晴空闲云 晴空闲云
3年前
svg中path贝塞尔曲线和圆弧图文详解
最近研究了一下svg的path标签,功能非常强大,理论上来讲path标签可以画出任意图形。自己记性不太好,记录一下path的使用语法和自己的理解。path介绍path用d属性来描述路径,语法格式大概如下:html其中路径描述包含如下命令:Mmoveto移动到某点。Llineto画一条直线到某点。Hhorizontallineto
Irene181 Irene181
3年前
Python编写的桌面图形程序,如何实现版本更新和下载?
在Python中我们有很多种方案来编写桌面图形用户界面程序,譬如内置的Tkinter、强大的PyQt5和PySide2,还有wxPython。借助这些或内置或第三方的模块,我们可以轻松地编写跨平台的桌面图形界面程序。同时,我们还能直接使用PyInstaller、Nuitka、cxFreeze等Python第三方程序打包模块,将编写好桌面图形界面程序打包为
Stella981 Stella981
3年前
Smartbi成功入选Gartner增强数据分析2020代表厂商!
近日,全球权威的顾问咨询公司Gartner发布《HypeCycleforICTinChina,2020》报告(2020年中国ICT技术成熟度曲线报告),思迈特软件Smartbi作为国内极具实力的BI厂商,凭借SmartbiEagle自助数据分析平台,入选增强数据分析代表厂商(AugmentedDataandAnalyticsSample
Wesley13 Wesley13
3年前
ubuntu18.04环境下为UR3配置MoveIt!运动学插件IKFAST(二)
前言昨天已经将OpenRAVE配置好了,接下来就是配置IKFast插件了。ikfast,机器人运动学的编译器,在RosenDiankovOpenRAVE运动规划软件提供,是一个强大的逆运动学求解器。不像大多数的逆运动学求解,ikfast可以求解任意复杂运动链的运动学方程,并产生特定语言的文件(如C)后供使用。最终的结果是非常稳定的解决方
Stella981 Stella981
3年前
Decision Surface
一、深入理解超平面很多讲解支持向量机的文章从一开头就开始讲超平面及其方程,这样对多数没有基础的人来说较难理解,下面将从一维直线讲起,带你逐步过渡理解超平面。例如,下面是一个只有x轴的一维坐标轴,该轴同样存在原点,x轴正方向和x轴反方向,且该轴上分布了很多点:!(https://oscimg.oschina.net/oscnet/2d9
Wesley13 Wesley13
3年前
Ubuntu 安装 ImageMagick 库
ImageMagick介绍ImageMagick是一个用来创建、编辑、合成图片的软件。它可以读取、转换、写入多种格式的图片。图片切割、颜色替换、各种效果的应用,图片的旋转、组合,文本,直线,多边形,椭圆,曲线,附加到图片伸展旋转。ImageMagick是免费软件:全部源码开放,可以自由使用,复制,修改,发布。支持
Wesley13 Wesley13
3年前
dhm
<centerdhmecharts</center    echarts3图表封装,前台ajax通过自定义div属性实现传值,后台通过各种数据适配器自动组装达到图表封装,以实现echarts图表展示,也可以自定义适配器。以及分析预测echarts图表拟合曲线算法。项目地址:https:
Stella981 Stella981
3年前
Jerry的UI5框架代码自学教程
SAPUI5对View元素基于jQuery的操作方式,使得其学习曲线相对Angular/React来说比较平缓,至少对于我个人而言是这样。对于已经有jQuery经验的前端开发人员来说很容易上手。!(https://static.oschina.net/uploads/img/201801/21211708_SfQW.png)使用UI5开发SA
Wesley13 Wesley13
3年前
2020年大学生数学建模A题:炉温曲线
前言比赛完第一天就开始着手写这篇文章,思维可能有点局限性,如果有更好的思路和想法可以评论出来,一起讨论学习。完整所有的题目下载(无需积分):2020数学建模赛题(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fdownload.csdn.net%2Fdownloa
机器学习入门指南
资料获取地址见文末或评论!一、预备知识微积分(偏导数、梯度等等)概率论与数理统计(例如极大似然估计、中央极限定理、大数法则等等)最优化方法(比如梯度下降、牛顿拉普什方法、变分法(欧拉拉格朗日方程)、凸优化等等)二、路线1(基于普通最小二乘法的)简单线性回归线性回归中的新进展(岭回归和LASSO回归)(此处可以插入Bagging和AdaBoost的内容