该文档为基于可视化技术设计实现雷达数据处理软件平台简介资料，讲解的还不错，感兴趣的可以下载看看…………………………
上传时间： 2021-10-23
上传用户：zhaiyawei
该文档为Python三维可视化：SV12-Scipy可视化实例简介资料，讲解的还不错，感兴趣的可以下载看看…………………………
标签： python
上传时间： 2021-11-04
上传用户：kent
战场环境是影响战争胜负走向的关键因素，其中地形是战场环境的主要构成。随着军事技术的变革、精确打击和精确斩首武器的运用，传统二维地图的局限性已经无法满足军事训练和军事指挥方面的需求。而对于当前的三维战场地形，快速进行地形模型构建、地形模型精细化以及海量数据可视化呈现的要求显得越来越高。因此，本文为构建真实的三维战场地理环境及可视化进行了深入研究。本文选用倾斜摄影技术与 Cesium可视化库进行真实三维地形的建立及可视化平台的搭建，以西安工业大学未央校区做为典型应用实例进行城市作战可视化开发。首先，本文介绍了三维实景建模与可视化相关理论；论述了在Web端进行可视化开发的优势；提出了倾斜摄影测量技术对三维战场地形构建时存在的问题及解决办法。其次，本文制定了战场环境多源数据采集方案以及基于 Smart3D多源数据融合建模流程。制作了三维战场地形数据并进行了模型质量分析，包括模型的纹理精度、几何精度和地理坐标精度。确保生成的地形数据满足逼真的可视化视觉效果及地形对地面人员装备的各种干涉作用的真实性最后，本文在前三章的基础上采用BS三层架构的方式，通过 Cesium、HTLM，JavaScript等语言进行战场环境可视化平台的搭建，实现了城市化作战的三维战场环境构建。同时本文基于 Cesium完成了模型单体化和模型驱动等功能本课题对三维战场地形环境构建与可视化研究具有重要意义。本文提出的战场环境构建方法可以运用到各种战场环境的构建，包括山地丘陵的作战地形环境构建、城市反恐作战等。通过可视化平台的加载可以直观、真实了解战场环境。通过模型驱动完成战场中各种演示效果。关键词：多源数据融合；倾斜摄影测量：三维建模；Cesium：三维战场环境可视化：CZML
标签： 数据融合
上传时间： 2022-03-17
上传用户：
最好用的UCINET经典版本，可视化输出网络关系图
标签： Ucinet
上传时间： 2022-07-29
上传用户：
Ma tla b 是当今使用最为广泛的数学软件，它具有相当强大的数值计算、数据处理、系统 分析、图形显示、甚至符号运算功能，是一个完整的数学平台，但是它不能实现端口操作和 实时控制Borland C + +Builder是一种新颖的可视化编程语言，可方便实现交互界面、数据 采集和端口操作等，但是它在数值处理分析和算法工具等方面，效率远远低于Matlab语言
上传时间： 2014-01-24
上传用户：牛津鞋
(1) 、用下述两条具体规则和规则形式实现.设大写字母表示魔王语言的词汇 小写字母表示人的语言词汇 希腊字母表示可以用大写字母或小写字母代换的变量.魔王语言可含人的词汇. (2) 、B→tAdA A→sae (3) 、将魔王语言B(ehnxgz)B解释成人的语言.每个字母对应下列的语言.
上传时间： 2013-12-30
上传用户：ayfeixiao
心音信号是人体最重要的生理信号之一，包含心脏各个部分如心房、心室、大血管、心血管及各个瓣膜功能状态的大量生理病理信息。心音信号分析与识别是了解心脏和血管状态的一种不可缺少的手段。本文针对目前该研究领域中存在的分析方法问题和分类识别技术难点展开了深入的研究，内容涉及心音构成的分析、心音信号特征向量的提取、正常心音信号（NM）和房颤（AF）、主动脉回流（AR）、主动脉狭窄（AS）、二尖瓣回流（MR）4种心脏杂音信号的分类识别。本文的工作内容包括以下5个方面： a）心音信号采集与预处理。本文采用自行研制的带有录音机功能的听诊器实现对心音信号的采集。通过对心音信号噪声分析，选用小波降噪作为心音信号的滤波方法。根据实验分析，选择Donoho阈值函数结合多级阈值的方法作为心音信号预处理方案。 b）心音信号时频分析方法。文中采用5种时频分析方法分别对心音信号进行了时频谱特性分析，结果表明：不同的时频分析方法与待分析心音信号的特性有密切关系，即需要在小的交叉项干扰与高的时频分辨率之间作综合的考虑。鉴于此，本文提出了一种自适应锥形核时频（ATF）分析方法，通过实验验证该分布能较好地反映心音信号的时频结构，其性能优于一般锥形核分布（CKD）以及Choi-Williams分布（CWD）、谱图（SPEC）等固定核时频分析方法，从而选择自应锥形核时频分析方法进行心音信号分析。 c）心音信号特征向量提取。根据对3M Littmann（） Stethoscopes[31]数据库中标准心音信号的时频分析结果，提取8组特征数据，通过Fihser降维处理方法提取出了实现分类可视化，且最易于分类的心音信号的2维特征向量，作为心音信号分类的特征向量。 d）心音信号分类方法。根据心音信号特征向量组成的散点图，研究了支持向量机核函数、多分类支持向量机的选取方法，同时，基于分类的目的 性和可信性，本文提出以分类精度最大为判断准则的核函数参数与松弛变量的优化方法，建立了心音信号分类的支持向量机模型，选取标准数据库中NM、AF、AR、AS、MR每类心音信号的80组2维特征向量中每类60组数据作为支持向量机的学习样本，对余下的每类20组数据进行测试，得到每类的分类精度（Ar）均为100％，同时对临床上采集的与上述4种同类心脏杂音信号和正常心音信号中每类24个心动周期进行分类实测，分类精度分别为：NM、AF、MR的分类精度均为100％，而AR、AS均为95．83％，验证了该方法的分类有效性。 e）心音信号分析与识别的软件系统。本文以MATLAB语言的可视化功能实现了心音信号分析与识别的软件运行平台构建，可完成对心音信号的读取、预处理，绘制时-频、能量特性的三维图及两维等高线图；同时，利用MATLAB与EXCEL的动态链接，实现对心音信号分析数据的存储以及统计功能；最后，通过对心音信号2维特征向量的分析，实现心音信号的自动识别功能。 本文的研究特色主要体现在心音信号特征向量提取的方法以及多分类支持向量机模型的建立两方面。 综上所述，本文从理论与实践两方面对心音信号进行了深入的研究，主要是采用自适应锥形核时频分析方法提取心音信号特征向量，根据心音信号特征向量组成的散点图，建立心音信号分类的支持向量机模型，并对正常心音信号和4种心脏杂音信号进行了分类研究，取得了较为满意的分类结果，但由于用于分类的心脏杂音信号种类及数据量尚不足，因此，今后的工作重点是采集更多种类的心脏杂音信号，进一步提高心音信号分类精度，使本文研究成果能最终应用于临床心脏量化听诊。 关键词：心音信号，小波降噪，非平稳信号，心脏杂音，信号处理，时频分析，自适应，支持向量机
上传时间： 2013-04-24
上传用户：weixiao99
目前国内井下水泵电机多数采用传统的人工进行控制，即人工加继电器进行控制的方法。这种方法控制线路复杂，设备运行的自动化程度低，可靠性差，工人劳动强度大，应急能力差等缺点。针对当前国家对煤矿企业安全生产要求的不断提高和企业自身发展所遇到的实际问题，研制了基于ARM的煤矿井下水泵电机网络监控系统，不仅可以完成水位检测、轴温检测、流量检测、水泵起动、停止及其过程控制，而且还可以进行数据传输、处理等工作。它具有以下特点：水位实时在线检测与显示；水泵启动与停止控制；多台水泵实时“轮班工作制”；根据涌水量大小和用电“避峰就谷”原则，控制投入运行的水泵台数；与监控中心联网，实行集中控制。 本文所设计的监控系统由监控中心、监控终端和远程访问三部分组成，分别介绍了监控系统的硬件设计、电机保护算法设计、系统通讯网络的设计和监控系统软件的设计。 监控系统的硬件设计主要针对监控终端的硬件设计，它采用S3C440X作为监控终端的处理芯片。根据监测的主要参数如水泵电机电流、电压、水泵开停状态、电机温度、井底水仓水位、水泵出口流量的实际特点，通过ARM芯片的快速处理运算能力，实时计算出水泵的三相有功功率和无功功率、功率因数等参量，井底水仓的水位和水泵出水口的流量、水泵的三相电压和电流准确值。把处理运算的结果通过以太网传到监控中心进行存储、显示和打印，同时监控中心根据传上来的结果进行判断，然后根据判断的情况确定是否需要给监控终端发送控制命令。 电机保护算法设计方面，主要针对系统数据采集的特点，对相电流、相电压进行交流信号采样。对采样后的数据运用快速傅立叶变换（FFT）进行数值计算，获得了高精度的测量。 系统通讯网络的设计主要针对系统两层通讯网络的协议进行分析与设计。监控中心软件采用基于Basic的可视化的程序设计语言Visual Basic6．0进行开发。客户端利用计算机网络技术，使用B/S模式远程实现对系统运行数据的传输，以便可以查询实时数据和历史数据，实现资源共享。
上传时间： 2013-06-25
上传用户：q123321
M AT L A B是一个可视化的计算程序，被广泛地使用于从个人计算机到超级计算机范围内 的各种计算机上。 M AT L A B包括命令控制、可编程，有上百个预先定义好的命令和函数。这些函数能通过 用户自定义函数进一步扩展。 M AT L A B有许多强有力的命令。例如， M AT L A B能够用一个单一的命令求解线性系统， 能完成大量的高级矩阵处理。 M AT L A B有强有力的二维、三维图形工具。 M AT L A B能与其他程序一起使用。例如， M AT L A B的图形功能，可以在一个 F O RT R A N 程序中完成可视化计
上传时间： 2013-04-24
上传用户：xinshou123456
* 高斯列主元素消去法求解矩阵方程AX=B,其中A是N*N的矩阵,B是N*M矩阵 * 输入: n----方阵A的行数 * a----矩阵A * m----矩阵B的列数 * b----矩阵B * 输出: det----矩阵A的行列式值 * a----A消元后的上三角矩阵 * b----矩阵方程的解X
上传时间： 2015-07-26
上传用户：xauthu
