德雷克可视化器 注意：尽管此程序包仍应正常工作，但是活跃的开发已移至 ，它提供了更多功能，并且所涉及的依赖项更为简单。 该软件包为Drake可视化工具提供了Julia界面，该界面是项目的一部分，并基于基础之上构建， 是用于机器人可视化和交互的高度可定制3D界面。 安装 DrakeVisualizer.jl使用尝试自动为您安装适当的Director副本。 在Ubuntu（14.04及更高版本）和macOS上，此软件包将尝试从下载Director的预构建二进制文件。 在其他Linux平台上，它将从源代码编译Director。 如果您想强制Director在任何平台上从源代码构建，只需设置环境变

unity游戏音频可视化插件 Audio Visualizer v2.4.unitypackage

可视化器 用于麦克风或线路输入HTML5音频可视化器。 要求 具有canvas和getUserMedia支持的浏览器。 （当前为Chrome，Firefox，Edge和Opera） 用法 import visualizer from 'visualizer' const options = { // string indicating which container element should hold the visualization. // If specified it will stretch to fit this container's width and height. // If omitted it will assume a full screen visualization and fit to the window. // You may pas

3D寻路算法可视化器 用于一些3D常见寻路算法的可视化工具。 现场演示 可以在找到一个实时交互式演示。 特征 加权和非加权算法 Dijkstra的算法（加权） 寻路算法之父，它创建了从起始顶点（源）到图中所有其他点的最短路径树。 保证最短的路径！ A *搜索算法（加权） 启发式路径查找和图形遍历中使用的最好且最受欢迎的技术之一。 保证最短的路径！ 广度优先搜索（不加重） 该算法从树的根部开始，并在移至下一个深度级别的节点之前探索当前深度的所有邻居节点。 保证最短的路径！ 深度优先搜索（未展开） 该算法从根节点开始，并在回溯之前尽可能沿着每个分支进行探索。 不保证最短的路径！ 迷宫一代 产生迷宫的两种方法： 递归司 随机迷宫 使用的图书馆 Three.js React三根纤维 Tween.js 贡献 欢迎捐款。 请随时进行PR。 项目设置 该项目是通过Create React

leetcode 黑暗模式力码可视化工具 特征 亮/暗模式 难度明智的情节（简单，中等，困难） 类别明智的图（阵列，回溯等...） 完全存在于用户的浏览器中这也意味着，任何人都不会收集任何数据。 计划功能 删除复制粘贴过程 分析提交 将其转换为跨浏览器扩展（以上两个的解决方案） 用法 转到页面。 按照那里的说明进行操作。 技术细节 ReactJS 材质界面 重新图表 本地开发 运行以下命令来设置环境并安装依赖项。 git clone https://github.com/CITIZENDOT/Leetcode-Visualizer.git cd Leetcode-Visualizer yarn install 启动开发服务器。 yarn start 在做 PR 之前，如果你想贡献，请创建一个新分支。 创建一个拉取请求到分支。 贡献 和往常一样，我承诺先批准 Pull Request，然后再审核。 :winking_face:

以下代码允许用户可视化NMEA 0183数据（ https://www.trimble.com/OEM_ReceiverHelp/V4.44/en/NMEA-0183messages_MessageOverview.html ）。 要求用户输入他们希望可视化跟踪卫星的时间。 结果绘制在SKYPLOT上。

h264压缩的源代码，可以用来压缩，基于开园框架，效果很好，可以使用

3D 可视化器 .obj 文件的 3D 可视化工具。

请访问我们的新网站：http://socnetv.org Social Network Visualizer（SocNetV）是一种社交网络分析和可视化应用程序。 您可以绘制社交网络（图形/图）或加载现有的社交网络（GraphML，UCINET，Pajek等），计算凝聚力，中心性，社区和结构等效性指标，并基于演员中心性或声望得分应用各种布局算法（即特征向量，介于两者之间）或在动态模型上（例如，Kamada-Kawai弹簧嵌入器）

路径查找可视化器 使用A star算法的路径查找器 A *算法是查找节点和图形之间最短路径的最成功的搜索算法之一。 最近在我的人工智能学分课程中向我们教授了该算法。 据我了解，A *算法是一种明智的搜索算法。 它使用有关路径成本和启发式方法的信息来找到解决方案。 A *等于最优性和完整性。 什么是启发式？ “启发式功能，也简称为启发式功能，是一种功能，该功能根据可用信息在每个分支步骤中对搜索算法中的替代项进行排名，以决定要遵循的分支。例如，它可以近似精确的解决方案。” g（n）-这表示从起始节点到任何节点n的路径的确切成本。 h（n）-这表示从节点n到目标节点的启发式估计成本。 f（n）-相邻节点中的最低成本。 每次A *进入一个节点时，它都会计算到达所有邻近节点的成本f（n）（n是邻近节点），然后以f（n）的最小值进入该节点。 我们使用以下公式计算这些值： f（n）= g（