d3-force-sampled
该模块包括d3.forceManyBodySampled() ，这是排斥力算法的更快版本。 该模块具有零依赖性。 在实践中， d3.forceManyBodySampled()可以比 D3 的forceManyBody()平均快 2.9 倍计算力导向图布局，后者基于。 它可以在不降低结果图形布局的情况下实现这一点。
该模块使用随机顶点采样 (RVS) 算法。 Barnes-Hut 近似和快速多极方法都使用空间树来计算图中每个顶点或节点上的近似力。 这意味着它们的运行时间为 O(|V| log(|V|)) 并且需要 O(|V| log(|V|)) 空间来使用 |V| 顶点。 相比之下，RVS 的运行时间为 O(|V|) 并且需要 O(|V|^(3/4)) 辅助空间，或总体上需要 O(|V|) 空间。 有关算法的详细信息，请参阅或以获取简化说明。
有关加
2022-11-23 21:24:38
519KB
1
摘要针对网络热点事件舆论分析的需求研究了开放式参与式的网络信息扩散模式下网络中用户之间的新型互动行为及其在热点事件传播过程中的时空特征利用网络数据挖掘技术通过对
2022-11-03 10:45:07
294KB
1
到目前为止的工作：
我能够解析简单的 pcap 文件并将流信息传递给 R。有一些棘手的数据包头（例如 802.1q VLAN 和其他）我还无法解析。 R 接口的工作原理如下： read_pcap_file(filename, print_debug_info) 这将创建在 C 世界中可用的流表。 我现在只支持解析 1 个 pcap 文件。 get_flow_table() 这会打印每个流带有 flow_id 的流表。 flow <- get_flow_info(flow_id) 这会在 R 中为特定流创建流数据帧。 作为如何访问/绘制流信息的示例，我提供了两个函数 plot_flow_initiator_seq (flow) & plot_flow_responder_seq (flow)
这些在 x 轴上绘制时间戳，在 y 轴上绘制 tcp 序列 num，用于流的两个方向（发起者 =
2022-10-20 22:30:08
7KB
1
【超实用课程内容】
深度学习在图像处理领域的发展过程； 解析经典的卷积神经网络； 垃圾分类实战。本课程将使用Pytorch深度学习框架进行实战，并在ubuntu系统上进行演示，包括：不同标注文件下的数据集读取、编写卷积神经网络、训练垃圾分类数据集、测试训练网络模型、网络可视化、性能评估等。 【课程如何观看？】
PC端：https://edu.csdn.net/course/detail/26295
移动端：CSDN 学院APP（注意不是CSDN APP哦）
【学员专享增值服务】
源码开放
课件、课程案例代码完全开放给你，你可以根据所学知识，自行修改、优化
下载方式：电脑登录https://edu.csdn.net/course/detail/26295，点击右下方课程资料、代码等打包下载
2022-03-01 17:57:26
2GB
1
netcdf-vis
netcdf-vis是一个Web应用程序，可提取netCDF数据并将其可视化在网络地图上。
现场演示： :
使用应用程式
该应用程序为用户提供了带有温度和风数据叠加层的交互式传单网络地图。
可以从右上角的控制面板切换叠加图和底图。
建造和发射
克隆netcdf-vis存储库
git clone https://github.com/samFredLumley/netcdf_vis
cd netcdf-vis/app
该应用程序必须在Web服务器上运行。 例如，使用 ：
http-server
然后在浏览器中转到：
http://127.0.0.1:8081
自定义netCDF数据
要为应用程序配置自定义netCDF数据，必须将netCDF文件添加到data/netcdf目录并编辑data/netcdf2.py 。
最好使用IPython Noteboo
2021-10-24 15:51:30
536KB
1
此函数仅对作为 EEGLAB 一部分的原始 topoplot.m 函数稍加修改。 我在将 topoplot 函数修改为 topoplot_connect 时使用了 EEGLAB v6.01b。 主要目的在所附屏幕截图中进行了直观的总结。
我在杜克-新加坡国立大学医学院认知神经科学实验室开发一种用于隔离大脑中瞬态任务诱导网络的方法时使用了 topoplot_connect 函数。 可以在脚本中包含的图形中直观地总结这个想法。
要在 MATLAB 中查看帮助，请在命令提示符下键入以下内容 >> showdemo pn_tc_demo
我的connected topoplot博客条目位于http://praneethnamburi.wordpress.com/2011/08/18/connectedtopoplot/
如果您有兴趣了解更多信息，或者对此功能有意见、建议和/或要求，请给我
2021-10-08 11:20:11
136KB
1
现有智慧工地产品以BIM及IOT为核心打造，难以满足建筑行业日新月异的发展及管理需要。基于目前智慧工地发展水平，建筑企业提出了“全时段安全管理”及“全周期质量监测”的新愿景。针对建筑企业的新需求进行细化，总结为实时化，可视化，多元化，智慧化，便捷化。由于工地环境复杂多变，有线网络部署繁杂、无线网络不稳定，导致智慧工地无法实现真正升级；承载大量新技术的“新型智慧工地”发展，需稳定可靠低时延、易部署的连通网络。
2021-06-06 20:01:39
50.22MB