【免费下载】 GTWR\ MGWR\MGWLR 插件 【ArcGIS】使用说明
2026-01-31 05:11:55作者:翟江哲Frasier
概述
本文件为ArcGIS软件的专用插件,用于执行地理加权回归(GTWR)、移动地理加权回归(MGWR)以及混合地理加权回归(MGWLR)。此插件是最新版本更新,已解决上版本出现的版本错误提示问题,用户可以更加顺畅地进行空间局部及混合加权回归模型的构建与分析。
功能特点
- 兼容性:支持ArcGIS最新版本,修复了版本兼容性问题。
- 模型构建:支持地理加权回归(GTWR)、移动地理加权回归(MGWR)和混合地理加权回归(MGWLR)模型。
- 空间分析:能够进行空间局部及混合加权回归分析,为地理空间数据研究提供强有力的工具。
注意事项
- 请确保您的ArcGIS软件版本与插件兼容。
- 使用过程中如有版本错误问题,请及时更新至最新版插件。
- 插件使用过程中,建议详细阅读相关文档和指南,以获得最佳使用效果。
使用说明
- 下载并解压插件文件。
- 将插件安装到ArcGIS软件的相应目录下。
- 打开ArcGIS,在工具箱中找到并使用本插件。
- 根据需要选择合适的模型进行空间回归分析。
感谢您选择使用本插件,祝您使用愉快!
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
556
3.79 K
Ascend Extension for PyTorch
Python
371
429
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
891
633
昇腾LLM分布式训练框架
Python
115
143
暂无简介
Dart
790
195
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.36 K
766
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
117
146
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.11 K
264
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1