程：了解欧氏距离分析？

1、欧氏距离算法

计算源像元中心与每个周围像元中心之间的欧氏距离。真实欧氏距离是在每个距离工具中计算的。从概念上讲，欧式算法的原理如下：对于每个像元，通过用 x_max 和 y_max 作为三角形的两条边来计算斜边的方法，确定与每个源像元之间的距离。这种计算方法得出的是真实欧氏距离，而不是像元距离。与源之间的最短距离将会被确定，如果它小于指定的最大距离，则将该值赋给输出栅格上的像元位置。

欧氏距离栅格的输出值是浮点距离值。如果像元与两个或更多源之间的距离相等，则将该像元分配给扫描过程中遇到的第一个源。您无法控制该扫描过程。

以上只是对如何得出值的概念性描述。实际的算法使用两次顺序扫描过程计算信息。此过程可使工具的速度与源像元的数目、源像元的分布以及指定的最大距离无关。影响工具执行速度的唯一因素是栅格的大小。计算时间与“分析”窗口中的像元数成线性比例。

2、欧氏距离输出栅格

欧氏距离输出栅格包含每个像元与最近源之间的测定距离。距离以栅格的投影单位（如英尺或米）沿直线测量（欧氏距离），从像元中心到像元中心进行计算。

欧氏距离工具经常充当用于各种应用的独立工具，例如查找最近的可提供紧急直升机救护的医院。此外，在创建适宜性地图和需要用于表示与某一对象之间距离的数据时，也可使用此工具。

下例识别了与每个城镇之间的距离。这种信息可能对于规划徒步旅行极其有用。您可能希望停留在城镇的某一距离范围内以防出现紧急情况，或者希望知道您必须走多远才能获得补给。

3、欧式方向输出栅格

欧式方向输出栅格包含每个像元与最近源之间的方位角方向。欧式方向将每个像元以度为单位的方向分配给距其最近的源。使用 360 度圆或罗盘，刻度 360 指北，刻度 1 指东；其余值顺时针增加。值 0 将会留供源像元使用。

下例中找出了每个位置与最近城镇之间的方向。将受伤的徒步旅行者送往最近城镇进行治疗时，这可为紧急救护直升机提供有用信息。

4、欧式分配输出栅格

欧式分配输出栅格中的每个像元的赋值都是距其最近源的值（通过欧氏距离算法确定）。

在一次分配中的每个像元都接收它将被分配到的区域的值。源是指具有相同值或属于同一区域的任意像元或像元集。如果区域处于不相连状态，则分配给该区域的像元的赋值为与最近区域部分之间的距离。

输出栅格上所有非源像元的值均会包含已赋给源栅格中的像元的相同值，或包含与派生自值栅格的每个源位置相关联的值。

使用此工具可将空间分配给对象，例如识别可接受多家商店服务的顾客。下例中，欧式分配工具识别了距每个像元最近的城镇。如果要从某个遥远的位置前往最近的城镇，这可能是有价值的信息。

5、欧氏距离的局限性

欧氏距离工具根据欧氏距离（直线距离）为您提供信息。有时可能无法沿直线前往某一特定位置；可能不得不避开河流或陡坡等障碍。在这种情况下，应考虑使用成本距离工具获得更现实的结果。

三、机器学习包括？

机器学习

机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

四、机器学习是从哪里学习？

机器学习是从数据中学习的。它利用算法和统计模型来分析数据，发现数据中的模式和规律，从而生成预测模型和决策模型。

机器学习有监督学习、无监督学习和强化学习等不同的学习方式，可以应用于各种不同的领域，如自然语言处理、计算机视觉、音频信号处理和金融等。

机器学习的数据来源可以是结构化数据和非结构化数据，如图像、文本、音频和视频等。

五、什么是学习和机器学习？

机器学习(Machine Learning)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，它是人工智能的核心，是使计算机具有智能的根本途径。

学习，是指通过阅读、听讲、思考、研究、实践等途径获得知识和技能的过程。学习分为狭义与广义两种：狭义：通过阅读、听讲、研究、观察、理解、探索、实验、实践等手段获得知识或技能的过程，是一种使个体可以得到持续变化（知识和技能，方法与过程，情感与价值的改善和升华）的行为方式。例如:通过学校教育获得知识的过程。广义：是人在生活过程中，通过获得经验而产生的行为或行为潜能的相对持久的方式。次广义学习指人类的学习。

六、机器自我学习原理？

机器学习是人工智能的一个子集。这项技术的主要任务是指导计算机从数据中学习，然后利用经验来改善自身的性能，不需要进行明确的编程。

在机器学习中，算法会不断进行训练，从大型数据集中发现模式和相关性，然后根据数据分析结果做出最佳决策和预测。

机器学习应用具有自我演进能力，它们获得的数据越多，准确性会越高。

七、机器学习作者？

《机器学习》是清华大学出版社出版发行的书籍，作者是周志华。

八、机器学习就业待遇？

机器学习是一个热门领域，就业待遇相对较好。根据不同地区和公司的情况，机器学习岗位的平均薪资可能在每年5万-20万美元之间。大公司如谷歌、亚马逊、微软等，在机器学习领域有较高的薪资水平。

此外，机器学习专业人员往往具有广泛的职业发展机会，可以在各种领域应用机器学习技术，如金融、医疗、制造等。因此，机器学习就业待遇相对较好，但具体情况还取决于个人的技能、经验和地区。

九、机器学习的分类？

机器学习是一个比较大的范畴，机器学习包括很多东西，如决策树分析，主成分分析，回归分析，支持向量机，神经网络，深度学习等。你说的流量分类应该是说采用机器学习里面的一些分类算法，如朴素贝叶斯算法，K-means算法（也叫K均值算法），EM算法(也叫期望值最大化算法)等聚类算法。

十、什么是机器学习？

机器学习指的是计算机系统无需遵照显示的程序指令，而只是依靠暴露在数据中来提升自身性能的能力。机器学习关注的是“如何构建能够根据经验自动改进的计算机程序”。比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息数据库，系统就会学习到可用来预测的信用卡欺诈的模式。机器学习本质上是跨学科的，他采用了计算机科学、统计学和人工智能等领域的技术。

中公教育和中科院的老师合作推出了一个机器人课程，可以关注一下