- 综合排序
- 最热优先
- 最新优先
- 来自专栏CSDN技术头条
下一代计算：空间计算
在空间数据库出现前，由于2D空间数据与1D数据类型，再加上传统数据库系统使用的索引之间不匹配，这样的空间查询需要耗费长时间的计算，并引入巨大的编程工作量。 在1854年，斯诺医生在伦敦地图上手工绘制宽街水泵附近的霍乱爆发热点（图2a），就算是针对小区域内单一种类疾病的分析也花了若干天。 如今，公共卫生机构通过旨在发现疫情与热点的（如扫描统计）空间统计测试，就可以在大范围内监控传染病评分（图2b），并将这些事件与自然变化区分开来。 表2中总结了一些空间计算领域的进展，这些技术显著改善了这种状况。在移动电话普及，接入互联网的用户上涨到数十亿后，全球几乎都在使用空间技术。先驱者的成功提升了人们对空间技术的期待。 由空间大数据引发的计算问题为云计算研究提供了新的研究机遇：现有的空间数据集超出了普通空间计算技术能力，如何计算其规模、种类与更新率，并用合理的方式学习、管理、处理数据。
2.6K90发布于 2018-02-12 - 来自专栏音视频咖
进入空间计算时代，腾讯云MPS率先支持空间视频
图1：Apple VisionPro 为了实现卓越的空间视频效果，空间视频采用了MV-HEVC（Multiview HighEfficiency Video Coding）视频编码标准，传输方案选择了标准的 业界的通常做法是将3D视频以SBS（side by side）的形式，把左右两个视点合并到一帧画面中，再将合并后的序列进行编码，如下图2所示。 图2：SBS形式的3D视频 针对3D视频尤其是多视点拼接3D视频的特性，JCT-3V标准专家组在2014年发表了适用于3D多视点视频编码的HEVC编码标准扩展：MV-HEVC。 ISOBMFF容器封装扩展 除去编码技术上的支持，容器格式和传输协议也需要更好的升级以满足空间视频的分发支持。空间视频的容器封装方案，基于ISOBMFF标准，对MV-HEVC的支持进行了扩展。 为了支持分发空间视频，在现有HLS标准的基础之上也引入了支持空间视频的特性，具体如下： 1. EXT-X-VERSION为12； 2.
3.2K10编辑于 2024-02-05 - 来自专栏DBA随笔
InnoDB表空间介绍（2）
InnoDB表空间介绍（2） 之前的8月15号的文章中，对于Innodb的表空间做了一些介绍，当时重点介绍了表空间中最主要的两种类型：独立表空间和系统表空间。 区 我们知道数据页的大小是16kb，它是内存和磁盘交互的最小单位，对于16kb的数据页来讲，64个数据页，就是一个区，英文名称是extent，这样，不难计算出一个区的数据大小是1024kb，也就是 除此之外，系统表空间中的extent 1和extent 2这两个区的128个页面被称之为doublewrite buffer，也就是我们常说的双写缓冲区。 两次写的概念当时描述如下： 我们看到的doublewrite分为两个部分，其中一个是内存中的，大小为2MB，另外一部分是物理磁盘的共享表空间中的，也就是ibdata文件中的连续的128个数据页 ，128*16K，也就是2MB，在对缓冲池的脏数据进行刷盘的时候，并不会直接写到磁盘中，而是先将数据复制到内存中的doublewrite的缓存中，之后通过缓存，再分两次，每次1MB的写入共享表空间的物理磁盘上
81240发布于 2019-11-06 - 来自专栏数据 学术 商业 新闻
R-gstat-ggplot2 IDW计算及空间插值可视化绘制
上一篇文章，我们使用了Python 自定义IDW插值函数进行了IDW空间插值及可视化的plotnine、Basemap的绘制方法(Python - IDW插值计算及可视化绘制)，本期推文我们将使用R-gstat 进行IDW插值计算和使用ggplot2进行可视化绘制，主要涉及的知识点如下： R-gstat包IDW插值计算 R-ggplot2 IDW插值结果可视化绘制 R-gstat包IDW插值计算 得益于优秀且丰富的 R语言第三方包，我们可以直接使用空间统计计算的R-gstat包实现包括IDW在内的多种插值方法，使用R-sf包完美绘制空间可视化绘制。 gstat-IDW计算 接下来，我们使用gstat包进行IDW计算，在计算之前，我们需使用sp包对数据进行相关处理，具体操作如下： 将数据转换成空间数据格式： sp::coordinates(scatter_df 下期，我们继续空间插值(克里金：Kriging)的计算及可视化绘制，还是Python和R的两个版本哦，大家敬请期待！
3.4K41发布于 2021-02-22 - 来自专栏卯金刀GG
【MYSQL计算表记录占空间大小】
data_length + index_length, CONCAT( ROUND( (data_length + index_length) / 1024 / 1024, 2
1.9K10发布于 2019-07-25 - 来自专栏全栈程序员必看
空间分析 | 莫兰指数的计算
计算公式： 以下通过一个详细的实验具体说明。 ---- 实验 实验目的 通过Arcgis空间自相关工具分析旧金山区域犯罪与地区位置的关系，从而熟悉空间自相关工具的使用和莫兰I指数的判读。 数据准备 旧金山区域行政区划数据 区域破坏、抢劫、毒品、偷车犯罪点数据 部分数据展示(来源于Center for Spatial Data Science)： 图1 旧金山行政区划数据 图2 毒品犯罪矢量数据 实验步骤 基于空间位置与另一图层作连接，计算各区域面内犯罪数量，结果如下： 图3 区域面犯罪数量统计 2、生成空间权重矩阵 参数设置：空间关系的概念化选择INVERSE_DISTANCE(一个要素对另一个要素的影响随着距离的增加而减少 ),距离法选择MANHATTAN(计算每个要素与邻近要素之间的距离的方式为城市街区计算类型)。 3、通过空间权重矩阵计算莫兰I指数，分析毒品犯罪与空间位置的相关性。
7.6K40编辑于 2022-09-12 - 来自专栏Real-Time Rendering
变换(Transform)(2)-坐标空间变换
当\mathbf{M_{c \to p}} 是一个正交矩阵时，我们不需要计算其逆矩阵来求得\mathbf{M_{p \to c}} ，只需要计算\mathbf{M_{c \to p}} 的转置矩阵，也就是 这个坐标系以摄像机为中心，方便计算图形的可见性、视角变换和投影等。观察空间可以被认为是模型空间的特例，因为它涉及到了一个非常特殊的模型——摄像机。 右方向\mathbf{u} ，也就是x轴正方向，是通过y轴和z轴叉乘计算得出。 完成上面的计算后，我们已经知道观察坐标系在世界空间的原点和坐标轴，那么我们就可以得到观察坐标系转换到世界坐标系的变换矩阵，那么它的逆矩阵就是视图变换的矩阵。 下面仍然是我功力尚浅时很困惑的地方，当初查各种公式发现有好几种类型的写法给我整疯了 但有时候我们可能使用左手系，也就是说z轴越大离摄像机越远（方便计算与理解啥的），那么此时只需要在缩放时将z轴翻转过来，
85920编辑于 2024-08-24 课前准备---空间基因梯度2
作者，Evil Genius目前我们的课程已经上了20节课了，预计还有3周，我们本年度的课程就要全部结束了，大家都是硕士博士，并且身处国家重点单位、高校，多学点空间分析技能，自然对数据的分析很有帮助，并且输出一些高质量的分析文章 不知不觉都已经走了很多年了，其实我自己也没什么拿得出手的成果，唯一让我觉得自己走过这段过程的印记，大概就是经常写关于单细胞空间的“日记”吧。感觉课程上完，应该可以突破200万字了。 至于空间基因梯度，主要是有如下的运用。 对伤口损伤的小鼠大脑皮层（损伤后3天）进行空间转录组梯度分析中，空间梯度分析从损伤核心（深红色点）向周边（浅粉色）的区域内进行分析，其中还这涉及到基因调控的一些内容。 = TRUE)data <- Load10X_Spatial(data.dir = "/home/samples/DB/Spatial/data/ST/ST-liver<em>2</em>/",filename = "
21920编辑于 2024-08-05- 来自专栏Python大数据分析
基于geopandas的空间数据分析——空间计算篇(上)
本文示例代码已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes 后台回复空间计算也可获取本文全部代码 1 简介 在本系列之前的文章中我们主要讨论了 在实际的空间数据分析过程中，数据可视化只是对最终分析结果的发布与展示，在此之前，根据实际任务的不同，需要衔接很多较为进阶的空间操作，本文就将对geopandas中的部分空间计算进行介绍。 本文是基于geopandas的空间数据分析系列文章的第8篇，通过本文你将学习到geopandas中的空间计算（由于geopandas中的空间计算内容较多，故拆分成上下两篇发出，本文是上篇）。 2 基于geopandas的矢量计算 geopandas中的矢量计算根据性质的不同可分为以下几类： 2.1 构造型方法 geopandas中的构造型方法（Constructive Methods）指的是从单个 用于将Multi-xxx或Geometry-Collection类型的数据从一行拆分到多行，如下面的例子，非矢量字段会自动填充到每一行： 图30 以上就是本文的全部内容，关于更多geopandas中空间计算的内容
3.8K30编辑于 2022-04-03 - 来自专栏Python大数据分析
基于geopandas的空间数据分析——空间计算篇(下)
8篇中，我们对geopandas开展空间计算的部分内容进行了介绍，涉及到缓冲区分析、矢量数据简化、仿射变换、叠加分析与空间融合等常见空间计算操作，而本文就将针对geopandas中剩余的其他常用空间计算操作进行介绍 本文是基于geopandas的空间数据分析系列文章的第9篇，也是整个系列文章主线部分内容的最后一篇，通过本文，你将学习到geopandas中的更多常用空间计算方法。 2 基于geopandas的空间计算 承接上文内容，geopandas中封装的空间计算方法除了系列上一篇文章中介绍的那几种外，还有其他的几类，下面我们继续来学习： 2.1 空间连接 类比常规表格数据的连接操作 图2 在geopandas中我们利用sjoin函数来实现空间连接，其使用方式类似pandas中的merge接近，主要参数如下： left_df：GeoDataFrame，传入空间连接对应的左表 right_df ，就需要叠加分析，因为叠加分析的矢量叠置操作是在df1与df2各自行元素两两之间建立起的： 图18 查看裁切与叠加分析分别结果表路网矢量总长度也可以看出叠加分析中的结果是针对每个站点分别计算的，因此对于彼此重叠的站点
1.7K20编辑于 2022-04-03 - 来自专栏E条咸鱼
空间测绘工具更新日志2
边混边摸，终于搞了点新东西来更新了，这次更新的内容好像一眼看过去还行 新增了爱企查模块，通过公司名查询控股等 新增了icp备案查询模块 为了使icp备案查询模块更“有用”，我将这部分的数据和空间测绘进行和整合
55820编辑于 2022-10-27 - 来自专栏Hongten
Struts2 Namespace_命名空间
----------------------------------Hongten----------------------------------- 新建项目web project：struts2_ 0200_Namespace Build Path:引入struts2的jar包 struts.xml 代码： <? --- 注解： package：用来区分重名的情况 namespace：必须用"/"开头，如：/front ，在url中我们就要输入：http://localost:1000/struts2_
76320发布于 2018-09-13 - 来自专栏数据科学（冷冻工厂）
空间单细胞｜基于图像的空间数据分析（2）
ImageDimPlot(xenium.obj, cols = "polychrome", size = 0.75) 利用每个细胞的定位信息，我们能够计算出它们各自的空间生态位。 而Seurat v5版本进一步支持了一种名为Robust Cell Type Decomposition（稳健细胞类型分解，简称RCTD）的计算方法，该方法能够在提供单细胞RNA测序（scRNA-seq ）参考数据的基础上，对空间数据集中的斑点数据进行解卷积分析。 RCTD已被证实能够有效地对来自SLIDE-seq、Visium以及10x Genomics公司的Xenium原位空间平台等多种技术的空间数据进行注释。 在Seurat v5版本中，我们新增了对空间数据进行“生态位”分析的功能，这种分析可以识别出组织中的特定区域（即“生态位”），每个区域都有其独特的空间邻近细胞类型组合。
1.2K10编辑于 2024-07-05 - 来自专栏人工智能与演化计算成长与进阶
Tensorflow 命名空间与计算图可视化
，它会根据每个 Tensorflow 计算节点的命名空间来整理可视化得到效果图，使得神经网络的整体结构不会被过多的细节所淹没。 为了更好的组织可视化效果图中的计算节点，Tensorboard 支持通过 Tensorflow 命名空间来整理可视化效果图上的节点。 在 Tensorboard 的默认视图中，Tensorflow 计算图中同一个命名空间下的所有节点会被缩略为一个节点，而顶层命名空间的节点才会被显示在 Tensorboard 可视化效果图中。 input 节点代表了训练神经网络需要的输入数据,这些输入数据会提供给神经网络的第一层 layer1.然后神经网络第一层 layerl 的结果会被传到第二层 layer2,经过 layer2 的计算得到前向传播的结果 .loss function 节点表示计算损失函数的过程,这个过程既依赖于前向传播的结果来计算交叉熵(layer2 到 loss_function 的边,又依赖于每一层中所定义的变量来计算 L2 正则化损失
1.1K30发布于 2020-08-14 - 来自专栏ZackSock
【计算机视觉处理4】色彩空间转换
【计算机视觉处理4】色彩空间转换 1、图层操作 在第2篇中提到过，如果是二值图片（黑白图）或者灰度图片，一个像素需要一个8位二进制来表示。而对于彩色图像，一个像素则需要用3个8位二进制来表示。 不同的色彩空间删除处理不同的问题，有时候我们会将图片转换成指定的色彩空间以便进行相应的处理。 RGB（我们认为RGB和BGR是同种色彩空间）是一种方便计算机处理的色彩空间，它用三原色组成。 其中δ的值计算如下： ? 当然我们不需要自己计算，在OpenCV中提供了色彩空间转换的函数cv2.cvtColor()，函数格式如下： dst = cv2.cvtColor(src, code) 该函数接收两个参数，分别是要转换的图片和转换的模式 命名规则大都为COLOR_XX2YY，也就是函数就是将色彩空间为XX的图片转换为YY色彩空间。
1.7K20发布于 2021-01-08 - 来自专栏HT
基于 GPU 渲染的高性能空间包围计算
空间包围检测在计算机图形学、虚拟仿真、工业生产等有着广泛的应用。 现代煤矿开采过程中，安全一直是最大的挑战之一。 通过对煤矿地质空间中各地质因素建模，建立空间数据库，还原地下真实场景，使用计算机图形学进行空间计算，可以实时监测各隐蔽致灾因素的位置和距离，指导安全生产，并进行可视化展示。 空间包围检测有多种方法，比如基于包围盒的检测，三角面碰撞检测等。本文提出了一种基于 GPU 渲染的高效计算方法。 假定待检测球体范围的半径为r。 两种检测方法如下： 方法 1：遍历模型所有的点，计算点和球心的距离。如果有距离小于 r，模型在球体范围内。 方法 2：以检测区域的包围盒为正交投影空间，渲染所有需要检测的模型。 如果需要计算结果是模型在球体范围内，也就是模型是实心的，建模时需要在模型内部加上额外的辅助计算的三角面，用于表达内部信息。此时用方法 1 + 2 可检测模型在球体范围内。
51510编辑于 2024-01-30 - 来自专栏用砖头敲代码
php实现计算QQ空间登录的p值
流弊 就在昨天困扰了我四个月之久的QQ空间登录p值的计算问题终于被解决了，众所周知QQ空间登录是四步进行的，前三步我都完成了，但是第四步涉及到一个p值的计算，而我能嫖到的代码只有一个login.js， int 状态码，成功：1，失败：-1 msg string 返回信息 data array 获取的数据 声明 我不是小学生，没空偷你账号密码和ck，信就信，不信就Ctrl+W 如无特殊说明《php实现计算 QQ空间登录的p值》为博主MoLeft原创，转载请注明原文链接为：https://moleft.cn/post-146.html
1.2K10编辑于 2022-08-30 - 来自专栏书山有路勤为径
2.ROS基础－创建工作空间
创建工作空间 工作空间(workspace)是一个存放工程开发相关文件的文件夹。包含四个部分的内容。 src:代码空间（Source Space） build:编译空间（Build Space）编译过程产生的中间文件 devel:开发空间(Ｄevelopment Space)可执行文件和相关脚本 install source ~/.bashrc 检查环境变量 echo $ROS_PACKAGE_PATH 创建功能包 catkin_create_pkg<package_name> [depend1][depend2] 工作空间的覆盖 工作空间的路径依次在ROS_PACKAGE_PATH环境变量中记录 新设置路径在ROS_PACKAGE_PATH中会自动放置在最前端 运行时，ROS会优先查找最前端的工作空间中是否存在指定的功能包 如果存在，就顺序向后查找其他工作空间
1.4K30发布于 2019-03-04 - 来自专栏单细胞天地
空间转录组分析工具速递2：Giotto
https://rubd.github.io/Giotto_site/ 代码官网： https://github.com/RubD/Giotto/ 简介： 该分析模块通过实现广泛的算法来表征组织组成、空间表达模式和细胞相互作用的特征 end-to-end 一条龙的分析流程 发表时间：08 March 2021 发表杂志：Genome Biology 文献Doi ： https://doi.org/10.1186/s13059-021-02286-2 发表作者：Guo-Cheng Yuan 美国达纳-法伯癌症研究所和哈佛医学院儿科肿瘤系 主要分析内容点： clustering 空间数据聚类 spatial enrichment 结合单细胞数据进行spot 注释 spatital patterns 空间表达模式分析 cell neighborhood 空间细胞临近通讯分析 分析pipeline：
1K20编辑于 2022-03-14 - 来自专栏数据科学（冷冻工厂）
空间转录组: DLPFC数据集分析 (2)
引言 本系列讲解 空间转录组学 (Spatial Transcriptomics) 相关基础知识与数据分析教程[1]，持续更新，欢迎关注，转发，文末有交流群！ 归一化 使用 library size normalization 计算经过对数变换的归一化计数（logcounts）。 这样做既能减少噪声，也能提高计算效率。我们还在前 50 个 PCs 上运行 UMAP，并保留前 2 个 UMAP 成分用于可视化。 我们使用 scater 包中计算高效的 PCA 实现，该实现使用随机化，因此需要设置随机种子以保证可重复性。 我们应用聚类算法以识别细胞类型或空间域。
16910编辑于 2025-11-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号