可视化技术

javabean的理解

吃可爱长大的小学妹 提交于 2019-12-06 08:00:40
javaBean 编辑 本词条由 “科普中国”科学百科词条编写与应用工作项目 审核 。 JavaBean 是一种JAVA语言写成的可重用组件。为写成JavaBean,类必须是具体的和公共的,并且具有无参数的 构造器 。JavaBean 通过提供符合一致性设计模式的公共方法将内部域暴露成员属性,set和get方法获取。众所周知,属性名称符合这种模式,其他Java 类可以通过自省机制(反射机制)发现和操作这些JavaBean 的属性。 中文名 Javabean 外文名 Javabean 类 别 Java组件 模 型 软件组件模型 目录 1 概述 2 功能特点 3 组成 4 特征 5 优点 6 开发环境 ▪ 设计环境 ▪ 运行环境 概述 编辑 JavaBean是一种可重用的Java组件,它可以被Applet、Servlet、SP等Java应用程序调用.也可以可视化地被Java开发工具使用。它包含属性(Properties)、方法(Methods)、事件(Events)等特性。 JavaBean是一种软件组件模型,就跟ActiveX控件一样,它们提供已知的功能,可以轻松重用并集成到应用程序中的java类。任何可以用Java代码创造的对象都可以利用JavaBean进行封装。通过合理的组织具有不同功能的JavaBean,可以快速的生成一个全新的应用程序,如果将这个应用程序比作一辆汽车

分享数百个 HT 工业互联网 2D 3D 可视化应用案例

半世苍凉 提交于 2019-12-03 04:54:13
在 2018 到 2019 年,我们认为是国内工业互联网可视化的元年, 图扑软件 作为在工业可视化领域的重度参与者,一线见证了众多 HTML5/Web 化、2D/3D 化的项目在工业界应用落地,我们觉得有必要在此分享下过去一年,基于 HT 实施的数百个工业互联网 2D 3D 可视化应用案例,希望能激发行业和学术工作者对可视化的深度思考,为推进国内工业互联网发展出份薄力。 数百个工业互联网2D/3D可视化案例集: http://www.hightopo.com/demos/index.html 提到工业互联网往往会涉及:物联网、IoT、5G、数字孪生、边缘计算、PaaS平台、SaaS应用、产业互联网、互联网+、工业4.0、智慧城市、智慧园区、智慧楼宇、智能制造等概念,但本文将围绕可视化的话题,围绕更基础的 HTML5/WebGL/WebVR 等底层技术,我们觉得业界还没达到智能化、平台化的成熟阶段,走得太快即使是 GE Predix 也会从明星变流星,了解垂直行业需求,采集足够多有效数据,做好实时的、稳定的、美观的、Web 化的 2D 和 3D 数据可视化呈现,是工业互联网需要走好的第一步。 3D城市建筑群: http://www.hightopo.com/demo/intelligent-city/entry/dest/index.html 3D动车站: https:/

PCL 可视化(写的很好)

匿名 (未验证) 提交于 2019-12-03 00:27:02
可视化(visualization)是利用计算机图形学和图像处理技术,将数据转换图像在屏幕上显示出来,并进行交互处理的的理论,方法和技术, pcl_visualization库建立了能够快速建立原型的目的和可视化算法对三维点云数据操作的结果。类似于opencv的highgui例程显示二维图像,在屏幕上绘制基本的二维图形,库提供了以下几点: (1)渲染和设置视觉特性的方法(如颜色、大小、透明度等)在PCL任意n维的点云数据集pcl::PointCloud<T> format (2)在屏幕上绘制基本的3D形状的方法(例如,圆柱体,球体,线,多边形等),无论是从点集或参数方程; (3)一个直方图可视化模块(pclhistogramvisualizer)的二维图; (4)大量的几何和颜色处理pcl::PointCloud<T> datasets pcl::RangeImage . pcl::visualization::CloudViewer CloudViewer实现创建点云可视化的窗口,以及相关的可视化功能 Public Member Functions CloudViewer ~CloudViewer showCloud ColorCloud::ConstPtr 可视化窗口显示cloud对应的点云,考虑到多个点云用键值cloudname来限定是哪一个点云 wasStopped

写博客的初衷

偶尔善良 提交于 2019-12-02 15:23:01
统计专业毕业后从事“数据”这个岗位算算也有接近3年半了,期间涉猎过不少不同属性的数据岗位,包括业内人常谈及的 :表哥表姐、提数员、数仓管理员、业务数据分析、查询语句性能优化、BI可视化等。基本数据岗位的各种岗位都做过了。 人都说,要学会复盘,学会从过去做过的事提取更多有价值的东西,让自己前进 所以拖了很久要写博客这个事情,下决心要写了,可能我写的东西,在很多地方都能找到,但我重点并不是支零破碎的技术点或者理论。我想要把整套从最原始的日志清洗,到如何定时存储到数据,再如何利用BI工具可视化呈现到最终的页面。当然在工作中涉及的一些有趣的开发工具,比如 “敏感性分析模拟器”、“docker部署使用“等也会在博客一一记录详细过程。 我相信,分享能让我进步,如果能帮助到有过一样问题的朋友,也是不错的,我没有什么太多功利方面的想法,初衷就是帮助自己平静下来,好好归纳总结自己的技术和技能点,或者说经验吧,以及日常工作可以使用的东西 目前想要写的文章系列初步敲定为 1.日志清洗到数据存储到最后可视化一整套(包括如何部署到服务器,如何设置定时任务平台,如何配置可视化平台,如何将可视化平台与前端页面结合等) 2.机器人数据分析和效率提升点总结(会更多借鉴其他优秀分析师的观点,加以总结) 3.工具使用(定时任务平台、Tableau可视化平台、Docker部署使用) 4.最后给自己的是一个任务列表

[译]Multi-View Stereo: A Tutorial(3)

孤者浪人 提交于 2019-11-28 16:34:47
chapter 3 基于图像一致性的三维重建 基于第二章的图像一致性算法,本章将会详细介绍最近几年流行的多视角立体几何算法。区分MVS算法有许多因素,例如图像一致性函数,场景表达,可视化计算和初始化条件。因此提出一个单独的分类并不容易。本文将会依据输出的场景表示方法作为主要分类方式。因为它决定了应用的场景,有兴趣的读者可以参考[165]查看mvs算法的分类方法。 Fig3.1 表示4种常用的表示方法:深度图、点云、体素场、mesh面片,本章将会介绍每种重建算法的state-of-the-art 方法。点云重建方法的渲染方式是采用基于点的渲染技术[160,83],展示了一个完整的纹理渲染模型,但是点云模型仅仅是独立的带颜色的3D点;体素场常用于计算机视觉和计算机图形学表示3D平面,常将体素场当成距离一个平面的带符号的距离函数,该平面是函数场的零势面。 Fig3.2表示MVS算法的重建步骤和中间或者最终几何形态类型,许多MVS算法集中于单个重建步骤,然而有些将多个步骤组合成操作管线,本表表达了大多数MVS算法/系统,除了一种算法-直接通过图像一致性体素构建mesh,通过体素融合方法[190,102],在这个方法中,图像一致性体素替换了点云图或者深度图。 当然有许多过去开发的算法再这里没有列举出来,例如level-set方法,level-set曾经在MVS算法中非常流行

经典卷积神经网络 之 ZFNet

柔情痞子 提交于 2019-11-28 08:18:04
ZFNet 时间: 2013年 出处: Matthew D.Zeiler 和 Rob Fergus (纽约大学)2013年撰写的论文: Visualizing and Understanding Convolutional Networks 目的: AlexNet的提出使得大型卷积网络开始变得流行起来,但是人们对于CNN网络究竟为什么能表现这么好,以及怎么样能变得更好尚不清楚,因此为了针对上述两个问题,提出了一个新颖的可视化技术,“理解”中间的特征层和最后的分类器层,并且找到改进神经网络的结构的方法 做法: 使用反卷积(Deconvnet),可视化特征图(feature map) 通过Deconvnet技术,可视化Alex-net,并指出了Alex-net的一些不足,最后修改网络结构,使得分类结果提升 与AlexNet相比,前面的层使用了更小的卷积核和更小的步长,保留了更多特征 成就: ZFNet是2013年ILSVRC的冠军 贡献: CNN领域可视化理解的开山之作,作者通过可视化解释了为什么CNN有非常好的性能、如何提高CNN性能,然后进行调整网络,提高了精度 论文主要贡献如下: 特征可视化 使用反卷积,可视化feature map 通过feature map可以看出,特征分层次体系结构 前面的层学习的是物理轮廓、边缘、颜色、纹理等特征,后面的层学习的是和类别相关的抽象特征

如何设计出高端大气、有黑科技感的可视化大屏?

自作多情 提交于 2019-11-28 07:22:02
只要一提起可视化,很多人第一个想到的,肯定就是火得一塌糊涂的大屏了。 从我身边很多从事可视化的朋友来看,越来越多的公司都将可视化大屏作为企业数据工作展示的“高级手段”和“对外平台”,这就苦了这些做大屏的人,甚至造成很多IT人最怕听到老板的一句话就是:“ 给我做一个高端大气的可视化大屏! ” 其实,可视化大屏不仅是要在视觉上美观炫酷和与数据契合的科技感,更重要地是突出重点数据,做到美观性与实用性共存的效果。我之前也曾经在一个团队里为公司做过可视化大屏,经历了与需求方的不断交涉、修改,最终做出了几张比较满意的大屏: FineReport 大屏 FineReport 大屏 FineReport 大屏 这样的大屏不仅拥有着高端的科技感,而且都是经过了多次的版面设计和修改,这次大屏效果在同行业内部交流过程中反响不错,在这次大屏的开发过程中,我亦总结了一些独家的大屏技巧略作分享。 做大屏的一点经验分享 首先要说一下我们制作大屏使用的工具—— FineReport 10.0 ,是采用最新的可视化大屏图表,默认采用深色背景+荧光配色,非常符合浸入式的大屏体验;而且能根据图表类型和数据要求,提供 '轮播'或'刷新'两种动画形式,能够满足不同场景下的业务需求。 同时FineReport10.0最厉害之处,在于它基于webgl等技术,对动画不断优化调整,能让做出来的效果更加简洁炫酷。 通用的大屏设计原则