可用于UnityVR开发，3D游戏开发，高清天空盒子Skybox素材，游戏环境背景素材，无水印。
让你身临其境的天空盒子，各类题材丰富，都是辛苦搜罗所得的高清exr格式，可以直接用于Unity开发，特别是VR游戏的开发。
内景、外景、城市、乡间、日出，夜晚，欧式宫殿，中式园林，应有尽有，可以在我的下载频道选择需要的下载。
注意，由于是高清，所以体积较大（大的可以达到500M），请下载前预留合适的空间。
使用方法：
1-导入Unity后将图片的Shape转换成cube形式，
2-创建空Material，并转换成Cube/skybox形式，
3-将图片拖入新建的SkyboxMaterial，
4-用刚创建的Material代替项目中原本的系统默认Skybox
2022-06-26 19:08:55
255.71MB
可用于UnityVR开发，3D游戏开发，高清天空盒子Skybox素材，游戏环境背景素材，无水印。
让你身临其境的天空盒子，各类题材丰富，都是辛苦搜罗所得的高清exr格式，可以直接用于Unity开发，特别是VR游戏的开发。
内景、外景、城市、乡间、日出，夜晚，欧式宫殿，中式园林，应有尽有，可以在我的下载频道选择需要的下载。
注意，由于是高清，所以体积较大（大的可以达到500M），请下载前预留合适的空间。
使用方法：
1-导入Unity后将图片的Shape转换成cube形式，
2-创建空Material，并转换成Cube/skybox形式，
3-将图片拖入新建的SkyboxMaterial，
4-用刚创建的Material代替项目中原本的系统默认Skybox
2022-06-25 22:05:10
348.77MB
研究了无标度网络中的公共物品博弈行为受网络节点异质性以及噪声的影响。通过数值模拟,发现节 点的异质性有利于网络中合作的涌现,而噪声对博弈行为的影响还取决于其它因素。
2022-06-25 18:59:40
727KB
1
插件描述：Photo Sphere Viewer是一款基于Three.js的360X180度全景图预览js插件。演示地址：http://www.jq22.com/jquery-info10782
2022-06-25 11:33:46
515KB
1
（信息技术）信息技术设备的抗扰度 信息技术设备的抗扰度 傅诺毅 随着人民生活水平的提高和科学技术的进步，越来越多的电子产品进入社会生活的各个 角落。电子设备的急剧增加，使得电磁环境日趋恶化，产生了新型的环境污染――电磁污 染。因此，国际电工委员会规定了各种电子设备的最大发射电平限值，但另外壹方面， 电子设备也必须具备壹定的抗干扰能力，这就是所谓的电磁兼容问题。 简而言之，电磁兼容通常包括俩个方面：电磁骚扰和抗干扰。电磁骚扰是指设备发出的 骚扰信号引起其它设备性能的下降；抗干扰是指设备耐受外来干扰的能力。对于电子设 备来说，电磁骚扰和抗干扰是相互依存的。如果某种设备的电磁骚扰指标很好，全部低 于发射限值，可是它的抗干扰能力却很差，那么它跟别的设备壹起使用时，仍然有可能 产生电磁兼容问题。下面我们用图1形象地画出电磁兼容的几个重要的电平之间的关系。 以微型电子计算机为代表的信息技术设备越来越普及，它们的电磁兼容问题也越来越 为人们所关注。例如：当我们使用计算机的同时用手机通话，经常发现显示器画面发生 抖动，这是手机的射频电磁场引起的；雷雨过后，我们也许会听说朋友家里的调制解调 器坏了，不能
2022-06-24 11:02:38
1005KB
短文本聚类在数据挖掘中发挥着重要的作用,传统的短文本聚类模型存在维度高、数据稀疏和缺乏语义信息等问题,针对互联网短文本特征稀疏、语义存在奇异性和动态性而导致的短文本聚类性能较差的问题,提出了一种基于特征词向量的文本表示和基于特征词移动距离的短文本聚类算法。首先使用Skip-gram模型(Continuous Skip-gram Model)在大规模语料中训练得到表示特征词语义的词向量;然后利用欧式距离计算特征词相似度,引入EMD(Earth Mover's Distance)来计算短文本间的相似度;最后将其应用到Kmeans聚类算法中实现短文本聚类。在3个数据集上进行的评测结果表明,效果优于传统的聚类算法。
2022-06-23 11:19:25
1.18MB
1
句子相似度簇
sensim_cluster使用Levenshtein距离计算文本数据（来自文件）的相似度，并对结果进行聚类（分层聚类）。 聚类结果以树状图显示。
用法
准备数据文件
在下面运行该程序
# -*- coding: utf-8 -*-
import sys
from sensim_cluster . sensim_cluster import SensimCluster
from matplotlib import pyplot as plt
from scipy . cluster . hierarchy import dendrogram
cluster = SensimCluster ( 'YOUR_DATAFILE_PATH' )
ids = cluster . get_ids ()
result = cluster . ward ()
mod_ids = [ id [
2022-06-22 11:54:46
13KB
1