艾玛 Emma内存和Mapfile分析器（Emma） 基于任意链接器映射文件进行静态（即，最坏情况）的内存消耗分析。 它会生成大量的.csv文件，这些文件易于过滤和后期处理。 可选的.html和markdown报告以及整洁的数字可以帮助您可视化结果。 给定一个地图文件输入（默认为Green Hills地图文件，但其他配置文件（例如GCC）通过配置选项支持；随附示例）Emma map s到内存的部分（即图像）和/或对象（即模块）的地址区域（在编译时必须知道通过映射文件指定的所有地址）。 这些存储器区域分别被分为两个级别的粒度。 第一级根据您的个人喜好定义任意组（但是，使用与您的微控制器供应商定义的名称相似的名称最有意义）。 之后，将这些区域中的每个区域（第二级）分配给四个广义的预定义存储区域之一（这些区域是： INT_RAM ， INT_FLASH ， EXT_RAM ， EXT_FL

isomap降维matlab代码通过保留距离的期望实现数据可视化 介绍 这个Matlab软件包在降维方面实现了机器学习算法。 它是完全用Matlab语言编写的。 有一个外部依赖关系和更快的-SVD，在此软件包中，C ++附带了benn mex。 注意：此软件包需要Matlab R2018b或更高版本。 为了便于处理此代码，建议您下载。 该演示中的一些玩具 filenames = { ' Circle ' , ' two_moon ' , ' tree_300 ' , ' Spiral ' , ' three_clusters ' , ' DistortedSShape ' }; 比较val的方法如下 'Isomap', 'LLE', 'Laplacian', 'MVU', 'CCA', 'LPP', 'NPE', 'LLTSA' 聚类结果 载入中

VizTracer VizTracer是一个低开销的日志记录/调试/概要分析工具，可以跟踪和可视化您的python代码执行。 您可以查看多个示例程序的结果。 用户界面由。 使用“ AWSD”进行缩放/导航。 单击“？”可以找到更多帮助。 在右上角。 强调 时间轴上带有源代码的详细功能进入/退出信息 超级易于使用，大多数功能无需更改源代码，无软件包依赖性 可选功能过滤器，可忽略您不感兴趣的功能 自定义事件，以记录和跟踪随时间变化的任意数据 使用RegEx记录任意功能/变量，无需更改代码 具有强大的前端或兼容chrome的json的独立HTML报告 适用于Linux / MacOS / Windows 安装 首选的安装VizTracer的方法是通过pip pip install viztracer 基本用法 命令行 假设您有一个要运行的python脚本： python3 my_scri

matlab-rrt-variant：具有可视化功能的2d和3d c空间已实现RRT *，RRT连接，惰性RRT和RRT扩展

D3.js数据可视化项目[视频] 这是发布的的代码存储库。 它包含从头到尾完成视频课程所需的所有支持项目文件。 关于视频课程 如果您要创建沉浸式且有趣的数据可视化项目，那么D3.js是适合您的工具。 它简化了将任意数据绑定到文档对象模型的核心要求，然后将数据驱动的转换应用于文档。 该视频将向您展示D3.js的强大功能以及它可以处理的众多应用程序域。 在课程结束时，您将具有足够的专业知识和信心，可以使用D3.js创建任何类型的数据可视化应用程序 您将学到什么 在本地开发环境中启动并运行以创建D3.js可视化文件 掌握D3.js常规更新模式，并了解如何将其用于将数据映射到可视元素 使用D3.js创建图表，包括线条，条形图，散点图，区域，组合条形图，堆积条形图，饼图和甜甜圈 使用轴，标签，标题，图例等增强图表 使用动画突出显示数据更改 允许用户使用鼠标或触摸与数据进行交互 说明和导航 假设知识

数据可视化-矿物元素 按组可视化矿物中不同元素的数量分布。 在访问已部署的应用程序。 本应用程序中使用的数据是从收集的。 安装 克隆master分支，然后在项目目录中运行以下脚本： npm install安装相关的依赖项 npm start应用 资源 描述 链接 React-用于构建用户界面JavaScript库 D3.js-数据可视化库 d3-force-模拟物理力的D3模块 使用create-react-app创建 此应用是使用，请参阅使用指南

使用D3.js进行工资报告虚拟化 该报告的数据于2017年12月，2018年12月和2019年12月从欧洲IT社区收集。特别感谢提供了出色的数据集！ 演示版 。 数据集 电子表格中提供了用于绘图的数据： 可用的虚拟化列表 饼形图 可用的分组：性别，城市，资历，语言，公司类型，公司规模； 工具提示显示组中薪资的均值，中位数，第一四分位数和第三四分位数； 条形图 按性别和薪资范围分组的回答； 工具提示显示平均薪水，年度变化以及组中受访者总数的百分比/份额； 箱形图 可用的X轴选项：薪水，加薪 可用的y轴选项：性别，城市，资历，语言，公司类型，公司规模，总经验； 工具提示显示组中薪水的平均值，中位数，第5个百分点，第1个四分位数，第3个四分位数和第95个百分点； 散点图 按性别着色的回答； 缩放和拖动坐标平面； 工具提示包含完整的响应信息。 词云 特征 使用侧面板过滤器按城市，

Dijkstra的A *算法可视化 以路径查找可视化的形式对Dijkstra的A *算法的原始理解。 在较早的存储库中，我以pygame窗口的形式可视化了路径查找算法，并带有python脚本（可在找到）。 为了以Web格式查看可视化效果，我创建了一个React Web应用程序，该应用程序展示了该算法以及更精美的动画。 这个怎么运作 以下附件是网站的图片，并附有说明和与之配套的网络应用功能的详细概述。 下面是游戏板的图片，以及路径的起点和终点。 下图是用户在启动算法之前通过鼠标输入提交的示例障碍路线的图片。 下图是实际算法的图片，该算法计算了两个节点连接的最短路径。 最后，这是最终产品的图像，即两个节点之间的最短路径 利用的依存关系 React（JSX） Javascript（用于算法后端） 迪克斯特拉的算法

克劳斯特里 在进行聚类分析时，决定使用哪种分辨率可能是一个难题。 解决此问题的一种方法是查看样本如何随着簇数的增加而移动。 该软件包允许您生成聚类树，这是一种可视化的视图，用于在分辨率提高时询问聚类。 安装 您可以使用以下方法从CRAN安装clustree的发行版： install.packages( " clustree " ) 如果要使用可以使用remotes软件包从GitHub安装的开发版本，请执行以下操作： # install.packages("remotes") remotes :: install_github( " lazappi/clustree@develop " ) 要构建小插图，请使用： # install.packages("remotes") remotes :: install_github( " lazappi/clustree@develo

DFT的matlab源代码快速傅立叶变换可视化 使用OpenCL用C ++编写的程序，以学习如何在不同信号上使用FFT 这是什么？ 应用程序创建主要用于OpenCL学习目的。 适用于正向和反向或谐波或多谐波信号。 用数学符号表示： DFT和逆DFT X(j) = ∑ x(i) * e +2πij/N / N X(j) = ∑ X(i) * e -2πij/N 创建于： 和 v1.2 如何建造 要求： OpenGL> = 4.2，否则： 在）中更改kOpenGlVersion和kGlslVersion 更改API版本 支持C ++ 20标准的C ++编译器 CMake的> = 3.15 否则，请尝试更改VERSION 已安装的库 安装的OpenCL环境： 对于AMD — 对于Nvidia — 对于英特尔— 警告！：项目依赖项将近100 MB 使用子模块克隆项目（选择存储库之一）： git clone https://github.com/ValeryKameko/fast-fourier-transform-visualization --recurse-submodules git c