本文考虑地块内部异质性，提出一个结合哈希函数和图注意力网络（GAT）的矢量元胞自动机（VCA）方法，用于研究城市土地利用变化；并将该模型应用于模拟深圳市2009年至2012年的城市土地利用变化，结果表明，HashGAT-VCA模型的模拟准确性显著优于其他VCA模型。【论文题目】HashGAT-VCA:Avecto

在VCA模式下使用provide和inject与之前文档中VOA模式类似，不同的是需要在使用前进行importimport{provide,inject}from'vue'在此篇文档中，使用一个示例来演示provide与inject的使用功能如下：组件NavbarDetailList部署在根组件App上。在初始页面，显示Navbar与List。List组件

vca的去噪算法对数据有影响，当时好像所有数据对。这里的1，2，3，4对应的是specturh中的顺序brown是1darkgreen是2vineyard是3peagreen是4（问题很大标签对不上啊，标签错误啊）还有个问题这3，4提不出来啊。应该是去噪问题啊。但是欧式角很大。 这个欧式角是最小的不理解。 

ismemeber可以查看一行在矩阵的位置。角度是6.2距离是0.6531。    

从结果看效果不好呢 clc;clearall;closeall;load('spectra_truth_campus_1')load('muufl_gulfport_campus_1_all4TypeLabel')w=hsi.Dataw=reshape(w,325*337,72)E_vca=vca1(w','Endmembers',8);wavelength=hsi.info.wavelength/1000plot_sig(

clc;clearall;closeall;load('spectra_truth_campus_1')load('muufl_gulfport_campus_1_all4TypeLabel')rowindice=hsi.groundTruth.Targets_rowIndicescolindice=hsi.groundTruth.Targets_colIndicestypeindice=ismember(hsi.groundTruth.Targets_Type

为什么使用svd？为了降维和降噪去除不必要的维度就减少了运输量。  映射的时候为什么还要选择不同的维度？ 

w是随机的方向然后f是与A中所有方向正交的向量。为啥终端信号得正交呢？每次映射最大值的像素拿出来。他是取终端数个正交的向量。但是最终结果不总是一样。 

vca的核心算法就是找出purepixel，而endmember是根据某种方法获得的。  P_y是R的所有特征值平方的平均值，P_x也是最后要加上r_m。