首页 > TAG信息列表 > 可视化
3D可视化：自研3D渲染引擎，园区可视化呈现
运用人工智能、云计算、物联网等新一代信息技术，整合园区的所有信息资源，将园区运行管理可视化，全面提升整体工作效率，是数据可视化在园区建设中发挥的重要作用。 今天给分享了几个不同场景的园区可视化大屏，都是三维可视化系统，利用了山海鲸自研的3D渲染技术，真实地还原园区的面貌，配图扑智慧交通：数字化地铁大屏管控运维平台
前言 随着城市轨道交通运营规模的迅速扩展和信息化水平的不断提高，地铁车站作为市民出行的服务窗口、是地铁建设的重要基础、是运营管理的基本单元，面对不断加大的客运压力，车站运行管理效率亟待提升，为了最大限度得减少简单的人力投入，充分利用高科技手段提供智慧服务是新时代地铁治理园区三维建模可视化大屏展示提高工作效率-深圳华锐视点
随着5G普及和虚拟技术的发展，三维可视化展示技术应用场景愈发广泛。三维可视化系统依托虚拟现实，ar，物联网等技术，将城市、交通、能源、治安、消防、园区等真实场景的庞杂大数据以三维可视化展示的方式清晰呈现出来，通过感知互联和智慧化，将园区的物理基础设施、信息基础设施、社会VTK: 三维图像处理和可视化利器
VTK在Java, Tcl, Python中都有接口，本文介绍VTK在Python中的接口。VTK (The Visualization Toolkit ) 是一款用于计算机3D成像、构建模型、图像处理、容积渲染、科学数据可视化等方面的免费软件系统，支持Linux, Windows, Mac, Web, mobile devices等平台； 快速上手 pip install vtk第四次课
excel中的vba 可视化的所有操作都可以由vba实现 word的vba word调用excel： ppt中的vba：实验一：SDN 拓扑实践
实验一：SDN拓扑实践 一、实验目的 1.能够使用源码安装Mininet； 2.能够使用Mininet的可视化工具生成拓扑； 3.能够使用Mininet的命令行生成特定拓扑； 4.能够使用Mininet交互界面管理SDN拓扑； 5.能够使用Python脚本构建SDN拓扑。 二、实验环境 Ubuntu 20.04 Desktop amd64 三、实验要求 （一深圳华锐视点：智慧管廊3D大屏可视化平台升级管理手段
随着城市建设越来越智能化，管廊设备及线路越来越多，动环检测数据越来越多，对管廊管理手段面临极大的挑战。智慧管廊可视化三维虚拟检修管控系统集宏观场景、设备及数据进行三维仿真还原和可视化实时呈现，实现日常高效精准的监测、巡检及管理。 智慧管廊可视化三维虚拟检修管控docker可视化工具Portainer部署与汉化
docker可视化工具Portainer部署与汉化 目录docker可视化工具Portainer部署与汉化1、查询当前Portainer镜像，选择start值比较高的2、下载指定portainer镜像3、本次只部署单机版，命令如下5、Portainer的web页面登录Docker系列之搭建Portainer可视化界面 为了更好的观察Docker运行状态，:2018 年长沙平均气温气象数据分析与可视化
import org.apache.hadoop.io.DoubleWritable; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.lib.input.FileSplit; import java.io.IOException; public2018 年长沙天气情况气象数据分析与可视化
import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Mapper; import java.io.IOException; public class Weather14Mapper extends Mapper<LongWritable, Text智慧工厂数字孪生建设方案
一、概述 1、 项目背景 数字化转型是我国经济社会未来发展的必由之路，数字孪生技术作为推动实现企业数字化转型、促进数字经济发展的重要抓手，并在产品设计制造、生产监管、工艺优化、仿真验证起到重要作用。 2、 项目目标 通过多种新一代信息技术手段的应用，最终建立一套符合企业未不要刻薄——我缺少数据
不要刻薄——我缺少数据 您可能像听到您的全名一样经常听到“丢失数据”这个词，对于某些人来说，“丢失数据”这个词会产生与他们的伴侣使用他们的全名时同等程度的恐惧。有些人可能认为他们可以轻松摆脱这种焦虑的局面，但事情总是那么简单吗？ 当您第一次获得数据集时，回到基础总是一个动手实现深度学习（14）：卷积神经网络
11.1 卷积神经网络的实现 传送门： https://www.cnblogs.com/greentomlee/p/12314064.html github: Leezhen2014: https://github.com/Leezhen2014/python_deep_learning 本篇会实现一个名为 SampleNet的简单神经网络，该神经网络会使用到 第九章实现的conv 操作和第十章中实现的在 R 中可视化 OLS 线性回归假设
在 R 中可视化 OLS 线性回归假设 虽然大多数时候以编程方式验证您的模型假设就足够了，但有时将它们可视化会很有帮助。这里有一些快速的方法可以做到这一点。 线性度 Visualizing Linearity 线性可能是最容易可视化的假设，因为您可以简单地使用以下代码片段快速创建散点图。 Visua学算法必去的一个网站
一、学算法必去的一个网站 首先有一个网站那是每一个学习数据结构与算法都必须去的网站，说出来你就知道了，那就是大名鼎鼎的LeetCode。 链接直达：https://leetcode.com/ 中文版长这个样子的：点开探索给你看看 强烈推荐人手一个啊！不骗你！ 二、数据结构可视化网站 接下来就是在你学习数据使用 Python 和 Clickhouse 采样进行大型数据集可视化分析
Visual data analysis with Python and Clickhouse sampling 使用 Python 和 Clickhouse 采样进行大型数据集可视化分析 当您使用 Clickhouse 时，通常意味着使用（至少）数十亿个数据点。同时 Python 数据分析工具（包括 Matplotlib）通常使用内存数据集。为了从 2 个世界中获得最佳效果，我爬虫数据可视化前的环境准备(已安装python环境前提下)
一、requests请求库安装 在桌面右键打开终端输入：pip install requests 二、Beautiful Soup解析库安装 终端输入： Beautiful Soup 4安装：pip install bs4 lxml安装：pip install lxml 三、matplotlib安装 下载miniconda 下载地址：https://docs.conda.io/en/latest/miniconda.html w数据可视化——清晰地传达您的结果
数据可视化——清晰地传达您的结果 在本文中，我将讨论数据可视化并重点介绍 Python 中可用的工具，因为它是该主题上拥有最多种类库的语言。 Photo by KOBU代理商 on 不飞溅 近年来数据可视化变得如此流行是有原因的：它们可以很容易地查看数据中的模式和趋势，如果数据以表格或列表的什么是机器学习？
什么是机器学习？ 参考了网络上的各家说法，一句话概括就是数据学习，机器决策（对应输入和输出）。 机器学习通常解决分类，回归等问题。 1 分类算法&机器学习 一张图概括分类算法流程 原始数据集 探索性数据分析 数据预处理 数据分割（训练和测试） 算法建模 选择机器学习任务 模型结果评估 1生物数据库开发工具GMOD全家桶
GMOD（Generic Model Organism Database） 是专为生物学家创建的开源项目，生物学家用作存储库和工具的交互应用程序和数据库的集合。 连通性是GMOD的关键。生物信息学应用程序和数据库大量产生，但其中许多工具很少使用，因为用户可能缺乏将工具连接到他们数据所需的资源或专业知识。GMOD图扑数字孪生空冷机组，助推智慧电厂拥抱“双碳”
前言 空冷岛是电厂空气冷却装置的一个形象称谓，主要由 56 台风机组成，功能为高温蒸汽降温。 空气冷却装置原理是利用自然界的空气来对工艺流体进行冷凝的大型工业用热交换设备。 其进口为汽轮机排汽，出口为凝结水，冷却介质为环境空气。 此装置可以为电厂循环系统节水高于 50%，帮smile——Java机器学习引擎
资源 https://haifengl.github.io/ https://github.com/haifengl/smile 介绍 Smile（统计机器智能和学习引擎）是一个基于Java和Scala的快速、全面的机器学习、NLP、线性代数、图形、插值和可视化系统。 凭借先进的数据结构和算法，Smile提供了最先进的性能。Smile有很好的文档记录，请查猫眼电影网站电影_时长_数据分析与可视化
import org.apache.hadoop.io.DoubleWritable; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Mapper; import java.io.IOException; public class Movie11Mapper extends Mapper<LongWritable,Tex在 GraphXR 中可视化 Jira
在 GraphXR 中可视化 Jira 作为一家完全远程、分布在全球的公司，我对同事的日常活动的了解有限。他们现在在做什么？谁在支持哪些客户？我们能否找到针对特定问题的合作集群？在各种工作跟踪应用程序（Jira、Airtable、Confluence）之间，很难一目了然地回答这些问题。通过在 GraphXR 中创建和机器学习算法在 IRIS 数据集上的可视化与应用
机器学习算法在 IRIS 数据集上的可视化与应用 五 eri 集由 3 种鸢尾花（Iris Setosa、Iris Virginia、Iris Versicolar）组成，每个品种有 50 个样本，共有 150 个数据。该数据集由英国统计学家和生物学家 Ronald Fisher 在其 1936 年的文章“在毒理学问题中使用多重测量”[1] 中介绍。除