⑴ 遥感上常见的算子有哪些，只需要名字就行了
除了他说的还有Moravec算子 、微分算子、模糊算子、kriging算子
⑵ 算子网，还有子网掩码
B类地址划分两个子网，子网掩码就是255.255.128.0；
两个网络地址分别是：138.50.0.0和138.50.128.0；
第一个子网包含的主机地址：138.50.0.1~138.50.127.254，广播地址：138.50.127.255；
第二个子网包含的主机地址：138.50.128.1~138.50.255.254，广播地址：138.50.127.255。
⑶ 多层次渐进式空间采样网络体系设计
结合区位论、空间插值、智能空间推理等知识，多层次渐进式空间采样网络体系主要包括多层次渐进式空间采样网络框架设计、最优样本量获取、采样样点布设等几个方面。
( 一) 多层次渐进式空间采样网络框架设计
当前空间采样网络设计主要包括基于模型的方法和基于设计的方法。基于模型的方法主要采用统计学中采样模型、优化模型等，运用采样网络设计规则 ( 包括克里金方差最小原则、WM 原则等) 自动生成采样网络; 基于设计的方法则主要依据专家对研究区域的先验知识，人工布设采样样点形成采样网络。两种方法均存在一定的不足，基于模型的方法存在一定的不稳定性，基于设计的方法则受专家主观意识的影响。基于此，本研究提出多层次渐进式空间采样网络框架设计技术，集合了基于模型方法和基于设计方法各自的优点，旨在消除采样网络设计过程中客观不确定性和主观不一致性的影响，使得采样网络客观反映研究区的区域特征，提高采样和监测精度。
多层次渐进式空间采样网络框架设计技术充分考虑了研究区存在监测样点布局和不存在监测样点布局两种情况，首先基于采样模型自动计算最优样本量并完成样点布设，然后根据专家的先验知识以及空间采样数据对采样网络进行优化，剔除异常点，从而提高采样精度和效率。
( 二) 最优样本量获取
在总体中抽出一定量的样本，用所抽样本的均值与方差能较好地估计总体的均值与方差，即抽取样本的均值具有足够的精度和较大概率近似于总体均值。
当所研究的属性在统计学上具有正态分布特征时，可构造统计量公式，在专家指导下( 包括专家对于研究区的先验知识和预采样数据等) 推导出采样需要置信限下的合理采样数:
退化废弃地遥感信息提取研究
式中:η为采样精度;μ为总体均值;σ为标准差;xn为第n个采样点。
上述样本量为指定采样精度下的最小样本量，从而既保证了采样精度，又提高了采样效率。
(三)采样样点布设
传统的空间采样网络设计较多依靠专家对研究区以及监测指标的先验知识，按着一定的布点方法人工确定样点布局，常用的布点方法包括功能区布点法和几何图形布点法，其中几何图形布点法包括网格布点法、同心圆布点法和扇形布点法。随着抽样理论和地统计学理论的发展，简单随机抽样模型、系统抽样模型和分层抽样模型等抽样模型被广泛应用。
1.简单随机抽样
简单随机抽样是指从总体N个单位中任意抽取n个单位作为样本，使每个可能的样本被抽中的概率相等。简单随机抽样分为重复抽样和不重复抽样。在重复抽样中，每次抽中的单位仍放回总体，样本中的单位可能不止一次被抽中;不重复抽样中，抽中的单位不再放回总体，样本中的单位只能抽中一次。简单随机抽样的具体方法包括抽签法和随机数字表法。
2.系统抽样
系统抽样是纯随机抽样的变种，先将总体从1～N相继编号，并计算抽样距离K=N/n(N为总体单位总数，n为样本容量)，然后在1～K中抽一随机数k1作为样本的第一个单位，接着取k1+K，k1+2K，…，直至抽够n个单位为止。系统抽样要防止周期性偏差，因为其会降低样本的代表性。
3.分层抽样
又称分类抽样或类型抽样，先将总体的单位按某种特征分为若干次级总体(层)，然后再从每一层内进行单纯随机抽样，组成一个样本。将总体划分为若干个同质层，再在各层内随机抽样或系统抽样，分层抽样的特点是将科学分组法与抽样法结合在一起，分组减小了各抽样层变异性的影响，抽样保证了所抽取的样本具有足够的代表性。
分层抽样根据在同质层内抽样的方式不同，又可分为一般分层抽样和分层比例抽样，一般分层抽样是根据样品变异性大小来确定各层的样本容量，变异性大的层多抽样，变异性小的层少抽样，在事先并不知道样品变异性大小的情况下，通常多采用分层比例抽样。
分层抽样比单纯随机抽样所得到的结果准确性更强，组织管理更方便，而且能保证总体中每一层都有个体被抽到。这样除了能估计总体的参数值，还可以分别估计各个层内的情况，因此分层抽样技术常被采用。
将上述模型应用到空间采样领域，通过引入空间相关系数表征样点之间的空间结构性，结合传统采样模型动态计算最优样本量并进行样点布设，通过专家的指导对布设的样点进行优化，从而使样点布局与指标空间结构基本吻合，提高了采样精度。
⑷ 表间运算的算子有哪些
Robert。
Robert算子是以对角线作为分差的方向来检测，是最简单的边缘检测算子，它利用对角线方向相邻两像素之差近似梯度幅值来检测边缘。
索贝尔算子，拉普拉斯算子，掩膜算子，掩膜是一种图像滤镜的模板，实用掩膜经常处理的是遥感图像。
⑸ 预测 一般有哪些方法 神经网络
时间序列预测只要能转化为训练样本，即可使用神经网络进行训练。目前常用的几类人工神经网络，如BP神经网络、Elman神经网络、RBF神经网络、GRNN神经网络、小波神经网络以及各类组合神经网络，都是可以应用在时间序列预测中的。
预测效果较好的一般有：1、GRNN神经网络、RBF神经网络。局部逼近网络由于只需调整局部权值，因此训练速度较快，拟合精度也较高。2、Elman神经网络。由于Elman神经网络的承接层的延时算子，使得网络可以记忆历史信息，这正好与时间序列预测的原理相同，极其适于应用于时间序列预测。
⑹ 边缘检测算子有哪些它们各有什么优缺点
边缘检测算子一阶的有Roberts Cross算子，Prewitt算子，Sobel算子，Canny算子， Krisch算子，罗盘算子；而二阶的还有Marr-Hildreth，在梯度方向的二阶导数过零点。
Roberts算子
一种利用局部差分算子寻找边缘的算子，分别为4领域的坐标，且是具有整数像素坐标的输人图像;其中的平方根运算使得该处理类似于人类视觉系统中发生的过程。
Sobel算子
一种一阶微分算子，它利用像素邻近区域的梯度值来计算1个像素的梯度，然后根据一定的绝对值来取舍。
Prewitt算子
Prewitt算子是3*3算子模板。2个卷积核dx ,不要形成了Prewitt算子。与Sobel算子的方法一样，图像中的每个点都用这2个核进行卷积，取最大值作为输出值。
各个算子的优缺点：
Robert算子定位比较精确，但由于不包括平滑，所以对于噪声比较敏感。
Prewitt算子和Sobel算子都是一阶的微分算子，而前者是平均滤波，后者是加权平均滤波且检测的图像边缘可能大于2个像素。这两者对灰度渐变低噪声的图像有较好的检测效果，但是对于混合多复杂噪声的图像，处理效果就不理想了。
LOG滤波器方法通过检测二阶导数过零点来判断边缘点。LOG滤波器中的a正比于低通滤波器的宽度，a越大，平滑作用越显着，去除噪声越好，但图像的细节也损失越大，边缘精度也就越低。所以在边缘定位精度和消除噪声级间存在着矛盾，应该根据具体问题对噪声水平和边缘点定位精度要求适当选取。
⑺ 空间域算子有哪几类分别有哪些
梯度法，拉普拉斯锐化算子，sobel算子，prewitt算子，robert算子，isotropic算子，他们都有自己定义好的模板，只要拿来用就可以了。自己可以去借一本数字图像处理的书来看看，
⑻ network operator是什么意思
network operator
英 [ˈnetwə:k ˈɔpəreitə] 美 [ˈnɛtˌwɚk ˈɑpəˌretɚ]
网络算子
网络运营商；网络值机员；网络操作员；网络运营者
双语例句
1. In normative website respect, basically be network operator wants to examine obligation.
在规范网站方面, 主要是网络经营者要尽到审查义务.
2. Cable network operator model determines the profit performance of its anti - cyclical.
有线电视网络运营商盈利模式决定了其业绩的 抗 周期性.
3. However, your mobile network operator may charge you for mobile data transfer.
不过, 您的移动网络运营商可能会向您的移动数据传输.
4. Core Network Operator: Operator that offers core networkservices.
核心网运营商: 提供核心网业务的运营商.
5. In NCCF, the total network resources over which a particular network operator has controlled.
在网络通信控制设施(NCCF)中,一个特定的网络操作员所控制的全部网络资源.