算子

RDD 分区调整：- repartition()- coalesce()聚合函数：- reduce()- aggregate()关联函数：- join()- cogroup()

提供了一段Matlab代码，用于实现SUSAN算子。该代码有助于理解SUSAN算子的原理。

模糊系统里的模糊算子，真的是个实用的家伙。是在做模糊综合评价的时候，用它来那些模棱两可的输入信息，挺顺手的。像是评价指标多、因素影响又说不清的时候，模糊逻辑就派上用场了，推理过程也比传统的硬逻辑更灵活。

这段Matlab代码实现了Sobel算子，通过边缘检测细化图像边缘。

这个算法用于计算函数的梯度。

经过调试确认，Sobel算子在Matlab中的实现已通过测试，可以正常使用。

此程序计算(1-3)D拉普拉斯算子的精确特征对，用于具有 Dirichlet、Neumann 和周期性边界条件的矩形网格。它还可以使用 Kronecker 和和计算稀疏矩阵。

Spark提供了丰富的内置算子，开发者可以通过灵活组合这些算子来实现各种数据处理功能。 熟练掌握Spark算子的使用是Spark编程的核心，因为它直接关系到如何高效地处理数据。

几种可能导致数据倾斜的shuffer算子包括distinct（对RDD中的元素进行去重操作）、groupByKey（按相同key分组形成RDD[key,Iterable[value]]）、reduceByKey（使用相关函数合并每个key的value值）、aggregateByKey（对PairRDD中相同Key的值进行聚合操作，使用中立初始值）、join（对需要连接的RDD进行内连接操作，对每个key下的元素进行笛卡尔积操作再展平）、cogroup（对多个共享同一键的RDD进行分组）、repartition（重新划分RDD的分区）...

基于 Canny 算子的图像边缘检测，用 Matlab 写起来其实还挺顺手的。edge(I, 'canny', thresh, sigma)这个函数，核心就是看你怎么调那个thresh和sigma，一个决定敏感度，一个决定平滑程度。想省事，参数留空让算法自己来搞也行。 用imread读图，用fspecial和imfilter一下，edge一把梭，图像轮廓就出来了。顺便试了下sobel、prewitt、roberts这些算子，效果各有不同，canny 确实清晰度高点，边缘更锐利。 代码也不复杂，几行就能搞定： b1 = imread('nir.bmp'); h58 = fspecial('gau