苹果电脑怎么安装hyperion版本
第一步，打开电脑，点击smartview安装包，进行安装。
请点击输入图片描述
第二步，如图所示，打开“Excel”，点击“Hyperion”并进入。
请点击输入图片描述
第三步，如图所示，点击“Hyperion”之后，打开“connection”。
请点击输入图片描述
第四步，打开投屏设备，点击选择“管理器”，添加“提供者”。
请点击输入图片描述
第五步，如图所示，点击“路径”-“next”。
请点击输入图片描述
第六步，如图所示，将“smartview”与投屏设备相连接。点击“OK”即可。
请点击输入图片描述
hyperion是什么
Hyperion是希腊神话中的一位巨人的名字，是太阳神、月亮神和缪斯女神之父，中文又译作“许珀里翁”、“亥帕瑞恩”等。
在商业智能(Business Intelligence，BI)市场上（Oracle）排名第七的一家公司.而（Hyperion）是排名第四的公司.Oracle公司把Hyperion公司给收购叻``
而Business Objects[Business Objects（博奥杰公司）
Senior Vice President and General Manager, Asia Pacific and Japan：
亚太和日本区资深副总裁兼总经理Keith Budge：]在这个市场上排名第一的局面并没有发生变化。对于Oracle而言，BI是对其数据库和应用软件产品的一个补充。
Business Objects（博奥杰公司）
Senior Vice President and General Manager, Asia Pacific and Japan：
亚太和日本区资深副总裁兼总经理Keith Budge：
详细请看
高光谱仪Hyperion
一、内容概述
Hyperion高光谱传感器也是推扫式的，它装载在2000年发射的NASA EO-1卫星上，并作为一项为期一年的技术校准和/或示范任务的一部分。Hyperion可提供高分辨率的高光谱图像，波长范围0.4～2.5μm，总共220个光谱波段，分辨率为30m。这220个很窄的光谱波段要求每一个像元足够大，以便保证合理的高信噪比。
二、应用范围及应用实例
首先在澳大利亚Mt.Fittion地区开展了Hyperion数据评估，尽管发现其数据噪声较高，也被认为是成功的。不过，国外文献对其评价一般不高。例如，有人认为其50∶1的信噪比一般除了对理想的、高度干旱环境有用外，对其他任何环境而言都不足以识别某一种蚀变矿物（Agar，2007）。因为一个30 m的像元通常将会产生混合矿物光谱，因而需要极高的（如＞200∶1）的信噪比，才能解决亚像元级矿物填图问题。由于Hyperion数据成本相对较高，且缺少保留存档的数据，加上对任务数据获取的需求较少，这些都限制了其在矿产勘查中的应用。不过不管怎么说，它至少从技术上表明星载高光谱遥感是完全可行的。
1.岩性识别
纳米比亚Rehoboth地区是一个半干旱区，基岩很少出露，主要被大量风化和侵蚀形成的不同时代的堆积物所覆盖。钙质结砾岩广泛分布，局部被沙丘掩埋，植被少量发育。选择了两块区域进行实验，一块面积约1.6km2，主要由钙质结砾岩和植被组成，只有少量冲洪积物；另一块面积约2.7km2，都是近代冲积物堆积，由各种不同岩性组成。
第一块区域Hyperion图像上至少有一个单一岩性的像素，第二块区域则没有（Gomez et al.，2007）。分别在这两块区域都采用独立成分分析（ICA）与N-FindR方法，对Hyperion图像进行处理，进行岩性识别。
第一块区域不管采用哪一种方法都获得了跟野外观察一致的结果：①N-FindR方法可识别（并定量表示）分布在河岸上的钙质结砾岩，以及分布在河床里的部分植被和钙质结砾岩；②ICA方法可识别（并定量表示）表面地层中（河床除外）少量的砂岩，以及河床里的黑色灰岩和钙质结砾岩（图1）。
第二块区域近代冲洪积物通过ICA和N-FindR两种方法识别的结果都跟野外观察吻合。这两种方法都识别出了冲积物下游的沙以及河床内较多的钙质结砾岩。通过冲积物东侧绿色片岩上沙、石英和石英碎屑及植被的分布情况，可重新修正冲积物与页岩和砂岩地层之间的界线。少量的砂岩可通过N-FindR方法来识别，而少量黑色灰岩可通过ICA方法来识别。
图1第一块区域四种成分的含量图
（a）N-FindR方法；（b）ICA方法
2.矿物识别
研究区位于印度中部恰蒂邦的Dongargarh镇附近。花岗岩分布广泛，它极易发生化学风化（即高岭土化），而长石则发生不同程度的蚀变，并由于蚀变和交代形成细粒高岭石矿物的集合体。花岗岩彻底的高岭土化会使岩石被还原成跟土壤一样易碎的物质，只有石英才能幸存下来。此外，研究区受季风气候（如强烈降雨）的影响，在很大程度上促进了长石蚀变。通过遥感技术了解岩石和土壤的矿物成分与空间分布特征，对于进一步开展矿产勘查具有重要意义（Bhattacharya et al.，2012）。
首先采用ASD公司的野外便携式光谱仪对有代表性的岩石和土壤进行了测量，然后与USGS光谱库进行对比，确定了高岭石、累托石和沙漠漆等主要蚀变或风化产物。然后采用ENVI软件，对Hyperion数据进行处理，通过光谱角填图（SAM）及光谱特征拟合（SFF）算法，对影像数据中包括奥长石在内的4种蚀变或风化产物进行了识别与填图。
如前所述，研究区多数被具有花岗质亲和性的土壤和花岗质围岩所覆盖，许多地方发生了彻底的高岭土化蚀变，只留下一点腐烂易碎的物质。然而，通过SAM分类填图结果（图2）可以看到，高岭石主要分布在出露的花岗岩露头周围，那里的风化作用最强。奥长石呈补丁状散落在整幅图中，但在弱风化岩石出露的地方其含量相对较高。累托石是另一种黏土矿物，在图幅南部与西南部的含量相对较高，那里的岩石主要是流纹岩。最后一种也是研究区最重要的类型是岩石表面覆盖的黑色的物质，称为沙漠漆。分类结果详见表1。
表1类型分布情况
续表
图2研究区SAM矿物分类图
三、资料来源
Bhattacharya S，Majumdar T J，Rajawat A S et al.2012.Utilization of Hyperion data over Dongargarh，India，for mapping altered/weathered and clay minerals along with field spectral measurements.International Journal of Remote Sensing，33（17），5438～5450
Gomez C，Le Borgne H，Allemand P et al.2007.N⁃FindR method versus independent component analysis for lithological identification in hyperspectral imagery.International Journal of Remote Sensing，28（23），5315～5338.
好了，本文到此结束，如果可以帮助到大家，还望关注本站哦！