คำถามติดแท็ก algorithm

ฉันมีเลเยอร์หลายเหลี่ยมที่อธิบายถึงข้อ จำกัด ฉันต้องการเพิ่มคะแนนภายในพื้นที่นี้ ฉันต้องการเพิ่มคะแนนให้ได้มากที่สุด แต่พวกเขาต้องมีระยะห่างขั้นต่ำระหว่างพวกเขา เป็นไปได้ไหมที่จะใช้ GIS? หากต้องการอธิบายให้ชัดเจนจะเป็นการดีที่สุดหากสร้างกริดที่สั่งไว้ซึ่งจะรับประกันได้ว่าจะได้คะแนนมากที่สุด อย่างไรก็ตามข้อ จำกัด นั้นไม่ค่อยอนุญาตให้ทำเช่นนี้และมันอาจจะดีกว่าที่จะลบจุดเพื่อให้การชดเชยให้พอดีกับข้อ จำกัด

17 algorithm  point 

ฉันกำลังมองหาวิธีที่มีประสิทธิภาพในการจัดกลุ่มบรรทัดที่เป็นอิสระจากทิศทางของพวกเขา นั่นหมายความว่าเส้นแบ่งระหว่างนิวยอร์กกับลอสแองเจลิสควรอยู่ในกลุ่มเดียวกันกับแนวในทิศทางอื่นระหว่างลอสแองเจลิสและนิวยอร์ก จุดเริ่มต้น / จุดสิ้นสุดควรมีลักษณะใกล้เคียงกัน (เช่นซานดิเอโกไปลองไอส์แลนด์ควรอยู่ในกลุ่มเดียวกันกับ LA-NY แต่อาจไม่ใช่ซานฟรานซิสโกถึงบอสตัน) และไม่มีจุดกึ่งกลาง ข้อมูลอินพุตจะคล้ายกับตัวอย่างนี้: (โดย Cassiopeia หวานที่วิกิพีเดียภาษาญี่ปุ่นGFDLหรือCC-BY-SA-3.0ผ่านวิกิมีเดียคอมมอนส์) ก่อนหน้านี้ฉันพยายามเรียงลำดับบรรทัดล่วงหน้าเช่นทำให้พวกเขาวิ่งจากตะวันตกไปตะวันออก แต่นี่ไม่ได้แก้ปัญหาสำหรับสายที่วิ่งจากเหนือจรดใต้และอื่น ๆ คุณรู้อัลกอริธึมที่เกี่ยวข้องกับปัญหานี้หรือไม่? ฉันกำลังมองหา แต่นอกเหนือจากอัลกอริทึมในการคำนวณทิศทางเฉลี่ยของกลุ่มที่ไม่ได้ทำเส้นทางฉันไม่พบสิ่งใดที่เป็นประโยชน์จากระยะไกลดังนั้นฉันจึงต้องใช้คำค้นหาที่ไม่ถูกต้อง

16 algorithm  clustering 

ฉันต้องการลดความซับซ้อนของรูปหลายเหลี่ยมที่เป็นตัวแทนของแม่น้ำเข้าสู่การส่องสว่าง ฉันคิดว่าสามารถละเว้นรูในรูปหลายเหลี่ยมได้ ใครมีความคิดที่ดีว่าจะทำอย่างไร? มันจะดีถ้ามันเป็นไปได้ที่จะทำโดยตรงใน postgis หรือเครื่องมือโอเพนซอร์สอื่น แต่คำอธิบายอัลกอริทึมสั้น ๆ จะเพียงพอ

16 postgis  algorithm  simplify  skeleton 

ฉันมี DEM ขนาด 1x1 เมตรและ LiDAR point cloud ต้นฉบับเป็น. Atlas นั่นคือ DEM ฉันต้องการแยกแม่น้ำโขง (จุดสูงสุดของเขื่อน) ไปยังคุณลักษณะของเวกเตอร์ (จุด, เส้นหลายเหลี่ยม) มีความคิดเกี่ยวกับอัลกอริทึมหรือเครื่องมือที่มีอยู่หรือไม่? เขื่อนกั้นน้ำมีสีเทาอ่อนในภาพที่ 1 และด้านล่างเป็นภาพเมฆจุดสำหรับพื้นที่ตัวอย่างที่มีเขื่อนกั้นน้ำ แม่น้ำตรงกลางเป็นสีน้ำเงิน เครื่องมือใดสำหรับการสกัดคุณสมบัติเชิงเส้นจาก DEM? ฉันเชื่อว่าฉันต้องการบางอย่างเช่นโมดูลการดึงข้อมูลเชิงพื้นที่ของ ENVI (หน้า 7) แต่ไม่มีส่วนของ ENVI เนื่องจากฉันไม่สามารถจ่ายได้ :)

14 raster  dem  lidar  algorithm  feature-extraction 

ฉันมีคำถาม 2 ข้อเกี่ยวกับการวิเคราะห์ชุดข้อมูล GPS 1) ไบร์ทแยกฉันมีฐานข้อมูลขนาดใหญ่ของพิกัด GPS (latitude, longitude, date-time)บันทึกในรูปแบบ ตามค่าวันที่และเวลาของระเบียนที่ต่อเนื่องฉันพยายามแยกวิถี / เส้นทางทั้งหมดตามด้วยบุคคล ตัวอย่างเช่น กล่าวว่าจากเวลาMที่คู่ที่มีการเปลี่ยนแปลงอย่างต่อเนื่องจนกว่าจะถึงเวลา(x,y) Nหลังจากนั้นNการเปลี่ยนแปลงของ(x,y)คู่จะลดลง ณ จุดที่ฉันสรุปว่าเส้นทางที่นำมาจากเวลาMเป็นNสามารถเรียกว่าวิถี นั่นเป็นวิธีการที่เหมาะสมในการติดตามเมื่อทำการแยกไบร์ทหรือไม่? มีวิธี / วิธี / อัลกอริทึมที่รู้จักกันดีที่คุณสามารถแนะนำได้หรือไม่? มีโครงสร้างข้อมูลหรือรูปแบบใดที่คุณอยากจะแนะนำให้ฉันรักษาจุดเหล่านั้นอย่างมีประสิทธิภาพ? บางทีสำหรับแต่ละเส้นทางการหาความเร็วและความเร่งจะเป็นประโยชน์หรือไม่ 2) การขุดเส้นทางการเคลื่อนที่เมื่อฉันมีเส้นทางการเคลื่อนที่ / เส้นทางที่นำมาทั้งหมดฉันจะเปรียบเทียบ / จัดกลุ่มได้อย่างไร ฉันต้องการทราบว่าจุดเริ่มต้นหรือจุดสิ้นสุดมีความคล้ายคลึงกันแล้วเส้นทางกลางจะเปรียบเทียบได้อย่างไร ฉันจะเปรียบเทียบ 2 เส้นทาง / เส้นทางและสรุปได้อย่างไรว่าพวกมันเหมือนกันหรือไม่ นอกจากนี้; ฉันจะรวมกลุ่มเส้นทางที่คล้ายกันเข้าด้วยกันได้อย่างไร ฉันจะขอขอบคุณอย่างมากหากคุณสามารถชี้ให้ฉันไปทำวิจัยหรืออะไรที่คล้ายกันในเรื่องนี้ การพัฒนาจะอยู่ใน Python แต่ยินดีต้อนรับคำแนะนำห้องสมุดทุกประเภท ฉันกำลังเปิดคำถามเดียวกันที่แน่นอน/programming/4910510/comparing-clustering-trajectories-gps-data-of-xy-points-and-mining-the-dataใน StackOverflow คิดว่าฉันจะได้คำตอบเพิ่มเติมที่นี่ ...

14 python  gps  algorithm  clustering 

ฉันพยายามหาวิธีที่จะอธิบายรูปทรงของรูปหลายเหลี่ยมเชิงปริมาณ สำหรับโครงการของฉันรูปหลายเหลี่ยมเหล่านี้เป็นตัวแทนของทะเลสาบแม่น้ำทะเลสาบและสวนสาธารณะ ดังนั้นพวกมันจึงมีรูปร่างเกือบทุกรูปแบบ ตัวชี้วัดที่ง่ายอย่างหนึ่งคือการคำนวณเส้นรอบรูปเทียบกับพื้นที่ซึ่งเป็นเกณฑ์ที่มีประโยชน์เพียงเล็กน้อยเท่านั้น แต่ฉันก็อยากจะพูดอะไรบางอย่างเกี่ยวกับ 'ความกลม' ของรูปหลายเหลี่ยม หรือรูปร่างของ 'กะทัดรัด' เป็นอย่างไรบนแผนที่ วิธีเดียวที่ฉันสามารถทำได้อย่างง่ายดายคือการคำนวณพื้นที่ของรูปหลายเหลี่ยมแต่ละอันที่เกี่ยวข้องกับกล่องขอบสำหรับรูปหลายเหลี่ยมนั้น (ซึ่งฉันมีอยู่แล้ว) แต่นี่ดูเหมือนเป็นทางออกที่ไม่ดี ตอนนี้ฉันกำลังคิดถึงสิ่งนี้มากกว่านี้ - ใช้เซนทรอยด์ของรูปหลายเหลี่ยมเพิ่มชุดของบัฟเฟอร์ของพื้นที่ที่เพิ่มขึ้น (พูด 50%, 100%, 150%) จากนั้นเปรียบเทียบจำนวนที่ทับซ้อนกันระหว่างบัฟเฟอร์แต่ละอันกับ รูปหลายเหลี่ยมต้นฉบับ วงกลมที่สมบูรณ์แบบจะมีการทับซ้อนกันที่สมบูรณ์แบบ 100% และฉันสามารถใช้บัฟเฟอร์ 50% และ 150% ในการตัดสินว่ารูปหลายเหลี่ยมแต่ละแบบนั้นแตกต่างกันมากน้อยเพียงใด แต่ถึงอย่างนั้นก็รู้สึกว่ายุ่งยากและชอบวิธีแก้ปัญหาที่ไม่ดีสำหรับสิ่งที่คนอื่นคิดว่าดีกว่านี้แล้ว สำหรับการอ้างอิงอย่างน้อยที่สุดฉันจะต้องสามารถดูดัชนีผลลัพธ์สำหรับรูปหลายเหลี่ยมหลายรูปและสามารถคาดเดาการศึกษาเกี่ยวกับแหล่งที่มา (แม่น้ำอ่างเก็บน้ำที่มีรูปร่าง dendritic ทะเลสาบ / ทะเลสาบ ?)

14 polygon  vector  algorithm 

ฉันมีเวกเตอร์เลเยอร์ที่มีรูปหลายเหลี่ยมหลายล้านที่ครอบคลุมอย่างต่อเนื่อง ฉันต้องการจำแนกพวกเขาตามรูปร่างของพวกเขา ฉันกำลังใช้ดัชนีรูปร่างหลายรูปแบบจากนิเวศวิทยาภูมิทัศน์เช่นความกะทัดรัด ( 4piA / P ^ 2 ), ความกว้างเฉลี่ย ( 2A / P ), หมายเลขรูปร่าง ( P / sqrt (A) ) ฉันเห็นคำตอบนี้เพื่อคำนวณความกลม / ความกะทัดรัดของ รูปหลายเหลี่ยม? ปัญหาของฉันคือว่าตัวชี้วัดเหล่านี้ทั้งหมดใช้อัตราส่วนของพื้นที่และเส้นรอบวงเท่านั้น แม้แต่ดัชนีมิติเศษส่วนก็ใช้พื้นที่และปริมณฑลเท่านั้น ( 2ln (0.25P) / ln (A) ) แต่ฉันจะแยกความแตกต่างของรูปหลายเหลี่ยมสองรูปได้ด้วยพื้นที่และปริมณฑลเดียวกัน แต่มีรูปร่างที่แตกต่างกันอย่างไร ชอบรูปหลายเหลี่ยมที่แยกย่อยนี้ A: ซึ่งฉันพยายามวาดด้วยพื้นที่และเส้นรอบวงเดียวกันเป็นแถบโค้ง B ดัชนีทั้งหมดที่ฉันรู้จักจะเหมือนกันสำหรับพวกเขา แต่สำหรับฉันมันสำคัญมากที่จะต้องแยกความแตกต่างของแถบแบบง่าย ๆ (รวมถึงโค้งเหมือนดวงจันทร์ใหม่) จากรูปร่างที่แตกกิ่งก้านสาขาที่ซับซ้อน ฉันตั้งใจแสดงรูปหลายเหลี่ยม B เป็นแถบโค้งและไม่เป็นแถบเส้นตรงเพราะฉันรู้ว่าดัชนี …

13 polygon  vector  geometry  algorithm  gis-principle 

ฉันมีเครือข่ายเชิงเส้นจำนวนมากและฉันต้องการค้นหาทั้งสองปลายของแต่ละเครือข่ายที่อยู่ห่างจากกันมากที่สุดตามเครือข่าย (ในภาพด้านล่างมันจะเป็น D ถึง K) วิธีการแก้ปัญหากำลังดุร้ายสำหรับปัญหานี้คือการคำนวณเส้นทางที่สั้นที่สุดตามเครือข่ายสำหรับคู่ต้นทางแต่ละคู่ แต่ฉันมีเครือข่ายหลายร้อยเครือข่ายที่มีจุดสิ้นสุดนับพันดังนั้นการคำนวณเส้นทางที่เป็นไปได้ค่อนข้างหนัก มีวิธีที่ดีที่สุดในการคำนวณโดยไม่ใช้กำลังดุร้ายหรือไม่? ฉันสามารถยกเว้นบางจุดตามกฎที่ฉลาดได้หรือไม่ แก้ไข: ฉันได้เพิ่มภาพประกอบของเส้นทางที่ยาวที่สุดที่ @Alex Tereshenkov พูดถึงเพื่อชี้แจงคำถามของฉัน พา ธ สีดำเป็นผลลัพธ์ของอัลกอริธึมพา ธ ที่ยาวที่สุด ในกรณีของฉันจินตนาการว่าคุณเข้าสู่เครือข่ายจากตัวอักษรใด ๆ และคุณต้องขับรถไปที่ตัวอักษรอื่นให้เร็วที่สุด ตัวอักษรสองตัวใดที่เข้าร่วมได้ยากที่สุด?

13 algorithm  network 

ฉันพยายามที่จะจับคู่เซ็กเมนต์ขนาดเล็กกับเซ็กเมนต์ที่ใหญ่กว่าพวกเขาอาจเกี่ยวข้องกับ: ค่อนข้างใกล้เคียงตลับลูกปืนที่คล้ายกันและหันเข้าหากัน นี่คือตัวอย่างทั่วไปของข้อมูลที่ฉันมี: ที่นี่ฉันต้องจับคู่เซ็กเมนต์ 652 ถึง 198969 ขณะที่มี 711 และ 707 ไม่ตรงกับสิ่งใด ฉันค้นหาวิธีการต่าง ๆ โดยเฉพาะในระยะทาง Hausdorff (ตามคำตอบที่นี่ ) ฉันคำนวณโดยใช้ PostGIS แต่ฉันได้รับผลลัพธ์แปลก ๆ : ระยะทางที่สั้นที่สุดที่ฉันได้รับคือระหว่าง 707 และ 198985 และ 652 มีระยะทางที่มากขึ้นถึง 198969 เช่นเดียวกับ 198985 (เช่นฉันสามารถเพิ่มคิวรีและผลลัพธ์หากต้องการ) Hausdorff เป็นวิธีที่ถูกต้องในการแก้ปัญหานี้หรือไม่ มีวิธีอื่นหรือไม่? ฉันคิดว่าเพียงแค่สร้างชุดของการตรวจสอบเกี่ยวกับพารามิเตอร์ที่ฉันกล่าวถึง (ระยะทางแบริ่ง ฯลฯ ) แต่ฉันกลัวที่จะต้องเพิ่มเงื่อนไขทั้งหมดเพื่อจัดการกรณีขอบหรือสิ่งต่าง ๆ เช่น thresholding เกี่ยวกับพวกเขา หันเข้าหากัน อัปเดต:ฉันพบวิธีการที่ดูเหมือนว่ายอมรับได้: ฉันพบส่วนดำที่ใกล้ที่สุด 10 …

13 algorithm  gis-principle 

แอปพลิเคชันส่วนใหญ่ที่ให้บริการการกำหนดเส้นทางคนเดินเท้าที่ฉันเห็นนั้นเพียงพอสำหรับความต้องการจำนวนมาก แต่ไม่เหมาะสม: คุณไม่สามารถข้ามพื้นที่เปิดโล่งเช่นสี่เหลี่ยมเมืองการกำหนดเส้นทางอยู่กลางถนน ฯลฯ คุณมีตัวอย่างของเว็บไซต์หรือแอปพลิเคชันที่มีการกำหนดเส้นทางที่เฉพาะเจาะจงสำหรับคนเดินเท้าหรือไม่?

13 algorithm  routing  transportation 

ฉันสนใจในความกว้างสูงสุดของรูปหลายเหลี่ยมเช่นทะเลสาบในทิศทางตะวันออก - ตะวันตก กล่องที่ถูกผูกไว้จะช่วยในรูปหลายเหลี่ยมอย่างง่ายเท่านั้น แต่ไม่ได้อยู่ในรูปหลายเหลี่ยมหลายเหลี่ยมที่ซับซ้อน

13 postgis  algorithm 

ฉันต้องการหาเซนทรอยด์ (หรือจุดป้ายกำกับ) สำหรับรูปหลายเหลี่ยมที่มีรูปร่างผิดปกติใน Google Maps ฉันกำลังแสดง InfoWindows สำหรับพัสดุและต้องการสถานที่ยึด InfoWindow ที่รับประกันว่าจะอยู่บนพื้นผิว ดูภาพด้านล่าง ในความเป็นจริงฉันไม่ต้องการสิ่งใดโดยเฉพาะกับ Google แผนที่เพียงแค่มองหาแนวคิดในการหาจุดนี้โดยอัตโนมัติ ความคิดแรกของฉันคือการหาเซนทรอยด์ที่ "ผิดพลาด" โดยการหาค่า Lat และ lngs โดยเฉลี่ยและการหาจุดแบบสุ่มจากจุดนั้นจนกว่าฉันจะพบจุดที่ตัดกันรูปหลายเหลี่ยม ฉันมีรหัสจุดในรูปหลายเหลี่ยมแล้ว ดูเหมือนว่า "แฮ็ค" อันยิ่งใหญ่สำหรับฉัน ฉันควรทราบว่าฉันไม่สามารถเข้าถึงรหัสด้านเซิร์ฟเวอร์ใด ๆ ที่ส่งออกรูปทรงเรขาคณิตดังนั้นฉันจึงไม่สามารถทำอะไรเช่น ST_PointOnSurface (the_geom)

13 polygon  labeling  algorithm 

ฉันกำลังมองหาวิธีในการคำนวณพิกัด X, Y ของจุดภายใน (หรือที่เรียกว่า labelPoint ใน arcmap) ของรูปหลายเหลี่ยม (ผิดปกติ) ฉันพยายามหาวิธีแก้ปัญหาโดยไม่ต้องใช้โมดูล ArcGIS ความแตกต่างระหว่าง "เซนทรอยด์" และ labelPoint คือเซนทรอยด์อาจอยู่นอกรูปหลายเหลี่ยม ฉันใช้โมดูลหุ่นดี จาก shapely.geometry นำเข้ารูปหลายเหลี่ยม ref_polygon = Polygon(points) # get the x and y coordinate of the centroid ref_polygon.centroid.wkt 'POINT (558768.9293489187300000 6361851.0362532493000000)' ใช้ข้อมูลต่อไปนี้ (จุดยอดของรูปหลายเหลี่ยมของฉัน) ขอบคุณล่วงหน้าสำหรับความช่วยเหลือและคำแนะนำ points = [(560036.4495758876, 6362071.890493258), (560036.4495758876, 6362070.890493258), (560036.9495758876, 6362070.890493258), (560036.9495758876, …

13 python  geometry  algorithm 

เรื่องตลกฉันมีปัญหาเส้นทางที่เกือบจะเป็นปัญหาพนักงานขายเดินทาง (TSP): จุดเริ่มต้นถูกกำหนดไว้ จุดสิ้นสุดตรงกับจุดเริ่มต้น แต่ละโหนดจะต้องมีการเยี่ยมชม ควรลดค่าใช้จ่ายทั้งหมด สองปีที่แล้วฉันคิดว่า TSP จะเป็นการจับคู่ที่สมบูรณ์แบบดังนั้นฉันจึงวิ่งตัวอย่างข้อมูลผ่านtsp_solveและ Concorde โชคดีที่มันเป็นที่เห็นได้ชัดอย่างรวดเร็วว่า TSP เส้นทางที่สั้นที่สุดคือไม่ได้เป็นเส้นทางที่สั้นที่สุดที่แท้จริงเนื่องจากปัญหาที่ทำง่ายขึ้นโดยกำหนดให้บวกโหนดจะเข้าชมครั้งว่า รูปภาพนี้เป็นเพียงความพยายามในขั้นตอนเดียวในการปรับแต่งโซลูชันที่คำนวณแล้วและจะช่วยประหยัดระยะห่างของขอบที่ใช้งานยาวนานที่สุด ปัญหาปรากฏขึ้นอีกครั้งเนื่องจากฉันพยายามค้นหาเส้นทางที่เหมาะสมไปยังส่วนย่อยของไซต์การทำแผนที่ / การตรวจสอบ ข้อมูลตำแหน่งและเครือข่ายถนนนั้นค่อนข้างแม่นยำและแม่นยำดังนั้นการออกกำลังกายเช่นนี้จึงสมเหตุสมผล ฉันดูภาพรวมของ TSP แล้ว แต่ไม่พบอัลกอริทึมที่เหมาะสม ต้นไม้ทอดขั้นต่ำไม่ได้บัญชีสำหรับการกลับมาจากสาขา (โซลูชั่นที่ 1 ที่นี่มีค่าใช้จ่าย 3 เพิ่มเติม) จากสิ่งที่ฉันเข้าใจปัญหาของเส้นทางที่สั้นที่สุดในที่สุดจะสนใจเพียงสองโหนดและผู้ที่อยู่นอกเส้นทางที่เหมาะสมจะถูกทิ้งไว้ กรณีพิเศษของปัญหาการกำหนดเส้นทางของยานพาหนะน่าจะเหมาะสมที่สุดแม้ว่าฉันจะไม่รู้ว่ามันพิจารณาเส้นทางที่ไม่ใช่ทางตรงหรือไม่ คำถามของฉัน: มีชื่อที่ตัดสินความหมายสำหรับปัญหาชนิดนี้ (ครอบครัว)? คุณใช้อัลกอริธึมและเครื่องมือใดในการแก้ไข ฉันแน่ใจว่ามันจะคำนวณได้หนัก แต่ฉันสนใจทั้งทั่วไป (ทรัพยากรที่ไม่มีขีด จำกัด ) และคำตอบที่ใช้ได้จริง

12 algorithm  routing  optimization 

ฉันมีชุดข้อมูลขนาดใหญ่ที่แสดงถึงแนวชายฝั่งของโลก ฉันไม่ทราบความละเอียดที่แน่นอน แต่ฉันบอกว่ามันอยู่ในพื้นที่ใกล้เคียงของ 5-10m ลองนึกภาพชุดของจุดที่เป็นตัวแทนของแนวชายฝั่งขรุขระ ที่ความละเอียด 1 ม. เราเห็นรายละเอียดทั้งหมดและต้องการจุดข้อมูล 50 จุดเพื่อแสดงชายฝั่งอย่างถูกต้องอย่างไรก็ตามที่ความละเอียด 10 กม. ชายฝั่งดูเหมือนเส้นตรงและเราต้องการเพียง 2 จุดเท่านั้น ฉันกำลังเขียนแอปพลิเคชันการแมปที่จะต้องใช้ข้อมูลในการปรับขนาดจากความละเอียด "ดาวเคราะห์เต็มดวง" ถึงความละเอียด "ถนน" ฉันต้องการความช่วยเหลือในการลดความละเอียดของจุดข้อมูลของฉันและจากนั้นจำนวนข้อมูลสำหรับการแก้ปัญหาที่กว้างขึ้น ฉันได้อ่านเกี่ยวกับ Vector-Tiling แล้วและคิดว่านี่จะเป็นคำตอบที่ดีที่สุด (ฉันทำอะไรแบบนี้อยู่แล้ว) อย่างไรก็ตามที่ความละเอียดต่ำชุดข้อมูลของฉันยังคงมีความหมายมาก เวลาซึ่งความละเอียดสูงนั้นรวดเร็วเนื่องจากชุดข้อมูล 'ประสิทธิผล' มีขนาดเล็ก (ชุดย่อยทั้งหมด) ฉันกำลังพยายามหาวิธีที่จะใช้ชุดข้อมูลขนาดใหญ่ของฉันและลดขนาดของชุดข้อมูลเพื่อให้ข้อมูลไทล์ของมุมมองดาวเคราะห์เต็มของฉันมีขนาดที่สามารถจัดการได้ ฉันจะสร้างชุดย่อยย่อยไทล์จากชุดข้อมูลขนาดใหญ่ที่สมบูรณ์ได้อย่างไร ฉันยินดีที่จะใช้เครื่องมือ แต่ฉันควรทำด้วยตัวเองในความพยายามที่จะเรียนรู้วิธีการใช้งาน

12 vector  algorithm  scale  generalization  large-datasets