AChartEngine是一个安卓系统上制作图表的框架,目前它支持如下的图表类型:linechart(折线图),areachart(面积图;分区图,对比图),scatterchart(散点图),timechart(时间图；
进度表),barchart(条形图;柱状图),piechart(饼图),bubblechart(气泡图),doughnutchart(圆环图),range(high-low)barchart(范围条形图),cubiclinechart(立方折线图)...
进度表),barchart(条形图;柱状图),piechart(饼图),bubblechart(气泡图),doughnutchart(圆环图),range(high-low)barchart(范围条形图),cubiclinechart(立方折线图)...
2025/3/5 0:58:40
82KB
1
devexpress控件chart使用，实现柱状图与曲线图联合展示，源码分享，可直接运行。
2025/2/7 15:37:30
12.87MB
1
d3js的demo包含3个图的设计，课程设计课程设计课程设计课程设计，，可运行可运行哦d3_折线_柱状_地图/d3_折线_柱状_地图
2025/1/24 15:02:06
319KB
1
研究了离焦量、脉冲能量、扫描间距、扫描速度和重复频率等激光加工参数对金属表面着色及微纳结构制备的影响机理，诱导制备了氧化膜、类光栅、凹坑和柱状突起4种结构，这些结构会使不锈钢表面产生薄膜干涉、光栅衍射和陷光等现象。
通过Matlab软件在工艺参数与颜色HSB值之间建立了一个单隐含层的反向传播（BP）神经网络，该神经网络的训练均方根误差为0.0078，色相H、饱和度S和亮度B的测试相对误差分别为23%，10.4%和5.6%。
该神经网络在一定程度上揭示了工艺参数与颜色之间的映射关系，使用该神经网络模型可以对激光着色效果作出有效的预测。
通过Matlab软件在工艺参数与颜色HSB值之间建立了一个单隐含层的反向传播（BP）神经网络，该神经网络的训练均方根误差为0.0078，色相H、饱和度S和亮度B的测试相对误差分别为23%，10.4%和5.6%。
该神经网络在一定程度上揭示了工艺参数与颜色之间的映射关系，使用该神经网络模型可以对激光着色效果作出有效的预测。
2025/1/10 14:27:45
13.14MB
1
使用poi在excel中生成各种常见的图像，比如饼状图(普通饼状图、三D图，环状体、折线图、柱状图、等~~)
2024/12/24 11:15:03
32KB
1
QCustomPlot柱状图QCustomPlot柱状图QCustomPlot柱状图QCustomPlot柱状图
2024/11/4 12:05:16
232KB
1
运用JDBC连接MySQL数据库，用JavaSwing开发的图书管理系统。
两个登录角色（管理员，用户），管理员可实现查看对用户借书信息的数据分析（饼形图和柱状图）结果查看。
效果在：https://blog.csdn.net/destiny_98/article/details/82747472
两个登录角色（管理员，用户），管理员可实现查看对用户借书信息的数据分析（饼形图和柱状图）结果查看。
效果在：https://blog.csdn.net/destiny_98/article/details/82747472
2024/11/3 16:47:18
3.25MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB