遙感羅伯特演算法為什麼要加一行

『壹』 機器蒼蠅的特點

由於體型小，蒼蠅周圍氣流的粘性比鳥類或者機翼固定的飛機更大。對昆蟲來說飛行就像是踩水一樣。蒼蠅翅膀運動產生的空氣動力可以在千分之一秒內改變激烈程度。相反，傳統的機翼卻受制於平穩的氣體流動。正是因為這個差異，預測飛機性能的分析工具對於動態飛行昆蟲效果甚微，這也使得羅伯特伍德和他的同事的工作愈發的困難重重。
經過無數次的反復試驗，羅伯特伍德和他的同事的機器蠅以其自己獨特的發展方式，在功能上漸漸的越來越像真的蒼蠅一樣。羅伯特伍德和他的同事運用了生物學最基本的兩個原則：機翼面積與身體重量的比例和翅膀的撲閃頻率。還有，因為在這方面電子設備並不佔優勢，所以羅伯特伍德和他的同事沒有必要盲目的對無脊椎動物的生理進行模仿。就拿昆蟲胸膛和翅膀的彈性和結構屬性來說，因為他們都是由角素構成的，所以再堅韌的普通多聚糖化合物都還是比不上碳纖維來的堅固。 對昆蟲而言飛行就像踩水一樣。包括翅膀復雜的拍打和扭動運動在內，蒼蠅已經有一套復雜的機制來調節自己的飛行。為了讓他一直在攝像機的范圍內，羅伯特伍德和他的同事將其夾住測試，結果機器蠅每秒也能有120次扇翅。
如右圖，羅伯特伍德和他的同事的機器蠅也有和真正的蒼蠅相同的主要飛行結構：機身（外骨骼），發動機（飛行肌） ，傳動機（胸） ，機翼（翅膀）。其每部分的功能都比較簡單。機體必須為發動機和傳動機提供一個堅實的機械地面。驅動器為機器蠅胸的共振提供能源。最後，機翼必須在一些根本性不同的氣動條件下保持足夠的剛性以維持自身形狀。
羅伯特伍德和他的同事的設計注意到了物理學中最精細的部分。由於機器人設備的縮小，地面力量開始在動態運動中佔主導地位。由於體積越小接觸面就越大，摩擦力也就越大，這就使得軸承的作用也很有限。然而，因為羅伯特伍德和他的同事僅僅是設計的機器人，所以並不意味著羅伯特伍德和他的同事知道如何製作他，使它機械部件誤差遠低於標准製造工藝。羅伯特伍德和他的同事既不需要僱傭微電子機械繫統也不需要微機電系統，因為這些對於機器蠅要承受的壓力來說太易碎了。更重要的是製作一個微機電系統原型需要花費很多時間，而羅伯特伍德和他的同事的設計策略正是要建立大量的原型。 羅伯特伍德現在使用的是製作精良硬度適中的碳纖維增強復合材料，而不是激光微細加工技術的超薄材料。這些簡便的技術能使羅伯特伍德和他的同事在一周內便可以製作出一個機器蠅的原型。
為了製作關節，羅伯特伍德和他的同事在兩個又薄又硬的碳化纖維中間割開裂縫，在其中間夾入薄薄的聚合纖維，這樣就可以來回的彎曲而不致使其失靈。四個這樣的關節都是用一系列長短不一，平而堅硬的碳纖維連接起來。對於鏈接長度適當的選擇，其傳輸可以讓原來的小角度轉動向相反方向做更大的運動。
為了使得發動機模擬真實的肌肉運動，羅伯特伍德和他的同事為他增加了碳纖維混合物。這種碳纖維混合物是一種受電場可以改變形狀的電鍍材料。在設計這些電機的時，不但要讓他們保證有足夠的能量供給，還要盡可能的使其更小更輕便。這也是羅伯特伍德和他的同事的首要任務。電機的能源密度為每千克400多瓦，比普通蒼蠅翅膀肌肉能力的4倍還多！在成功模擬翅膀運動後緊接著的第二個突破口便是使用四根連接桿，令羅伯特伍德和他的同事滿意的是，這種機制與雙翅類昆蟲非常相似，也是使用其胸腔來控制他們的翅膀運動。
羅伯特伍德和他的同事最新版機器蠅的重量只有60毫克，與雙翅類昆蟲的重量幾乎一樣，而對自身的推力將近卻是他們的兩倍。這跟正真的蒼蠅幾乎一樣了，比如可以獲得3倍至5倍於自身重量的升力。緊接著的目標是讓他盤旋，這在有限的空間里是非常機動化的。盤旋這種能力也使得他們能夠在適當的位置轉身。
為了保證穩定自由的飛行，還需要安裝和小型化三各部件：感應器，控制器和電源。許多實驗室和公司正在開發一套可靠的感應器，通過生物學的感應系統，使機器人穩定飛行和控制一些簡單的行為。羅伯特伍德以前的導師展示過生物啟發陀螺儀和有探測視野能力的感測器，在華盛頓特區，已經開發出了重量不到1克的視覺感測器用來協助飛行機器人導航。 如何控制仍然是一個挑戰。一個真正的蒼蠅能夠快速的轉身，因為它有一個專門的反應迅速的神經系統。在蒼蠅體內，神經沖動從內部反饋到感測器，期間無需中樞神經系統處理便直接調節飛行肌。羅伯特伍德和他的同事正在尋找有效的途徑來模仿這種神經系統，通過一些姿態感測器指明飛行方向然後直接操縱電機。
接下來便是機器蠅如何獲取能源的問題了。一塊足以提供機器蠅飛行的電池將比一般的電池佔用更大的面積體積比。羅伯特伍德和他的同事估計如今壓縮過的最好的鋰電池也要50毫克，佔了機器蠅體重的一半！而且也只能維持他5-10分鍾的飛行。為了增加飛行時間，羅伯特伍德和他的同事必須增加電池的能量密度，或者開發自給能量技術，比如在他背上安裝一個太陽能電池板，又或者將其翅膀的振動轉換成電流等等。 現在，羅伯特伍德和他的同事要把的注意力轉移到機器人的低功耗分散控制演算法上來。雖然群居昆蟲用簡單的局部規則和直接的方法進行溝通，但他們完成的任務卻驚人的復雜。例如，在沒有一個白蟻有藍圖的情況下，他們依然能夠能建造一種比他們自身大數百萬倍的建築物。相信羅伯特伍德和他的同事的機器人終有一天也會成為學習這種昆蟲本領的工具。這樣就可以幫羅伯特伍德和他的同事設計演算法，使成群的簡單機器人去完成復雜的任務。
有了基本的控制演算法後，羅伯特伍德和他的同事期盼微型機器人在特設的移動感測器網路能起更重要的作用。搜索與救援行動，危險環境中的探索和監測，行星探測和建築物巡查，只是一小部分高度靈活的昆蟲類救援機器人的潛在應用。
翅膀上的智能感測器並不是一個遙遠的夢：羅伯特伍德和他的同事預測一個完全自主的機器人昆蟲需要在實驗室進行5年的研發過程；而五年以後，我們將看到這些設備開始融入我們的日常生活

『貳』 遙感羅伯特方法怎麼算

1、 遙感技術是20世紀60年代發展起來的一門綜合性探測技術。
2、遙感的特性：大面積的同步觀測、時效性、數據的綜合性和可比性經濟性、局限性
3、遙感平台是裝載感測器的運載工具，按高度分為：地面平台（為航空和航天遙感作校準和輔助工作）、航空平台（80 km 以下的平台，包括飛機和氣球）、航天平台（80 km 以上的平台，包括高空探測火箭、人造地球衛星、宇宙飛船、太空梭）、航宇遙感。
4、遙感數據的類型：
按平台分：地面遙感、航空遙感、航天遙感、航宇遙感數據。
按電磁波段分：
紫外遙感數據、可見光遙感、紅外遙感、微波遙感等。3按感測器的工作方式分
主動遙感、被動遙感數據；成像遙感、非成像遙感。
5、什麼是感測器？感測器是收集、量測和記錄遙遠目標的信息的儀器，是遙感技術系統的核心。
6、感測器是收集、量測和記錄遙遠目標的信息的儀器，是遙感技術系統的核心。

『叄』 羅伯特梯度和索伯爾梯度計算有什麼區別

羅伯特演算法更突出邊遠，索伯爾演算法更考慮領域點的關系。

『肆』 麻煩誰給我介紹一下金融數學，金融工程，精算學！

金融數學
21世紀數學技術和計算機技術一樣成為任何一門科學發展過程中的必備工具。美國花旗
銀行副總裁柯林斯（Collins）1995年3月6日在英國劍橋大學牛頓數學科學研究所的講演
中敘述到：「在18世紀初，和牛頓同時代的著名數學家伯努利曾宣稱：『從事物理學研
究而不懂數學的人實際上處理的是意義不大的東西。』那時候，這樣的說法對物理學而
言是正確的，但對於銀行業而言不一定對。在18世紀，你可以沒有任何數學訓練而很好
地運作銀行。過去對物理學而言是正確的說法現在對於銀行業也正確了。於是現在可以
這樣說：『從事銀行業工作而不懂數學的人實際上處理的是意義不大的東西』。」他還
指出：花旗銀行70%的業務依賴於數學，他還特別強調，『如果沒有數學發展起來的工具
和技術，許多事情我們是一點辦法也沒有的……沒有數學我們不可能生存。」這里銀行
家用他的經驗描述了數學的重要性。在冷戰結束後，美國原先在軍事系統工作的數以千
計的科學家進入了華爾街，大規模的基金管理公司紛紛開始僱傭數學博士或物理學博士
。這是一個重要信號：金融市場不是戰場，卻遠勝於戰場。但是市場和戰場都離不開復
雜艱深，迅速的計算工作。
然而在國內卻不能迴避這樣一個事實：受過高等教育的專業人士都可以讀懂國內經濟類
，金融類核心期刊，但國內金融學專業的本科生卻很難讀懂本專業的國際核心期刊《Jo
urnal of Finance》，證券投資基金經理少有人去閱讀《Joural of Portfolio Manage
ment》，其原因不在於外語的熟練程度，而在於內容和研究方法上的差異，目前國內較
多停留在以描述性分析為主著重描述金融的定義，市場的劃分及金融組織等，或稱為描
述金融；而國外學術界以及實務界則以數量性分析為主，比如資本資產定價原理，衍生
資產的復制方法等，或稱為分析金融，即使在國內金融學的教材中，雖然涉及到了標的
資產（Underlying asset）和衍生資產（Derivative asset）定價，但對公式提出的原
文證明也予以迴避，這種現象是不合理的，產生這種現象的原因有如下幾個方面：首先
，根據研究方法的不同，我國金融學科既可以歸到我國哲學社會科學規劃辦公室，也可
以歸到國家自然科學基金委員會管理科學部，前者佔主要地位，且這支隊伍大多來自經
濟轉軌前的哲學和政治學隊伍，因此研究方法多為定性的方法。而西方正好相反，金融
研究方向的隊伍具有很好的數理功底。其次是我國的金融市場的實際環境所決定。我國
證券市場剛起步，也沒有一個統一的貨幣市場，投資者隊伍主要由中小投資者構成，市
場投機成分高，因此不會產生對現代投資理論的需求，相應地，學術界也難以對此產生
研究的熱情。
然而數學技術以其精確的描述，嚴密的推導已經不容爭辯地走進了金融領域。自從1952
年馬柯維茨（Markowitz）提出了用隨機變數的特徵變數來描述金融資產的收益性，不確
定性和流動性以來，已經很難分清世界一流的金融雜志是在分析金融市場還是在撰寫一
篇數學論文。再回到Collins的講話，在金融證券化的趨勢中，無論是我們採用統計學的
方法分析歷史數據，尋找價格波動規律，還是用數學分析的方法去復制金融產品，誰最
先發現了內在規律，誰就能在瞬息萬變的金融市場中獲取高額利潤。盡管由於森嚴的進
入堡壘，數學進入金融領域受到了一定的排斥和漠視，然而為了追求利潤，未知的恐懼
顯得不堪一擊。
於是，在未來我們可以想像有這樣一個充滿美好前景的產業鏈：金融市場--金融數學--
計算機技術。金融市場存在巨大的利潤和高風險，需要計算機技術幫助分析，然而計算
機不可能大概，左右等描述性語言，它本質上只能識別由0和1構成的空間，金融數學在
這個過程中正好扮演了一個中介角色，它可以用精確語言描述隨機波動的市場。比如，
通過收益率狀態矩陣在無套利的情形下找到了無風險貼現因子。因此，金融數學能幫助
IT產業向金融產業延伸，並獲取自己的利潤空間
金融數學（Financial Mathematics），又稱數理金融學、數學金融學、分析金融學，是利用數學工具 研究金融，進行數學建模、理論分析、數值計算等定量分析，以求找到金融學內在規律並用以指導實踐。金融數學也可以理解為現代數學與計算技術在金融領域的應用，因此，金融數學是一門新興的交叉學科，發展 很快，是目前十分活躍的前言學科之一。
金融數學是一門新興學科，是「金融高技術 」的重要 組成部分。研究金融數學有著重要的意義。 金融數學總的研究目標是利用我國數學界某些方面的優勢，圍繞金融市場的均衡與有價證券定價的數學理論進行深入剖析，建立適合我國國情的數學模型，編寫一定的計算機軟體，對理論研究結果進行模擬計算，對實際數據進行計量經濟分析研究，為實際金融部門提供較深入的技術分析咨詢。
金融數學主要的研究內容和擬重點解決的問題包括：
(1)有價證券和證券組合的定價理論
發展有價證券（尤其是期貨、期權等衍生工具）的定價理論。所用的數學方法主要是提出合適的隨機微分方程或隨機差分方程模型，形成相應的倒向方程。建立相應的非線性Feynman一Kac公式，由此導出非常一般的推廣的Black一Scho1es定價公式。所得到的倒向方程將是高維非線性帶約束的奇異方程。
研究具有不同期限和收益率的證券組合的定價問題。需要建立定價與優化相結合的數學模型，在數學工具的研究方面，可能需要隨機規劃、模糊規劃和優化演算法研究。
在市場是不完全的條件下，引進與偏好有關的定價理論。
(2）不完全市場經濟均衡理論（GEI）
擬在以下幾個方面進行研究：
1．無窮維空間、無窮水平空間、及無限狀態
2.隨機經濟、無套利均衡、經濟結構參數變異、非線資產結構
3．資產證券的創新（Innovation）與設計（Design）
4．具有摩擦（Friction）的經濟
5．企業行為與生產、破產與壞債
6.證券市場博奕。
（3）GEI 平板衡演算法、蒙特卡羅法在經濟平衡點計算中的應用， GEI的理論在金融財政經濟宏觀經濟調控中的應用，不完全市場條件下，持續發展理論框架下研究自然資源資產定價與自然資源的持續利用。
目前國內開設金融數學本科專業的高等院校中，實力較強的有北京大學、復旦大學、浙江大學、山東大學、南開大學。
後來從事計算機工作很出色。金融數學將後來在銀行、保險、股票、期貨領域從事研究分析，或做這些領域的軟體開發，具有很好的專業背景，而這些領域將來都很重要。
國內金融數學人才鳳毛麟角
諾貝爾經濟學獎已經至少3次授予以數學為工具分析金融問題的經濟學家。北京大學金融數學系王鐸教授說，但遺憾的是，我國相關人才的培養，才剛剛起步。現在，既懂金融又懂數學的復合型人才相當稀缺。
金融數學這門新興的交叉學科已經成為國際金融界的一枝奇葩。剛剛公布的2003年諾貝爾經濟學獎，就是表彰美國經濟學家羅伯特·恩格爾和英國經濟學家克萊夫·格蘭傑分別用「隨著時間變化易變性」和「共同趨勢」兩種新方法分析經濟時間數列給經濟學研究和經濟發展帶來巨大影響。
王鐸介紹，金融數學的發展曾兩次引發了「華爾街革命」。上個世紀50年代初期，馬科威茨提出證券投資組合理論，第一次明確地用數學工具給出了在一定風險水平下按不同比例投資多種證券收益可能最大的投資方法，引發了第一次「華爾街革命」。1973年，布萊克和斯克爾斯用數學方法給出了期權定價公式，推動了期權交易的發展，期權交易很快成為世界金融市場的主要內容，成為第二次「華爾街革命」。
今天，金融數學家已經是華爾街最搶手的人才之一。最簡單的例子是，保險公司中地位和收入最高的，可能就是總精算師。美國花旗銀行副主席保爾·柯斯林著名的論斷是，「一個從事銀行業務而不懂數學的人，無非只能做些無關緊要的小事」。
在美國，芝加哥大學、加州伯克利大學、斯坦福大學、卡內基·梅隆大學和紐約大學等著名學府，都已經設立了金融數學相關的學位或專業證書教育。
專家認為，金融數學可能帶來的發展應該凸現在亞洲，尤其是在金融市場正在開發和具有巨大潛力的中國。香港中文大學、科技大學、城市理工大學等學校都已推出有關的訓練課程和培養計劃，並得到銀行金融業界的熱烈響應。但中國內地對該項人才的培養卻有些艱辛。
王鐸介紹，國家自然科學基金委員會在一項「九五」重大項目中，列入金融工程研究內容，可以說全面啟動了國內的金融數學研究。可這比馬科威茨開始金融數學的研究應用已經晚了近半個世紀。
在金融衍生產品已成為國際金融市場重要角色的背景下，我國的金融衍生產品才剛剛起步，金融衍生產品市場幾乎是空白。「加入 W TO後，國際金融家們肯定將把這一系列業務帶入中國。如果沒有相應的產品和人才，如何競爭？」王鐸憂慮地說。
他認為，近幾年，接連發生的墨西哥金融危機、百年老店巴林銀行倒閉等事件都在警告我們，如果不掌握金融數學、金融工程和金融管理等現代化金融技術，缺乏人才，就可能在國際金融競爭中蒙受重大損失。我們現在最缺的，就是掌握現代金融衍生工具、能對金融風險做定量分析的既懂金融又懂數學的高級復合型人才。
據悉，目前國內不少高校都陸續開展了與金融數學相關的教學，但畢業的學生遠遠滿足不了整個市場的需求。
王鐸認為，培養這類人才還有一些難以逾越的障礙———金融數學最終要運用於實踐，可目前國內金融衍生產品市場還沒有成氣候，學生很難有實踐的機會，教和學都還是紙上談兵。另外，高校培養的人大多都是本科生，只有少量的研究生，這個領域的高端人才在國內還是鳳毛麟角。國家應該更多地關注金融和數學相結合的復合型人才的培養。
王鐸回憶，1997年，北京大學建立了國內首個金融數學系時，他曾想與一些金融界人士共商辦學。但相當一部分人對此顯然並不感興趣：「什麼金融衍生產品，什麼金融數學，那都是國家應該操心的事。」
盡管當初開設金融數學系時有人認為太超前，但王鐸堅持，教育應該走在產業發展的前頭，才能為市場儲備人才。如果今天還不重視相關領域的人才培養，就可能導致我們在國際競爭中的不利。
記者發現即使今天，在這個問題上，仍然一方面是高校教師對於人才稀缺的擔憂，一方面卻是一些名氣很大的專家對金融數學人才培養的冷漠。
采訪中，記者多次試圖聯系幾位國內金融數學界或金融理論界專家，可屢屢遭到拒絕。原因很簡單，他們認為，談人才培養這樣的話題太小兒科，有的甚至說，「我不了解，也根本不關注什麼人才培養」。還有的說，「我現在有很多課題要做，是我的課題重要，還是討論人才培養重要」、「我沒有時間，也沒義務向公眾解釋什麼諾貝爾經濟學獎，老百姓要不要曉得金融數學和我沒有關系」。
[編輯本段]金融中的數據挖掘
1.什麼是關聯規則
在描述有關關聯規則的一些細節之前，我們先來看一個有趣的故事： "尿布與啤酒"的故事。
在一家超市裡，有一個有趣的現象：尿布和啤酒赫然擺在一起出售。但是這個奇怪的舉措卻使尿布和啤酒的銷量雙雙增加了。這不是一個笑話，而是發生在美國沃爾瑪連鎖店超市的真實案例，並一直為商家所津津樂道。沃爾瑪擁有世界上最大的數據倉庫系統，為了能夠准確了解顧客在其門店的購買習慣，沃爾瑪對其顧客的購物行為進行購物籃分析，想知道顧客經常一起購買的商品有哪些。沃爾瑪數據倉庫里集中了其各門店的詳細原始交易數據。在這些原始交易數據的基礎上，沃爾瑪利用數據挖掘方法對這些數據進行分析和挖掘。一個意外的發現是："跟尿布一起購買最多的商品竟是啤酒！經過大量實際調查和分析，揭示了一個隱藏在"尿布與啤酒"背後的美國人的一種行為模式：在美國，一些年輕的父親下班後經常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時也為自己買一些啤酒。產生這一現象的原因是：美國的太太們常叮囑她們的丈夫下班後為小孩買尿布，而丈夫們在買尿布後又隨手帶回了他們喜歡的啤酒。
按常規思維，尿布與啤酒風馬牛不相及，若不是藉助數據挖掘技術對大量交易數據進行挖掘分析，沃爾瑪是不可能發現數據內在這一有價值的規律的。
數據關聯是資料庫中存在的一類重要的可被發現的知識。若兩個或多個變數的取值之間存在某種規律性，就稱為關聯。關聯可分為簡單關聯、時序關聯、因果關聯。關聯分析的目的是找出資料庫中隱藏的關聯網。有時並不知道資料庫中數據的關聯函數，即使知道也是不確定的，因此關聯分析生成的規則帶有可信度。關聯規則挖掘發現大量數據中項集之間有趣的關聯或相關聯系。Agrawal等於1993年首先提出了挖掘顧客交易資料庫中項集間的關聯規則問題，以後諸多的研究人員對關聯規則的挖掘問題進行了大量的研究。他們的工作包括對原有的演算法進行優化，如引入隨機采樣、並行的思想等，以提高演算法挖掘規則的效率；對關聯規則的應用進行推廣。關聯規則挖掘在數據挖掘中是一個重要的課題，最近幾年已被業界所廣泛研究。
2.關聯規則挖掘過程、分類及其相關演算法
2.1關聯規則挖掘的過程
關聯規則挖掘過程主要包含兩個階段：第一階段必須先從資料集合中找出所有的高頻項目組(Frequent Itemsets)，第二階段再由這些高頻項目組中產生關聯規則(Association Rules)。
關聯規則挖掘的第一階段必須從原始資料集合中，找出所有高頻項目組(Large Itemsets)。高頻的意思是指某一項目組出現的頻率相對於所有記錄而言，必須達到某一水平。一項目組出現的頻率稱為支持度(Support)，以一個包含A與B兩個項目的2-itemset為例，我們可以經由公式(1)求得包含{A,B}項目組的支持度，若支持度大於等於所設定的最小支持度(Minimum Support)門檻值時，則{A,B}稱為高頻項目組。一個滿足最小支持度的k-itemset，則稱為高頻k-項目組(Frequent k-itemset)，一般表示為Large k或Frequent k。演算法並從Large k的項目組中再產生Large k+1，直到無法再找到更長的高頻項目組為止。
關聯規則挖掘的第二階段是要產生關聯規則(Association Rules)。從高頻項目組產生關聯規則，是利用前一步驟的高頻k-項目組來產生規則，在最小信賴度(Minimum Confidence)的條件門檻下，若一規則所求得的信賴度滿足最小信賴度，稱此規則為關聯規則。例如：經由高頻k-項目組{A,B}所產生的規則AB，其信賴度可經由公式(2)求得，若信賴度大於等於最小信賴度，則稱AB為關聯規則。
就沃爾馬案例而言，使用關聯規則挖掘技術，對交易資料庫中的紀錄進行資料挖掘，首先必須要設定最小支持度與最小信賴度兩個門檻值，在此假設最小支持度min_support=5% 且最小信賴度min_confidence=70%。因此符合此該超市需求的關聯規則將必須同時滿足以上兩個條件。若經過挖掘過程所找到的關聯規則「尿布，啤酒」，滿足下列條件，將可接受「尿布，啤酒」的關聯規則。用公式可以描述Support(尿布，啤酒)>=5%且Confidence(尿布，啤酒)>=70%。其中，Support(尿布，啤酒)>=5%於此應用範例中的意義為:在所有的交易紀錄資料中，至少有5%的交易呈現尿布與啤酒這兩項商品被同時購買的交易行為。Confidence(尿布，啤酒)>=70%於此應用範例中的意義為:在所有包含尿布的交易紀錄資料中，至少有70%的交易會同時購買啤酒。因此，今後若有某消費者出現購買尿布的行為，超市將可推薦該消費者同時購買啤酒。這個商品推薦的行為則是根據「尿布，啤酒」關聯規則，因為就該超市過去的交易紀錄而言，支持了「大部份購買尿布的交易，會同時購買啤酒」的消費行為。
從上面的介紹還可以看出，關聯規則挖掘通常比較適用與記錄中的指標取離散值的情況。如果原始資料庫中的指標值是取連續的數據，則在關聯規則挖掘之前應該進行適當的數據離散化（實際上就是將某個區間的值對應於某個值），數據的離散化是數據挖掘前的重要環節，離散化的過程是否合理將直接影響關聯規則的挖掘結果。
2.2關聯規則的分類
按照不同情況，關聯規則可以進行分類如下：
1.基於規則中處理的變數的類別，關聯規則可以分為布爾型和數值型。
布爾型關聯規則處理的值都是離散的、種類化的，它顯示了這些變數之間的關系；而數值型關聯規則可以和多維關聯或多層關聯規則結合起來，對數值型欄位進行處理，將其進行動態的分割，或者直接對原始的數據進行處理，當然數值型關聯規則中也可以包含種類變數。例如：性別=「女」=>職業=「秘書」 ，是布爾型關聯規則；性別=「女」=>avg（收入）=2300，涉及的收入是數值類型，所以是一個數值型關聯規則。
2.基於規則中數據的抽象層次，可以分為單層關聯規則和多層關聯規則。
在單層的關聯規則中，所有的變數都沒有考慮到現實的數據是具有多個不同的層次的；而在多層的關聯規則中，對數據的多層性已經進行了充分的考慮。例如：IBM台式機=>Sony列印機，是一個細節數據上的單層關聯規則；台式機=>Sony列印機，是一個較高層次和細節層次之間的多層關聯規則。
3.基於規則中涉及到的數據的維數，關聯規則可以分為單維的和多維的。
在單維的關聯規則中，我們只涉及到數據的一個維，如用戶購買的物品；而在多維的關聯規則中，要處理的數據將會涉及多個維。換成另一句話，單維關聯規則是處理單個屬性中的一些關系；多維關聯規則是處理各個屬性之間的某些關系。例如：啤酒=>尿布，這條規則只涉及到用戶的購買的物品；性別=「女」=>職業=「秘書」，這條規則就涉及到兩個欄位的信息，是兩個維上的一條關聯規則。
2.3關聯規則挖掘的相關演算法
1.Apriori演算法：使用候選項集找頻繁項集
Apriori演算法是一種最有影響的挖掘布爾關聯規則頻繁項集的演算法。其核心是基於兩階段頻集思想的遞推演算法。該關聯規則在分類上屬於單維、單層、布爾關聯規則。在這里，所有支持度大於最小支持度的項集稱為頻繁項集，簡稱頻集。
該演算法的基本思想是：首先找出所有的頻集，這些項集出現的頻繁性至少和預定義的最小支持度一樣。然後由頻集產生強關聯規則，這些規則必須滿足最小支持度和最小可信度。然後使用第1步找到的頻集產生期望的規則，產生只包含集合的項的所有規則，其中每一條規則的右部只有一項，這里採用的是中規則的定義。一旦這些規則被生成，那麼只有那些大於用戶給定的最小可信度的規則才被留下來。為了生成所有頻集，使用了遞推的方法。
可能產生大量的候選集,以及可能需要重復掃描資料庫，是Apriori演算法的兩大缺點。
2.基於劃分的演算法
Savasere等設計了一個基於劃分的演算法。這個演算法先把資料庫從邏輯上分成幾個互不相交的塊，每次單獨考慮一個分塊並對它生成所有的頻集，然後把產生的頻集合並，用來生成所有可能的頻集，最後計算這些項集的支持度。這里分塊的大小選擇要使得每個分塊可以被放入主存，每個階段只需被掃描一次。而演算法的正確性是由每一個可能的頻集至少在某一個分塊中是頻集保證的。該演算法是可以高度並行的，可以把每一分塊分別分配給某一個處理器生成頻集。產生頻集的每一個循環結束後，處理器之間進行通信來產生全局的候選k-項集。通常這里的通信過程是演算法執行時間的主要瓶頸；而另一方面，每個獨立的處理器生成頻集的時間也是一個瓶頸。
3.FP-樹頻集演算法
針對Apriori演算法的固有缺陷，J. Han等提出了不產生候選挖掘頻繁項集的方法：FP-樹頻集演算法。採用分而治之的策略，在經過第一遍掃描之後，把資料庫中的頻集壓縮進一棵頻繁模式樹（FP-tree），同時依然保留其中的關聯信息，隨後再將FP-tree分化成一些條件庫，每個庫和一個長度為1的頻集相關，然後再對這些條件庫分別進行挖掘。當原始數據量很大的時候，也可以結合劃分的方法,使得一個FP-tree可以放入主存中。實驗表明，FP-growth對不同長度的規則都有很好的適應性，同時在效率上較之Apriori演算法有巨大的提高。
3.該領域在國內外的應用
3．1關聯規則發掘技術在國內外的應用
就目前而言，關聯規則挖掘技術已經被廣泛應用在西方金融行業企業中，它可以成功預測銀行客戶需求。一旦獲得了這些信息，銀行就可以改善自身營銷。現在銀行天天都在開發新的溝通客戶的方法。各銀行在自己的ATM機上就捆綁了顧客可能感興趣的本行產品信息，供使用本行ATM機的用戶了解。如果資料庫中顯示，某個高信用限額的客戶更換了地址，這個客戶很有可能新近購買了一棟更大的住宅，因此會有可能需要更高信用限額，更高端的新信用卡，或者需要一個住房改善貸款，這些產品都可以通過信用卡賬單郵寄給客戶。當客戶打電話咨詢的時候，資料庫可以有力地幫助電話銷售代表。銷售代表的電腦屏幕上可以顯示出客戶的特點，同時也可以顯示出顧客會對什麼產品感興趣。
同時，一些知名的電子商務站點也從強大的關聯規則挖掘中的受益。這些電子購物網站使用關聯規則中規則進行挖掘，然後設置用戶有意要一起購買的捆綁包。也有一些購物網站使用它們設置相應的交叉銷售，也就是購買某種商品的顧客會看到相關的另外一種商品的廣告。
但是目前在我國，「數據海量，信息缺乏」是商業銀行在數據大集中之後普遍所面對的尷尬。目前金融業實施的大多數資料庫只能實現數據的錄入、查詢、統計等較低層次的功能，卻無法發現數據中存在的各種有用的信息，譬如對這些數據進行分析，發現其數據模式及特徵，然後可能發現某個客戶、消費群體或組織的金融和商業興趣，並可觀察金融市場的變化趨勢。可以說，關聯規則挖掘的技術在我國的研究與應用並不是很廣泛深入。
3．2近年來關聯規則發掘技術的一些研究
由於許多應用問題往往比超市購買問題更復雜，大量研究從不同的角度對關聯規則做了擴展，將更多的因素集成到關聯規則挖掘方法之中，以此豐富關聯規則的應用領域，拓寬支持管理決策的范圍。如考慮屬性之間的類別層次關系，時態關系，多表挖掘等。近年來圍繞關聯規則的研究主要集中於兩個方面，即擴展經典關聯規則能夠解決問題的范圍，改善經典關聯規則挖掘演算法效率和規則興趣性。

金融工程的定義
關於金融工程的定義有多種說法，美國金融學家約翰·芬尼迪(John Finnerty)提出的定義最好：金融工程包括創新型金融工具與金融手段的設計、開發與實施，以及對金融問題給予創造性的解決。
金融工程的概念有狹義和廣義兩種。狹義的金融工程主要是指利用先進的數學及通訊工具，在各種現有基本金融產品的基礎上，進行不同形式的組合分解，以設計出符合客戶需要並具有特定P／L性的新的金融產品。而廣義的金融工程則是指一切利用工程化手段來解決金融問題的技術開發，它不僅包括金融產品設計，還包括金融產品定價、交易策略設計、金融風險管理等各個方面。本文採用的是廣義的金融工程概念。
[編輯本段]金融工程的核心內容
金融工程中，其核心在於對新型金融產品或業務的開發設計，其實質在於提高效率，它包括：
1.新型金融工具的創造，如創造第一個零息債券，第一個互換合約等；
2.已有工具的發展應用，如把期貨交易應用於新的領域，發展出眾多的期權及互換的品種等；
3.把已有的金融工具和手段運用組合分解技術，復合出新的金融產品，如遠期互換，期貨期權，新的財務結構的構造等。
[編輯本段]金融工程的運作程序
金融工程的運作具有規范化的程序:診斷—分析—開發—定價—交付使用，基本過程程序化。
其中從項目的可行性分析，產品的性能目標確定，方案的優化設計，產品的開發，定價模型的確定，模擬的模擬試驗，小批量的應用和反饋修正，直到大批量的銷售、推廣應用，各個環節緊密有序。大部分的被創新的新金融產品，成為運用金融工程創造性解決其他相關金融財務問題的工具，即組合性產品中的基本單元。

精算學
精算學在西方已經有三百年的歷史，它是一門運用概率論等數學理論和多種金融工具，研究如何處理保險業及其他金融業中各種風險問題的定量方法和技術的學科，是現代保險業、金融投資業和社會保障事業發展的理論基礎。
精算是一門運用概率數學理論和多種金融工具對經濟活動進行分析預測的學問。在西方發達國家，精算在保險、投資、金融監管、社會保障以及其他與風險管理相關領域發揮著重要作用。精算師是同"未來不確定性"打交道的，宗旨是為金融決策提供依據。
精算師

『伍』 處理遙感圖像時，需要進行投影轉換，則投影轉換的目的是

投影轉換的目的就是把影像轉換到你想要的投影方式下，比如你有一副影像，是蘭伯特投影，但我國使用的是高斯克里格投影方式，這時你需要把影像轉換成高斯克里格投影。有時你有多幅影像，當每幅影像的投影都不一樣，這時你就無法對影像做疊加的相關處理，也無法接拼，就要以其中一副影像的投影作為標准，把其他所有影像都轉換到這一投影下。ENVI ERDAS ARCGIS中都有投影轉換功能，自己可以試一下。

『陸』 奧拉星救羅伯特,我為什麼找不到那條繩子

~首先找到的是這個輪子，輪子本來是在左下角紅圈位置的，把它拿起來放到羅伯特頭頂上的掛鉤上!接下來就是這根繩子，用滑鼠拿起它。把繩子拖動到滑輪上，點擊一下。繩子就掛起來咯!然後在地圖的右下角可以找到這個大鐵夾子。
用鐵夾子夾住羅伯特，然後用繩子把夾子拉住。 最後找到羅伯特腦袋邊上的這個大鐵墩，把它掛在繩子的另一端。這樣就可以把羅伯特吊起來了成功解救出蘿卜特咯! 多多號：5727123

『柒』 誰能幫我找找羅伯特卡帕的資料啊

羅伯特·卡帕是匈牙利人,1913年生於布達佩斯,原名安德烈,卡帕是他的筆名. 他17歲時就立志要當攝影家.在柏林大學求學後,先在柏林一家通訊社做暗房工作,後到巴黎當記者.由於他的攝影作品受到一家攝影雜志社的重視,他便被委派到戰地進行采訪.

1936年西班牙內戰,卡帕在西班牙戰場拍攝了一個戰士中彈將要倒下,這幅使人有身臨其境之感的作品以《西班牙戰士》、《戰場的殉難者》、《陣亡的一瞬間》等標題發表,立刻震動了當時的攝影界,成為戰爭攝影的不朽之作,也成為卡帕的傳世之作. 和卡帕一起到西班牙采訪的還有他的年青女友,德藉女攝影家葛爾德o達娜.他們共同奮不顧身地出沒於硝煙彌漫的戰場,達娜不幸死於坦克履帶下.悲傷的卡帕,從此永遠凝視關注著戰場.他一生的攝影創作多取材於戰爭.他把照相機作為揭露戰爭的武器.卡帕說:"照相機本身並不能阻止戰爭,但照相機拍出的照片可以揭露戰爭,阻止戰爭的發展".

1937年,日本軍國主義發動了對中國的侵略,第二年卡帕與《西行漫記》的作者斯諾一同約定赴延安采訪,但是到了西安,受到國民黨的阻撓,卡帕未能成行,當時他是抗日戰爭中唯一能在中國戰區采訪的盟軍戰地記者.他在上海等地,拍攝了許多揭露日本侵略軍的罪行的新聞照片,公諸於世,後又去英國、北非、義大利進行攝影采訪.1944年,他隨聯合國部隊開辟第二戰場,參加了在法國北部諾曼第的登陸戰,拍攝了極為精彩的報道照片.

1946年,卡帕與波蘭籍的西摩和法國籍的布勒松在紐約相聚.他們組成了"梅根"攝影通訊社,在巴黎和紐約設辦事機構.後來陸續加入一些其它著名攝影家,如美國的羅嘉,瑞士的比索夫等.在"梅根社"成立後的三十年中西方世界任何一個角落發生大事,都有他們的攝影記者在場.他們以忘我的熱情,甚至不惜以鮮血和生命深入到第一線去拍攝,為新聞攝影的形式和內容樹立了新的典範.

1954年,卡帕不顧親友的勸阻,悄悄來到越南戰場.他用照相機反映了《越南的悲劇》(卡帕的最後一幅作品題名),不幸誤踏地雷身亡,時年四十一歲.

1954年6月25日,美國各晚報都登出卡帕的死訊.第二天《每日新聞》用大標題報道"關於卡帕之死",紐約各地電視台,電台和時報也以極大篇幅刊登報道,一致贊揚他是一個最勇敢的戰地攝影家.為了紀念他,世界上曾舉辦十三次卡帕個人作品展覽,許多有世界影響的攝影書刊都介紹過他.卡帕的作品在美國,英國， 法國出版過專集.1955年美國《生活》雜志和"海外記者俱樂部"設立了"羅伯特o卡帕金質獎",用以鼓勵在新聞攝影上有成就的攝影記者.1966年,美國成立了"關心人的攝影基金會",以紀念卡帕及其它梅根社犧牲了的攝影家們.

我憎恨戰爭

1936年,法西斯主義在許多國家相繼抬頭.西班牙佛朗哥發動內戰.與當時許多著名人士一樣,卡帕參加了人民戰線的情報部. 戰爭是艱苦的, 一天, 卡帕正在第一線的戰壕.一名戰士跳出戰壕,准備向敵人發起沖擊, 突然,他的身體停住了,子彈擊中了他的頭部.卡帕面對這突如其來的事情條件反射的按下了快門. 這是在一瞬間發生的,悲劇英雄色彩的照片.因這張發表在生活雜志上的照片,卡帕揚名天下. 但卡帕憎恨戰爭,他決心終生將戰爭作為他采訪的題材. 不是為了追求刺激,而是為了揭露戰爭的殘酷.

1943年春卡帕來到非洲的阿爾及爾,拍攝沙漠,槍炮,死屍. 1944年6月6日他參加了諾曼底登陸計劃. 以後他又拍攝到巴黎,柏林.一個正在用機槍設計的年輕班長,站了起來,象是要確認自己是否能成為照片的主角. 他看了卡帕一眼,無言的倒下了.鮮血從兩眼之間涌了出來. 死亡與生存間就是這么簡單.

二戰之後,他接著拍攝戰爭和廢墟,和廢墟上的人們. 當他在印度支那拍攝的時候, 踩響了地雷. 越南,終年41歲. 卡帕的名言: 如果你拍得不夠好,是因為你靠的不夠近.

用生命賭影像
如果你的照片拍得不夠好，那是因為離炮火不夠近。 創造自己的人 「我認為戰地記者比起軍人來看，能獲得較多的酒、較多的女人，較 好的收入以及較大的自由，然而就這場游戲而言：擁有選擇立場的自由 且被准許做個不受制裁的懦夫，卻能叫一個戰地記者備受折磨。戰地記者的賠本：生命，是操在自己手中的。他可以擁在選定的註上，也可 以在最後一分鍾把它收回口袋裡。

」羅伯·卡帕（Robert Capa， 1913－1954）比誰都有資格代表戰地記 者發言，表白出用生命換取影像的心境和代價。他是有史以來最有名 的戰地記者，他的攝影生涯就如同賭命一樣，在二次世界大戰期間的各 個戰區——西班牙內戰、日本侵華、北亞戰爭、義大利戰爭、諾曼第登陸戰、法國解放戰—…·的槍林彈雨中，用血肉之軀去換取萊卡相機里的 一格格底片。 他從來就沒有將賭注在最後一分鍾從牌桌上抽回，一直 抱著不輸即贏，孤注一擲的豪情與認命，等著輪盤上的珠子落停在那一 個號碼上。卡帕贏得了迄今依舊無人超越的戰爭照片，然而卻在一九 五四年五月二十五日的一場小得不能再小的鍺局裡，賠上生命——誤踩地雷，被炸得屍骨不存。 羅伯·卡帕這位出生入死的影像兵士，永遠烙在人們的心靈上，他 的照片已成為人類和戰爭的象徵，他一生痛恨戰爭，想借影像來喚醒人 們的良知，不再彼此殺戮。他的死就是為人類提出的最後諫言。看卡的照片彷彿可以聽到子彈疾飛、炮彈隆隆的聲響，每一幀都是人類愚 蠢行為的明證。

用生命賭影像 《我——安德烈·弗列德曼》（Andr6 Friedmann）是一篇自敘體的 散文，作者不是別人，正是卡帕老兄。弗列德曼怎麼變成卡帕的經過， 倒是攝影史上絕妙透項的趣聞。 出生於匈牙利布達佩斯的弗列苗曼，在中學時對政治極感興趣，曾有意加入共產黨，在一次入黨的秘密會面時，他將賭注在最後一分鍾收 回口袋，轉身走了，沒想到第二天就被政府當局盯哨跟蹤，而家人也跟 著被盤問，弗列德曼不得不立刻偷渡出國，前往德國求學，從此永遠和 故鄉親人告別，那年他才不過是十八歲而已（1931）。 弗列德曼到了柏林，半工半讀，在照相館里做師傅的助手，就這樣 和攝影結了緣，三年後他到巴黎闖天下，並且製造出一位世界最著名的 莫須有攝影家——羅伯·卡帕。 滿腦子鬼主意的弗列德曼和西班牙籍的女友姬達·塔羅（Gerda Talc後來成為卡帕的太太）在巴黎租了間辦公室，號稱是美國一位年輕 富有的影像好手——羅伯·卡帕的經紀代理公司。弗列德曼負責製造 照片，塔羅則用她長袖善舞的手段推銷出去，說是由於這位「卡帕」先生 富有得不得了，不屑用照片糊口，因此每張照片非要一百五十法郎不 可，否則免談，愛買不買悉聽尊便。這個價碼三倍於當時最高的行情， 然而硬是讓塔羅給—一推銷出去了。幾個月後，市面形成了一股「卡帕 熱」，歐洲重要報刊都爭相索取這位只聞其名不見其人的「大攝影家」的 照片。 另外，塔羅對美國新聞機構耍了同樣手腕，號稱「卡帕」是巴黎年輕 富有的影像高手，搞進了不少鈔票。當然啦，這不只是走運而已，弗列 德曼高人一等的攝影動力才是成功的主因。 不過，這個騙局終於被《考察》（Vu）雜志的圖片主編程克（M Lader Vogel）拆穿了。日內瓦有個國際會議發生了暴動事件，所有的記者都 被瑞士警察粗魯地趕走，唯獨弗列德曼混了進去，拍到了獨家特寫鏡 頭。說巧不巧，這一幕情景被在旁的提克看得一清二楚。三天後，那些 照片被送到通克的辦公桌上，他撥了個電話給「卡帕」的經紀人，塔羅這 么回話： 「卡帕先生的這批獨家照片，一張要三百法郎。」 握充回答： 「有關卡帕的事倒是挺鮮的，不過，請你轉告那位穿著臟皮夾克，到 處亂拍照的荒唐小手弗列德曼，明天早上九點到我的辦公室報到。」 就這樣，安德烈·弗列德曼不得不以羅伯·卡帕正式亮相。而今天大家幾乎都忘掉卡帕的本名 香檳·賭馬·馬格蘭 卡帕現形之後更加走紅，加上世界各地的戰事逐漸升高，他就開始 終年在外奔波，和槍彈比快地猛按快門。一九三六年首度造訪美國；一 九三八年到日本與中國大陸；一九三九年到歐洲並再赴美；一九四一到 四五年就開始專門為《生活》雜志在歐洲各戰區拍照。這些作品都是連 底片都還沒沖洗，就隨軍機空運回美，而由別人放大。卡帕往往要在數 個月甚至一年之後才會看到自己的作品，他整天在戰壕里，根本無法想 象自己的名氣已響遍全球。卡帕幾乎變成戰地記者的代名詞了。除了 以戰爭攝影影響了無數後進之外，卡帕在攝影史上最大的建樹，就是創 辦了有史以來最具影響力的攝影組織——馬格蘭（MAGNUM）。 一九四七年，卡帕把幾位同好——市列松、大衛·西摩（David Seymour），喬治·羅傑（George Rodger）拉在一塊兒，打算成立一個代理 公司，專門負責發行亂世影像的照片。正當他們為公司名稱大費周章 時，卡帕靈機一動，取了個香按酒名——「馬格蘭」。「馬格蘭」是一種兩 誇脫裝的大桶香擯酒，為好友們慶祝生還的聚會上經常喝的，這一點也 正反映了卡帕的詼諧性格和樂天知命的人生觀。 卡帕直到去世為止，一直是「馬格蘭」的領導人物，沒有他，這個團 體就不可能到今天還存在，成為世界所有報導攝影頂尖高手的雲集地。 在草創時期，卡帕經常得靠賭馬來周轉員工和同仁的薪水，布列松就常 因自己的酬勞被卡帕挪用去當賠本，和他大吵一番。不過大家都知道 卡帕是為了整個團體的存亡而賭，也就不太在意了。 卡帕幾乎沒有為攝影藝術發表過什麼創作觀，文采甚高的他，在戰 壕里仍保持寫札記的習慣，不過都是一些當時的記事，和自己對人生、 命運、戰爭、友誼、感情等的文字，他最出名的一句攝影名言就是： 「如果你的照片拍的不夠好，那是因為離炮火不夠近。」 他的照片讓人不覺得技巧的重要性，而是顯露出一段用生命才能 換取的勇氣，這種大勇的精神使他的照片被任何派別的人都奉為經典，沒有人會批評他表現得夠不夠精緻、傳達得夠不夠有力、裁切得夠不夠 緊湊、快門機會夠不夠恰到好處、調子夠不夠豐富。他最出名的照片 忡彈了，品質相當差，而另一幀《諾曼第登陸》甚至是模糊不清，焦距、 光圈、快門在他的照片里都是無用的名詞，他是用生命在拍照，而不是 用機器，因此卡帕是被一般人稱作「偉人」的唯一攝影家。

偉大心靈的見證 很少人討論卡帕的作品，卻很多 不用討論，光看就夠。本文也不免俗 家對他的評詞，來為卡帕的人格作證談論卡帕的人格，因為他的照片 直接引敘當代文學家、詩人、攝影 ． 海明威（E．Heminyway） 「卡帕，他是一位好友，一位偉大及非常勇敢的攝影家，對所有的人 來說，不怕一萬只怕萬一，而碰到了『萬一』都是霉運，而對卡帕更是倒 霉，他是活生生的，想著他死了的這天，又長又難過。」 史坦貝克（J．Steinbeck） 「對攝影我全然不懂，關於我必須談的卡帕，純粹是從一個門外漢 的觀．走來看，專家們得容忍我了。 對我來說，卡帕的確是摒除一切疑慮地證明了相機不必是個冷冰 冰的機器，像筆一樣，用它的人有多好，它就有多好，它可以成為頭腦和靈魂的展現。 卡帕知道自己在尋找什麼，並且當他找到之後知道如何處理。舉例來說：戰爭無法被拍攝是因為它大致來講是種『激情』，可是他的確在 戰爭當中拍到了「激情」，他能在一個孩童的臉孔上顯示整個民族的優 他的作品本身就是一張偉大心靈及不勝悲焾的照片，無人能取代 他的位置，我們幸運地擁有他照片里人類的品質。」 阿拉貢（L． Aragon） 「這位年輕人，充滿了勇氣和消耗不盡的精力，那）L有戰爭，那兒就 有他。他賓士於亂世各地，就好像覺得有份使命感，要永遠用他的相機去捕捉生與死的一線之隔。 在我們這個分裂血腥的年代裡，人類成為不 外事件的犧牲品，他是這類故事的一個現身說法。 歐文·肖（I·Shaw） 「他活著像最好的士兵一樣，遵守最嚴厲的軍法，他總是駛向槍聲。 在羅伯·卡帕的時光里，槍聲總是風景里永遠的特徵。」 史秦欽（E·SteiChen） 「羅伯·卡帕了解並憎恨戰爭，在他生動、真實的照片中，如同哥雅 （Gova）的名畫《戰爭的災難》一樣，渲泄出人類誠摯而強烈的真情，他 紀錄了戰爭的恐怖和荒誕的愚蠢。」

卡帕一向以走運出名，同行的其他記者給了他一個渾號「走運·卡 帕」，在他死亡那天，他的葬身之地（Thai Binn）正是戰火初熄的時刻，幾 位記者一同走出戰壕在外面散步，背著相機的卡帕說他要到附近走一 走，看有沒有什麼可拍的。不久，這些記者朋友聽到自卡帕走去的方向 可預見力量所造成意 傳來爆炸聲，大家不由自主的這么說著： 「他媽的，又讓走運·卡帕搶到好鏡頭了。 結果是地雷格走了卡帕的生命！自此，世界又失去了一位偉人 安德烈·弗列德曼。

『捌』 羅伯特·弗洛伊德的人物簡介

（1936－2001）Robert W．Floyd
歷屆圖靈獎得主基本上都有高學歷、高學位，絕大多數有博士頭銜。這是可以理解的，因為創新型人才需要有很好的文化素養，豐富的知識底蘊，因而必須接受良好的教育。但事情總有例外，1978年圖靈獎獲得者、斯坦福大學計算機科學系教授羅伯特·弗洛伊德就是一位「自學成才的計算機科學家」（a Self-Taught Computer Scientist）。
弗洛伊德1936年6月8日生於紐約。說他「自學成才」並不是說他沒有接受過高等教育，他是芝加哥大學的畢業生，但學的不是數學或電氣工程等與計算機密切相關的專業，而是文學，1953年獲得文學士學位。
20世紀50年代初期美國經濟不太景氣，找工作比較困難，因學習文學而沒有任何專門技能的弗洛伊德在就業上遇到很大麻煩，無奈之中到西屋電氣公司當了二年計算機操作員，在IBM650機房值夜班。我們知道，早期的計算機都是以批處理方式工作的，計算機操作員的任務就是把程序員編寫好的程序在卡片穿孔機（這是離線的輔助外部設備）上穿成卡片，然後把卡片疊放在讀卡機上輸入計算機，以便運行程序。因此，操作員的工作比較簡單，同打字員類似，不需要懂計算機，也不需要懂程序設計。但弗洛伊德畢竟是一個受過高等教育的人，又是一個有心人，幹了一段時間的操作員，很快對計算機產生了興趣，決心弄懂它，掌握它，於是他借了有關書籍資料在值班空閑時間刻苦學習鑽研，有問題就虛心向程序員請教。白天不值班，他又回母校去聽講有關課程。這樣，他不但在1958年又獲得了理科學士學位，而且逐漸從計算機的門外漢變成計算機的行家裡手。
1956年他離開西屋電氣公司，到芝加哥的裝甲研究基金會（Armour Research Foundation），開始還是當操作員，後來就當了程序員。1962年他被馬薩諸塞州的Computer Associates公司聘為分析員。此時與Warsall合作發布Floyd-Warshall演算法。1965年他應聘成為卡內基—梅隆大學的副教授，3年後轉至斯坦福大學。1970年被聘任為教授。
之所以能這樣快地步步高升，關鍵就在於弗洛伊德通過勤奮學習和深入研究，在計算機科學的諸多領域：演算法，程序設計語言的邏輯和語義，自動程序綜合，自動程序驗證，編譯器的理論和實現等方面都作出創造性的貢獻。其中包括：1962年，弗洛伊德完成了Algol 60編譯器的開發，成功投入使用，這是世界上最早的Algol 60編譯器之一，而且弗洛伊德在這個編譯器的開發中率先融入了優化的思想，使編譯所生成的目標代碼佔用空間少，運行時間短。弗洛伊德優化編譯的思想對編譯器技術的發展產生了深刻的影響。隨後，他又對語法分析進行了系統研究，優先文法（precedence grammar），限界上下文文法（bounded context grammar）等都是弗洛伊德在首先提出來的。優先文法解決了自底向上的語法分析中的首要任務：如何找到「句柄」，也就是當前需要進行歸約的符號串。弗洛伊德通過對不同的符號定義不同的優先順序，解決了這個問題。限界上下文文法則通過對上下文無關文法G中的兩個推導：
*
S→βArβαγ
+
S→δαε
進行比較以確定α是否是δαε的句柄，以及產生方式A→α是否是唯一可進行歸約的產生式。弗洛伊德經過研究，給出其充分必要條件為：β和δ的最後m個符號相同，丁和o/的最初n個終結符相同。這樣一個上下文無關文法G就稱為（m，n）限界上下文文法。
在演算法方面，弗洛伊德和威廉姆斯（J．Williams）在1964年共同發明了著名的堆排序演算法HEAPSORT，這是與英國學者霍爾 (C.A.R.Hoare，1980年圖靈獎獲得者）發明的QUICKSORT齊名的高效排序演算法之一。此外還有直接以弗洛伊德命名的求最短路的演算法，這是弗洛伊德利用動態規劃（dynamic programming）的原理設計的一個高效演算法。
在程序設計方面，計算機科學家非常關心的一個重要問題是如何表達和描述程序的邏輯，如何驗證程序的正確性。1967年，在美國數學會AMS舉行的應用數學討論會上，弗洛伊德發表了那篇引起轟動並產生了深遠影響的論文，即「如何確定程序的意義」（Assigning Meanings to Programs）。這篇論文在程序邏輯研究的歷史上，是繼麥卡錫（J．McCarthy，1971年圖靈獎獲得者）在1963年提出用遞歸函數作為程序的模型這一方法以後最重大的一個進展。
麥卡錫倡導的方法對於一般程序，包括大型軟體確實是行之有效的，但它有一個不足，即對於許多以命令方式編寫的軟體，其中包括賦值語句，條件語句，用While實現循環的語句……對這樣的程序用遞歸定義的函數去證明其正確性就很不方便了。正是為了解決這個問題，弗洛伊德在上述論文中提出了一種基於流程圖的表達程序邏輯的方法。這個方法的主要特點就是在流程圖的每一弧線上放置一個「標記」（tag），也就是一個邏輯斷言，並且保證只要當控制經過這個弧線時該斷言一定成立。弗洛伊德的主要貢獻在於解決了基於這種標記的形式系統的細節，證明了這種系統的完備性，解決了如何證明程序終結的問題。弗洛伊德還引入了驗證條件的概念，包括流程圖的一個組成部分（方框、圓框等）及其人口和出口處的標記。為了證明帶標記的流程圖的正確性，只要證明其中每一組成部分的驗證條件成立就行了。弗洛伊德提出的方法被叫做「歸納斷言法」（inctive assertion method），或前後斷言法（pre·and post-assertion method）。在框圖每個斷點i上所加的邏輯斷言即標記就叫i點的歸納斷言，說明程序執行經過此點時在各輸入變數x和各程序變數丁之間應存在的關系，以謂詞Pi(x,y）的形式表示。若程序從斷點i經過路段。到下一斷點j的驗證條件以Ra(x，y）表示，丁的值在。上的變化以ha(x，y）表示，則只要能證明下式恆真：
（∨x）（∨y）[pi(x,y）∧Ra(x,y) Pj(x,ha(x,y))]
程序從i到j的部分正確性也就證明了。
雖然用歸納斷言法不能證明程序的完全正確性，因為它必須以程序能夠終結為前提，但由於弗洛伊德在論文中同時也考慮了如何證明程序終結的問題，因此弗洛伊德的歸納斷言法也就有了普遍的意義。

『玖』 五階幻方以上的規律或簡便演算法

1、奇數階幻方
n為奇數 (n=3，5，7，9，11……) (n=2×k+1，k=1，2，3，4，5……)
奇數階幻方最經典的填法是羅伯特法(也有人稱之為樓梯法)。填寫方法是這樣：
把1(或最小的數)放在第一行正中； 按以下規律排列剩下的n×n-1個數：
(1)每一個數放在前一個數的右上一格；
(2)如果這個數所要放的格已經超出了頂行那麼就把它放在底行，仍然要放在右一列；
(3)如果這個數所要放的格已經超出了最右列那麼就把它放在最左列，仍然要放在上一行；
(4)如果這個數所要放的格已經超出了頂行且超出了最右列，那麼就把它放在前一個數的下一行同一列的格內；
(5)如果這個數所要放的格已經有數填入，處理方法同(4)。
這種寫法總是先向「右上」的方向，象是在爬樓梯。

2、雙偶階幻方
n為偶數，且能被4整除 (n=4，8，12，16，20……) (n=4k，k=1，2，3，4，5……)
先說明一個定義。互補：如果兩個數字的和，等於幻方最大數和最小數的和，即 n*n+1，稱為互補。
先看看4階幻方的填法：將數字從左到右、從上到下按順序填寫：

這個方陣的對角線，已經用顏色標出。將對角線上的數字，換成與它互補（同色）的數字。
這里，n×n+1 = 4×4+1 = 17；把1換成17-1 = 16；把6換成17-6 = 11；把11換成17-11 = 6……換完後就是一個四階幻方。
對於n=4k階幻方，我們先把數字按順序填寫。寫好後，按4*4把它劃分成k*k個方陣。因為n是4的倍數，一定能用4*4的小方陣分割。然後把每個小方陣的對角線，象製作4階幻方的方法一樣，對角線上的數字換成互補的數字，就構成幻方。

3、單偶階幻方
n為偶數，且不能被4整除 (n=6，10，14，18，22……) (n=4k+2，k=1，2，3，4，5……)
這是三種裡面最復雜的幻方。
以n=10為例。這時，k=2
(1) 把方陣分為A，B，C，D四個象限，這樣每一個象限肯定是奇數階。用樓梯法，依次在A象限，D象限，B象限，C象限按奇數階幻方的填法填數。

(2) 在A象限的中間行、中間格開始，按自左向右的方向，標出k格。A象限的其它行則標出最左邊的k格。將這些格，和C象限相對位置上的數，互換位置。

(3) 在B象限任一行的中間格，自右向左，標出k-1列。(註：6階幻方由於k-1=0，所以不用再作B、D象限的數據交換)，將B象限標出的這些數，和D象限相對位置上的數進行交換，就形成幻方。

看起來很麻煩，其實掌握了方法就很簡單了。

『拾』 遙感數據融合詳細步驟，急急急，做論文的！！！！

一、資料的收集與分析 遙感制圖所需的資料范圍較廣，一般需要收集如下資料
1、編制地區的普通地圖 、 （1）比例尺最好與成圖比例尺一致或稍大於成圖比例尺 （2）選用面積變形較小的地圖投影
2、遙感資料 後幾年的影像 在選擇遙感圖像時，要遵循以下幾個原則：
（1）空間解析度及制圖比例尺的選擇 空間解析度指像素 代表的地面范圍的大小，即掃描儀的瞬時視場或地面物體能分辨的最小單元。 空間解析度指像素所代表的地面范圍的大小，即掃描儀的瞬時視場或地面物體能分辨的最小單元的地面范圍的大小 由於遙感制圖是利用遙感圖像來提取專題制圖信息的，因此在選擇遙感圖像空間解析度時要考慮以 下兩點要素：一是判讀目標的最小尺寸，二是地圖成圖比例尺。遙感圖像的空間解析度與地圖比例尺有 密切關系：空間解析度越高圖像可放大的倍數越大，地圖的成圖比例尺也越大。 遙感圖像的比例尺應與成圖比例尺一致或象片比例尺稍大於成圖比例尺，這樣可以避免成圖比例尺 大尺度變換的繁瑣技術問題。但對於專題要素的判讀、分類、描繪來說，往往要選擇大於地圖比例尺的 象片為宜。
（2）波譜解析度與波段的選擇 波譜解析度是指感測器在接受目標輻射的波譜時能分辨的最小波長間隔。間隔越小，解析度越高。 波譜解析度是指感測器在接受目標輻射的波譜時能分辨的最小波長間隔。間隔越小，解析度越高。 是指感測器在接受目標輻射的波譜時能分辨的最小波長間隔 波譜解析度，是由感測器所使用的波段數目，也就是選擇的通道數，以及波段的波長和寬度所決定。各 遙感器波普解析度在設計時， 都是有針對性的， 多波段的感測器提供了空間環境不同的信息。 TM 為例： 以 TM1 藍波段：對葉綠素和夜色素濃度敏感，用於區分土壤與植被、落葉林與針葉林、近海水域制圖。 TM2 綠波段：對無病害植物葉綠素反射敏感 TM3 紅波段：對葉綠素吸收敏感，用於區分植物種類。 TM4 近紅外波段：對無病害植物近紅外反射敏感，用於生物量測定及水域判別。 TM5 中紅外波段：對植物含水量和雲的不同反射敏感，可判斷含水量和雪、雲。 TM6 遠紅外波段：作溫度圖，植物熱強度測量 TM 圖象的性質 波段 1 2 3 4 5 6 7 光譜范圍 （微米） 0.45—0.52 0.52—0.60 0.63—0.69 0.76—0.90 1.55—1.75 10.4—12.5 2.08—2.35 光譜性質 藍 綠 紅 近紅外 中（近）紅外 熱（中）紅外 中紅外 地面分辨 率（米） 30 30 30 30 30 120 30 主 要 應 用 地壤與植被分類 健康植物的綠色反射率 探測不同植物的葉綠素吸收 生物量測量，水體制圖 植物濕度測量，區分雲與雪 植物熱強度測量，其它熱制圖 水熱法制圖，地質采礦 包括航空象片、衛星象片及它們的底片和磁帶、航空象片鑲輯圖、若為動態監測還需要前
（3）時間解析度與時相的選擇 遙感圖像是某一瞬間地面實況的記錄，而地理現象是變化、發展的。因此，在一系列按時間序列成像的 遙感圖像 多時相遙感圖像中，必然存在著最能揭示地理現象本質的「最佳時相」圖像 把感測器對同一目標進行重復探測時， 相鄰兩次探測的時間間隔稱為遙感圖像的時間解析度。 Landsat 如 1、2、3 的圖像最高時間解析度為 18 天，Landsat4、5、7 為 16 天，SPOT-4 為 26 天，而靜止氣象衛星的 時間解析度僅為半小時。 遙感圖像的時間解析度對動態監測尤為重要。如：天氣預報、災害監測等需要短周期的時間解析度，因 此常以「小時」為單位。植物、作物的長勢監測、估產等需要用「旬」或「日」為單位。 顯然只有氣象衛星的圖像信息才能滿足這種要求；研究植被的季相節律、農作物的長勢，目前以選擇 landsat-TM 或 SPOT 遙感信息為宜。
3、其他資料 土地現狀圖、土地利用報告 、編圖地區的統計資料、政府文件、地方誌等
二、確立專題要素的分類系統
三、遙感圖像處理
1、遙感圖像處理方法的選擇 、
（1）光學處理法 常用的方法有：假彩色合成（加色法、減色法）、等密度分割、圖像相關掩膜。
（2）數字圖像校正 方法：輻射校正、幾何校正
（3）數字圖像增強的方法：
A. 對比度變換
B.空間濾波：是指在圖像空間或空間頻率對輸入圖像應用若干濾波函數而獲得改進的輸出圖像的技術。 空間濾波 常用的空間濾波的方法有：平滑和銳化。 ：平滑和銳化 平滑：圖像中出現某些亮度變化過大的區域，或出現不該有的亮點（「雜訊」）時，採用平滑的方法可以減小變化， 平滑 使亮度平緩或去掉不必要的「雜訊」點。具體方法有：均值平滑、中值濾波 均值平滑、 均值平滑 銳化：為了突出圖像的邊緣、線狀目標或某些亮度變化率大的部分，可採用銳化方法。常用的幾種方法：羅伯特 銳化 梯度、索伯爾梯度、拉普拉斯演算法、定向檢測
C.彩色變換 彩色變換就是將黑白圖像轉換成彩色圖像的方法。主用的方法有單波段彩色變換、多波段彩色變換、 彩色變換: 彩色變換 HLS 變換等。
D.圖像運算
E.多光譜變換 多光譜變換: 多光譜變換 兩幅或多幅單波段影像，完成空間配准後，通過一系列運算，可以實現圖像增強，達到提取某些信息 或去掉某些不必要信息的目的。方法：差值運算、比值運算 多光譜變換就是指用某種變換把信息集中於較少（一般為 3 個）波段內。常用的方法有：主成分分 主成分分 變換） 纓帽變換（ 、纓帽變換 變換） 、沃爾什—哈達瑪變換、傅立葉變換、植被指數變換、斜變 析（K-L 變換） 纓帽變換（K-T 變換） 、 換、餘弦變換等等。 主成分分析（ 變換） 主成分分析（K-L 變換）的主要特性有二： a．能夠把原來多個波段中的有用信息盡量集中到數目盡可能少的新的組分圖像中。 b．還能夠使新的組分圖像中的組分之間互不相關，也就是說各個組分包含的信息內容是不重疊的。 K-L 變換的缺點 的缺點是不能排除無用以至有礙的雜訊和干擾因素。 的缺點 纓帽變換（ 變換） ：它是 Kauth 和 Thomas（1976 年）通過分析 MSS 圖像反映農作物或植被生長過程的數據結 纓帽變換（K-T 變換） 構後，提出的正交線性變換。 K-T 變換的特點：a．能夠把原來多個波段中的有用信息壓縮到較少的新的波段內。 b．要求新波段正交或近似正交。 c．分離或削弱無用的干擾因素。 （4）多源信息復合 ）

四、遙感圖像的判讀
1、遙感圖像目視判讀 遙感圖像的判讀標志：
遙感圖像的判讀標志：是指圖像上反映出的地物和現象的圖像特徵，是以深淺不同的黑白色調（灰階） 或不同的色彩構成的各種各樣圖形現象出來的。 遙感圖像的判讀標志可概括為：顏色、形狀、空間位置 ：顏色、形狀、 顏色——色調、 顏色、 顏色——色調、 顏色、陰影 ——色調 形狀——形狀、紋理、 大小 、 形狀 、 位置——位置、圖型、相關布局 位置
2、目視解譯的方法
（1）直接判讀法（2）對比分析法 （3）信息復合法（4）綜合推理法（5）地理相關分析法 （1）直接判讀法：是根據遙感影像目視判讀直接標志，直接確定目標地物屬性與范圍的一種方法。 直接判讀法 例如，在可見光黑白像片上，水體對光線的吸收率強，反射率低，水體呈現灰黑到黑色，根據色調可以從影像 上直接判讀出水體，根據水體的形狀則可以直接分辨出水體是河流，或者是湖泊。在 MSS4、5、7 三波段假彩色影 像上，植被顏色為紅色，根據地物顏色色調，可以直接區別植物與背景。 （2）對比分析法 此方法包括同類地物對比分析法、空間對比分析法和時相動態對比法。 A.同類地物對比分析法 同類地物對比分析法是在同一景遙感影像上，由已知地物推出未知目標地物的方法。 同類地物對比分析法 B.空間對比分析法 空間對比分析法是根據待判讀區域的特點，選擇另一個熟悉的與遙感圖像區域特徵類似的影像，將兩個影像相互 空間對比分析法 對比分析，由已知影像為依據判讀未知影像的一種方法。 C.時相動態對比法，是利用同一地區不同時間成像的遙感影像加以對比分析，了解同一目標地物動態變化的一種解 .時相動態對比法 譯方法。 （3）信息復合法：利用透明專題圖或者透明地形圖與遙感圖像重合，根據專題圖或者地形圖提供的多種輔助信息， 信息復合法 識別遙感圖像上目標地物的方法。 （4）綜合推理法：綜合考慮遙感圖像多種解譯特徵，結合生活常識，分析、推斷某種目標地物的方法。 綜合推理法 （5）地理相關分析法：根據地理環境中各種地理要素之間的相互依存，相互制約的關系，藉助專業知識，分析推斷 地理相關分析法 某種地理要素性質、類型、狀況與分布的方法。

3、目視解譯的基本步驟 （1）准備工作 •選擇合適波段與恰當時相的遙感影像 •相關專題地圖的准備 •工具材料准備 •熟悉地理概況 •確定專題分類系統 （2）室內初步解譯與判讀區的野外考察 室內建立初步判讀標志 •初步解譯的主要任務是掌握解譯區域特點，確立典型解譯樣區，建立目視解譯標志，探索解譯方法，為全面解譯 奠定基礎。 •在室內初步解譯的工作重點是建立影像解譯標准，為了保證解譯標志的正確性和可靠性，必須進行解譯區的野外 調查。野外調查之前，需要制定野外調查方案與調查路線。 野外考察驗正判讀標志 在野外調查中，為了建立研究區的判讀標志，必須做大量認真細致的工作，填寫各種地物的判讀標志登記表， 以作為建立地區性的判讀標志的依據。在此基礎上，制訂出影像判讀的專題分類系統，根據目標地物與影像特徵之 間的關系，通過影像反復判讀和野外對比檢驗，建立遙感影像判讀標志。 （3）室內詳細判讀 在詳細判讀過程中，要及時將解譯中出現的疑難點、邊界不清楚的地方和有待驗證的問題詳細記錄下來，留待野 外驗證與補判階段解決。 （4）野外驗證與補判 野外驗證指再次到遙感影像判讀區去實地核實解譯的結果。主要內容包括兩方面： •檢驗專題解譯中圖斑的內容是否正確。 •驗證圖斑界線是否定位準確，並根據野外實際考察情況修正目標地物的分布界線。 （5）目視解譯成果的轉繪與制圖 遙感圖像目視判讀成果，一般以專題圖或遙感影像圖的形式表現出來。

五、遙感圖像計算機解譯
圖像分類方法 監督分類
1.(1) 最小距離法 最小距離法（minimum distance classifier） •以特徵空間中的距離作為像素分類的依據。 •在遙感圖象上對每一類別選取一個具有代表意義的統計特徵量；計算待分像元與已知類別之間的距離，將其歸 屬於距離最小的一類。 •最小距離分類法原理簡單，分類精度不很高，但計算速度快，它可以在快速瀏覽分類概況中使用。
(2) 分級切割分類法 分級切割分類法（multi-level slice classifier） 多級切割法（multi-level slice classifier）是根據設定在各軸上的值域分割多維特徵空間的分類方法。
(3) 特徵曲線窗口法 •特徵曲線窗口法分類的依據是：相同的地物在相同的地域環境及成像條件下，其特徵曲線是相同或相近的，而不 同地物的特徵曲線差別明顯。 •特徵曲線窗口法分類的效果取決於特徵參數的選擇和窗口大小。各特徵參數窗口大小的選擇可以不同，它要根據 地物在各特徵參數空間里的分布情況而定。
(4) 最大似然法 最大似然法（maximum likelihood classifier） •地物圖象可以以其光譜特徵向量 X 作為亮度在光譜特徵空間中找到一個相應的特徵點，來自於同類地物的各種特 征點在特徵空間中將形成一種屬於某種概率分布的集群。 • 判別某一特徵點類屬的合理途徑是對其落進不同類別集群中的條件概率進行比較， 相應於條件概率大的那個類別， 應是該特徵點的歸屬。

2、監督分類步驟
（1）選擇有代表性的訓練場，確定各類地物的范圍界線。
（2）對各類地物光譜值統計，提取各地物的數值特徵。
（3）確定分類判別函數：最小距離法、馬氏距離法等。
（4）分類參數、閾值的確定；各類地物像元數值的分布都圍繞一個中心特徵值，散布在空間的一定范圍，因此需要 給出各類地物類型閾值，限定分布范圍，構成分類器。
（5）分類：利用分類器分類。
（6）檢驗：對初步分類結果精度進行檢驗（分類精度、面積精度、位置精度等） 對分類器進行調整。
（7）待分類影象分類。
（8）分類結果的矢量化。
非監督分類 前提：遙感影象上同類物體在同樣條件下具有相同的光譜信息特徵，依靠影象上不同類地物光譜信息（或紋理信息） 進行特徵提取，再統計特徵的差別來達到分類的目的，最後對已分出的個別類進行確認。 非監督分類方法是在沒有先驗類別（訓練區）作為樣本的條件下，即事先不知道類別特徵，主要根據像元間相似度 非監督分類方法 的大小進行歸類合並（將相似度大的像元歸為一類）的方法。主要有： （1）分級集群法（2）動態聚類法
第二節 從影像生成專題地圖
一、目視解釋的專題地圖
（1）影像預處理 包括遙感數據的圖像校正、圖像增強，有時還需要實驗室提供監督或非監督分類的圖像。
（2）目視解譯 經過建立影像判讀標志，野外判讀，室內解譯，得到繪有圖斑的專題解譯原圖。
（3）地圖概括 按比例尺及分類的要求，進行專題解譯原圖的概括。專題地圖需要正規的地理底圖，所以地圖概括的同時也進行圖斑向地理底圖的轉繪。
（4）地圖整飾 在轉繪完專題圖斑的地理底圖上進行專題地圖的整飾工作。
二、數字圖像處理的專題制圖
（1）影像預處理 同目視解譯類似，影響經過圖像校正、圖像增強，得到供計算機分類用的遙感影像數據。
（2）按專題要求進行影像分類。
（3）專題類別的地圖概括 包括在預處理中消除影像的孤立點，依成圖比例尺對圖斑尺寸的限制進行柵格影像的概括。
（4）圖斑的柵格/矢量變換。
（5）與地理底圖疊加，生成專題地圖。
三、遙感系列制圖
系列地圖，簡單說就是在內容上和時間上有關聯的一組地圖。我們所討論的系列地圖，是指根據共同的制圖目的，利用同一的制圖信息源，按照統一的設計原則，成套編制的遙感專題地圖。
地理底圖的編製程序：採用常規的方法編制地理底圖時，首先選擇制圖范圍內相應比例尺的地形圖，進行展點、鑲嵌、照像，製成地圖薄膜片，然後將膜片蒙在影像圖上，用以更新地形圖的地理要素。經過地圖概括，最後製成供轉繪專題影像圖的地理底圖，其比例尺與專題影響圖相同。
遙感系列制圖的基本要求
1.統一信息源
2.統一對制圖區域地理特徵的認識
3.制定統一的設計原則
4.按一定的規則順序成圖