VB简易绘图板,实现鼠标画自由曲线、直线、矩形、椭圆、橡皮擦以及无规则异形颜色填充,还支持撤销与重做功能。
2022-04-23 09:00:11 89KB VB绘图板 画曲线 画直线 画矩形
matlab曲线重构代码关于此代码 脚本“ main.m”用于绘制接收器操作特性曲线(ROC曲线)和计算ROC曲线下面积(AUROC) 数字 图1不同筛选方法的ROC曲线和AUROC值我是谁 元重天博士候选医学物理实验室。 -SUMP实验室。 成均馆大学三星健康科学与技术高级研究所(SAIHST)。 延世大学信息与通信工程学士学位。 延世大学放射科学学士学位。 实验室三星医疗中心(医学物理,2014〜) 国家癌症中心(计算机视觉:3D体积重建和跟踪,2013年) Vatech视觉研究中心(CT图像重建,2012年) 兴趣领域医学物理学:蒙特卡罗模拟,开发质量保证工具机器学习::) , 三星医疗中心(06351)韩国首尔江南区爱媛路81号。
2022-04-22 18:11:42 33KB 系统开源
1
考虑单片机资源以及实际工作需要,—般在255个加速台阶内完成达到最高速度的启动、加速全过程,而当实际需要的(最高)速度随每次的执行任务情况变化而改变时,我们在程序设计上就按照工作对象的最高速度计算参数表,在每次启动电机运行前恨据需要行走总步数换算出最高加速台阶数量,基本上按照三个1/3的办法去换算,即1/3的行走步数用于加速,1/3用于保持高速运行,1/3完成从高速到低速的降速停止,实现自动调速。根据实际需要也可以用2/5-1/5-2/5方案调速,使电机完成总步数的时间更短一些,也有时为了保证电机有足够的输出扭矩也可以设定一个最高限止速度参数,用来对换算所得的加速台阶数进行限制,用以防止过高速度引起的电机失步。速度的基本规律是一次运行过程形成一条典型全对称的等腰梯形,而我们的计算其所产生的速度曲线,引入了两个折点,使得在梯形斜坡上略有'S'形修正,这是符合电机特性的加速方法。
2022-04-22 16:42:09 203KB 步进电机 伺服电机 加减速曲线 软件
1
l-曲线矩阵代码多层转移矩阵法 计算由介电垫片,非活性有机吸收剂和金属或介电镜组成的平面微腔的透射,反射和吸收光谱。 观测值是使用传输矩阵(TMM)方法获得的。 概述 使用Chap中的字段规范化约定来实现用于多层结构的传输矩阵方法(TMM)。 HA Macleod的“薄膜光学滤光片”中的第2个(第3版,泰勒和弗朗西斯)。 输入组成微腔结构的层数,其厚度以及所涉及的所有波长上涉及的所有材料的复杂介电功能。 输出对于给定的输入场入射角和场极化(TM或TE),该代码计算感兴趣的频率区域上的透射,反射和吸收光谱。 通过改变入射角获得色散曲线。 Matlab文件夹 文件夹“ matlab”包含示例Matlab代码(Intensidad.m),用于计算具有TDBC吸收层和二氧化硅隔离层的L = 180 nm银色金属微腔的反射率,透射率和吸收率,如下所示: Python文件夹 文件夹“ python”包含可扩展的通用代码,以引入具有用户定义的介电功能的任意数量的介电层。 提供了两个主要的.py脚本:文件“ TMM.py”具有使用文件“ dielectric_functions.py”中定义的函数来计
2022-04-21 23:44:32 125KB 系统开源
1
极点极线在圆锥曲线中的应用
2022-04-21 17:00:19 694KB 高中数学
vb.net 曲线生成,基于VB.NET 2008开发的曲线生成DEMO
2022-04-21 11:36:06 828KB vb.net 曲线
1
在伺服行业,位置规划通常有T型规划和S型规划,T型规划由于加速度不连续,导致冲击过大,在某些应用场景无法使用,需要用到S型曲线规划。S型曲线规划的实现比较复杂,有些采用位置指令滤波的方式,无法设定加速度;有些根据数学公式推导,利用位置和时间的对应关系实现,但是计算量太大,芯片性能跟不上。本资源采用简易的S型规划方法,易于在DSP中实现。
2022-04-21 10:58:46 6KB S型曲线规划
1
QT-Monitor QT嵌入式实现监控,曲线绘制,视频图像显示,tcp/udp通信,Share内存通信等
2022-04-21 10:03:35 2.82MB C++
1
使用LineChart,显示多条曲线
2022-04-20 12:26:10 24.27MB LineChart
1
基于遗传优化的三维路径规划算法输出收敛曲线和三维规划图,matlab2021a运行仿真 三维场景数据保存到excel中,通过matlab自动读取。 xyz = XYZ(id,:); tag = tag(id); alpha1 = 25; alpha2 = 25; beta1 = 20; beta2 = 25; theta = 30; delta = 0.001; m = min([alpha1,alpha2,beta1,beta2]); ds = m / delta; % 两次校正间的最大前进距离