IDL数学分析与插值

1.随机数的生成：
result=randomu(seed,d1,d2,…,d8,/double,/long)
生成均匀分布的随机数，seed为种子，默认使用系统时间。d1等设置各个维度上的尺寸，/double，/long设置返回值类型。
result=randomn()用法关键字等相同，只不过生成的是正态分布的随机数组。

IDL>result=randomu(seed,3,3,3,/double) ;生成均匀随机数
IDL> help,result ；查看
RESULT DOUBLE = Array[3, 3, 3] ;是我创建的三维数组没错了

2.相关性分析
result=correlate(x[,y])
可以分析x与y之间的相关系数，当x为二维数组时，将计算各列之间的相关系数。

IDL> x=[1,2,3,4,5]
IDL> y=[2,4,6,8,10]
IDL> result=correlate(x,y)
% Compiled module: CORRELATE.
IDL> print,result1.00000
；
IDL> x=[[1,2,3,4,5],[2,4,6,8,10]]
IDL> result=correlate(x)
IDL> print,result1.00000      1.00000      1.00000      1.00000      1.000001.00000      1.00000      1.00000      1.00000      1.000001.00000      1.00000      1.00000      1.00000      1.000001.00000      1.00000      1.00000      1.00000      1.000001.00000      1.00000      1.00000      1.00000      1.00000

数学上我这块还没学，弄不太明白。
类似用法的还有：
result=m_correlate(x,y) 计算复相关系数
result=p_correclate(x,y,c) 计算偏相关系数，c参数说明剔除谁的影响。
等

3.回归分析（感觉比上面那个有用的多）
result=regress(x,y,const=var1,correlation=var2,mcorrelation=var3,ftest=var4,yfit=var5)
其中x,y必填。
x自变量为一维或者二维数组，y因变量为一维数组。const返回回归方程常数项，correlation返回相关系数，m_correlation返回复相关系数。，ftest返回f检验值，yfit返回估算得到的因变量。
数学上还是没学不懂。
4.显著水平检验（誊抄一下徐永明吧，不懂）：
进行f检验
result=f_pdf(v,dfn,dfd)
v设置临界值，可以为标量或者数组。参数dfn用于设置分子自由度；参数dfd用于设置分母自由度。
相同用法的还有：
result=f_cvf(p,dfn,dfd) 计算给定显著水平及自由度所对应的F临界值
p设置显著水平，dfn和dfd设置分子自由度和分母自由度。
result=t_pdf(v,df) 进行t检验，返回单侧置信度。
v设置临界值，df设置自由度（样本数目-1）

result=t_cvf(p,df)用于计算给定显著水平及自由度所对应的T 单侧临界值
p设置显著水平，df设置自由度

5.曲线拟合（这个我还稍微懂一点）
result=comfit(x,y,a[,/exponential | ,/gompertz | ,/hyperbolic | ,/logistic | ,/logsquare],iter=var1,itmax=f_var2,yfit=var3)
参数x,y为输入的自变量和因变量，参数a为使用模型的初始参数，是一个数组。
后面的exponential到logsquare为不同的模型，具体查看IDL帮助。
iter返回迭代次数，imax用于设置迭代最大次数,yfit用于返回y的拟合值。

Result = CURVEFIT( X, Y , Weights, A [, Sigma] [, CHISQ=variable] [, /DOUBLE] [, FITA=vector] [, FUNCTION_NAME=string] [, ITER=variable] [, ITMAX=value] [, /NODERIVATIVE] [, STATUS={0 | 1 | 2}] [, TOL=value] [, YERROR=variable] )
自定义函数拟合（具体查看IDL帮助，徐的书不全）

6.插值
一维数组插值
result=interpol(v,x,xout,/lsquadratic,/quadratic,/spline,/NAN)
v为输入的数组，x为v中各个元素对应的横坐标值，xout为插值结果数组中各个元素对应的横坐标值，是一个输出的参数。后面的三个关键字是不同的插值算法。最后的关键字可以用于设置插值的时候不考虑数据中的nan值。

IDL> x=[2,4,6,8,10]  ;设置输入数组
IDL> v=[0,2,4,6,8]  ;  v和x写反了 我透
IDL> xout=[1,3,5,7]  ;  设置插值位置在1 3 5 7
IDL> result=interpol(x,v,xout) ；结果得出
% Compiled module: INTERPOL.
IDL> result  ; 展示3       5       7       9

二维数组插值:
result=bilinear(p,ix,jy,missing=value)
实行双线性内插，p为输入的二维数组，ix为P中个元素在插值完成后所在的对应下标。

IDL> a=[[2,4],[6,8],[10,12]]
IDL> ix=[0,2]
IDL> jy=[0,2,4]
IDL> result=bilinear(a,ix,jy）
IDL> result2       410      1210      12

其余内容不再赘述，自己本身还看不太懂。
等到下半学期听了班主任讲授的数字图像处理我再回来处理，现在的话基础不牢，空中楼阁是不行的。

IDL数学分析与插值相关推荐

唤起那些年你对IDL的记忆（一）
仅做复习参考用:本文整理参考了IDL-Help跟董彦卿老师编写的教材基础常用的命令及快捷键输出:print 查看:help 续行符:$ 同行符:& 注释符: ; 常用快捷键: 图1 快捷 ...
ArcGIS数据降雨量插值
感觉这篇gis作图挺好的,一直想学学gis,害怕作者哪天删了贴,所以直接copy到了自己这里,原文链接: ArcGIS数据生产与精细化制图之年降水量分布图的制作 ArcGIS数据生产与精细化制图之年降 ...
IDL学习：语法基础-数组
目录 1. 创建数组 1.1 直接创建 1. 2 利用函数创建 2. 数组索引 3. 数组操作 3.1 数组的信息 3.2 数组维度变化 3.3 数组的最大值和最小值 3.4 数组方差.均值.标准差. ...
IDL是什么呢？？？
IDL 是一种数据分析和图像化应用程序及编程语言,先由美国ITT公司所有.最初在七十年代后期用于帮助科学家分析火星探险卫星发回的数据,将浩瀚的数据转换为图形.从此后,IDL 得到广泛运用,使用者日众, ...
关于FFT中IDFT变换的推导：来自数学分析和线性代数的降维打击
注:考虑到对高中生友好的需要,本文尽量减少了对于高数和线代等前置知识的依赖.如果你是正在学习FFT的oi选手,可以放心食用. 我当年在学习FFT的时候,大部分文章都会在讲完DFT的过程之后说" ...
IDL实现遥感数据的快速重投影（几何校正）- 以MODIS Swath产品为例
IDL实现遥感数据的快速重投影(几何校正)- 以MODIS Swath产品为例网上关于遥感数据的重投影资料其实已经很多了,比如基于GDAL的实现.基于ENVI GLT的实现.基于一些专用处理工具的实 ...
Python+OpenCV 图像处理系列（9）—— 图像的翻转和缩放插值
1. 图像的翻转图像翻转 (Image Flip),图像翻转的本质像素映射,OpenCV 支持三种图像翻转方式: X轴翻转,flipcode = 0 Y轴翻转, flipcode = 1 XY轴翻转 ...
Thrift的接口定义语言IDL
Thrift的IDL可以使用下面的语法来定义描述接口. 1 基本类型 bool:布尔值,true 或 false byte:8 位有符号整数 i16:16 位有符号整数 i32:32 位有符号整数 i ...
python规则网格插值_Python中规则网格上的插值
什么是合理的解决方案很大程度上取决于你试图用插值像素回答的问题--请注意清空器:对丢失的数据进行外推会导致非常误导的答案! 径向基函数插值/核平滑就Python中可用的实际解决方案而言,填充这些像素 ...

IDL数学分析与插值

IDL数学分析与插值相关推荐

最新文章

热门文章