26、基于云的物联网分析:海量数据处理与应用

基于云的物联网分析:海量数据处理与应用

1. 数据观测与配置

在浏览器中打开仪表盘视图,随着代码在开发板上持续运行,你会注意到过去一小时内观测值有所增加。若要配置观测周期,可点击显示观测数量面板右上角的配置图标,在弹出的上下文菜单中进行设置,例如将观测周期从“过去一小时”更改为“过去一周”,就能查看设备在过去一周内记录的观测数量。

2. 使用英特尔物联网分析工具分析传感器数据

英特尔物联网分析工具可根据特定设备各组件生成的数据生成图表。具体操作步骤如下:
1. 打开使用英特尔物联网分析仪表盘的网页浏览器,点击菜单图标并选择“图表”。
2. 在“我的图表”页面,可通过设备名称、关联标签和属性等多种搜索条件查找设备。若只有一个激活设备,可从“选择设备”部分下方的设备列表中选择该设备。此部分在复选框右侧显示设备名称的前几个字符,在文本右侧显示已注册的组件数量。
3. 勾选设备复选框,网站将显示所选设备的三个已注册组件,如“temperaturec”“temperaturef”和“humidity” 。
4. 勾选“temperaturef”复选框,网站将显示过去一小时内以华氏度为单位测量的环境温度图表。默认情况下,图表使用折线图展示过去一小时内记录的时间序列值,图表刷新频率为30秒,会显示开发板通过REST API在此期间发布的所有新观测值。
5. 可使用图表顶部的不同按钮更改图表类型、选择要查看的时间范围,还能将刷新频率调整为5 - 60秒。若将图表保存为收藏,它将显示在“我的仪表盘”中。
6. 点击“图表”按钮右侧的“原始数据”按钮,网站将显示用于构建时间序列的原始数据列表,即所选组件收到的所有观测值。
7. 若要生成包含温度和湿度水平的组合图表,点击“图表”按钮返回图表视图,勾选“humidity”复选框,网站将生成一个结合华氏温度和湿度百分比的图表。

3. 在英特尔物联网分析中使用规则触发警报

英特尔物联网分析允许定义规则以触发以下类型的通知:
- 电子邮件
- HTTP端点
- 执行操作

定义规则的步骤如下:
1. 打开使用英特尔物联网分析仪表盘的网页浏览器,点击菜单图标并选择“规则”。
2. 在“我的规则”页面,点击“添加规则”,在弹出的表单中输入规则名称(如“极低湿度水平”),选择优先级(如“低”)和通知类型(如“电子邮件”),并在“通知到”面板的下拉列表中选择接收通知的电子邮件地址。
3. 点击“下一步”,从“选择设备”部分下方的设备列表中选择要应用新规则的设备,勾选设备复选框后,设备名称将出现在“所选设备”列表中。
4. 点击“下一步”,指定新规则的条件。不勾选“启用自动重置”复选框,使规则在每次警报触发后保持无效状态,直到被确认。
5. 在“监控指标”中选择“humidity (Number)”,在“触发条件”中选择“基本条件”,在出现的附加下拉列表中选择“<”,并在“输入值”文本框中输入“10”,即创建一个当湿度观测值低于10时触发的规则。
6. 点击“完成”,规则将添加到“我的规则”列表中。当湿度水平低于10%时,将触发警报,警报图标(铃铛)上会显示数字1。点击该图标,可查看所有未读警报。点击警报可查看触发警报的详细情况,还可在菜单中选择“警报”查看收到的警报列表,点击警报编号可查看警报详情,包括触发规则的条件和测量值,也可对警报添加评论。同时,还会收到包含警报详细信息的电子邮件。

除了上述简单规则条件,还可定义更复杂的条件,如基于时间的条件、基于统计的条件、单传感器变化检测和多传感器变化检测等,以对大量设备和海量数据触发警报。

4. 知识测试

以下是相关知识测试题目及答案:
| 题目 | 选项 | 答案 |
| — | — | — |
| 英特尔物联网分析中每个设备的组件可以是: | 1. 执行器或时间序列
2. 账户、执行器或时间序列
3. 代理、账户、执行器或时间序列 | 1 |
| 每次从注册设备向英特尔物联网分析发布数据时,会创建: | 1. 执行器
2. 账户
3. 观测值 | 3 |
| 时间序列是: | 1. 执行器执行的一系列操作,即操作集合
2. 从传感器捕获的一系列值,即观测值集合
3. 一系列触发的警报,即警报集合 | 2 |
| 可使用以下命令行实用工具将开发板激活为英特尔物联网分析账户中的设备: | 1. iotkit - admin
2. iotkit - configure
3. iotkit - setup | 1 |
| 要使用英特尔物联网分析提供的REST API从设备发送观测值,需要以下令牌: | 1. 传感器令牌
2. 观测值令牌
3. 设备令牌 | 3 |

5. 总结

通过使用英特尔物联网分析工具,可轻松处理和分析大量设备及其传感器收集的数据。利用Python代码与英特尔物联网分析REST API交互,能高效地设置设备和组件、收集传感器数据并发布观测值。同时,借助图表、规则和警报功能,可更好地理解和管理数据。此外,还可利用Python和英特尔开发板创建低成本设备,开发物联网原型,将日常物品转变为智能设备,构建由数千个物联网设备组成的生态系统。

mermaid格式流程图如下:

graph LR
    A[打开仪表盘视图] --> B[配置观测周期]
    B --> C[分析传感器数据]
    C --> C1[选择设备]
    C --> C2[选择组件]
    C --> C3[生成图表]
    C3 --> C4[调整图表设置]
    C4 --> C5[查看原始数据]
    C5 --> C6[生成组合图表]
    C --> D[设置规则触发警报]
    D --> D1[选择规则选项]
    D1 --> D2[输入规则详情]
    D2 --> D3[选择应用设备]
    D3 --> D4[指定规则条件]
    D4 --> D5[完成规则设置]

6. 英特尔物联网分析工具的优势与应用场景

6.1 优势

  • 数据处理能力 :能够处理海量设备和传感器产生的数据,通过云服务进行高效的存储和分析,让用户可以轻松应对大数据挑战。
  • 可视化展示 :提供直观的图表功能,用户可以根据自己的需求生成不同类型的图表,如折线图等,方便对数据进行直观的观察和分析。
  • 灵活的规则设置 :支持多种类型的规则定义,不仅可以设置简单的条件,还能创建复杂的基于时间、统计、单传感器或多传感器变化检测的条件,满足不同场景下的警报需求。
  • 多渠道通知 :可以通过电子邮件、HTTP 端点和执行操作等多种方式发送通知,确保用户能够及时获取重要信息。

6.2 应用场景

  • 环境监测 :在气象站、农业大棚等场景中,通过传感器收集温度、湿度等数据,利用英特尔物联网分析工具进行实时监测和分析。当湿度低于设定值时触发警报,及时采取措施进行调整,保证环境的适宜性。
  • 工业制造 :在工厂中,对设备的运行状态进行监测,如温度、振动等参数。通过设置规则,当设备出现异常时及时发出警报,以便进行维护和检修,减少停机时间,提高生产效率。
  • 智能家居 :在家庭中,连接各种智能设备,如温度传感器、湿度传感器、智能家电等。用户可以通过图表查看家中的环境数据,根据规则设置实现自动化控制,如当温度过高时自动开启空调。

7. 操作技巧与注意事项

7.1 操作技巧

  • 图表设置优化 :在生成图表时,可以根据实际需求调整图表类型、时间范围和刷新频率。例如,在需要实时监测数据时,将刷新频率设置为较低的值,如 5 秒;在进行长期数据分析时,选择较长的时间范围。
  • 规则设置技巧 :在设置规则时,可以结合不同的条件进行组合,以实现更精准的警报触发。例如,同时设置温度和湿度的条件,当两者都满足特定范围时才触发警报。
  • 数据查看方式 :除了查看图表和原始数据外,还可以对数据进行筛选和排序,以便更快速地找到所需信息。

7.2 注意事项

  • 设备激活与配置 :在使用英特尔物联网分析工具之前,需要确保设备已正确激活并配置,获取有效的设备令牌,否则无法正常发送观测值。
  • 规则确认机制 :在设置规则时,如果不勾选“启用自动重置”复选框,规则在触发警报后将保持无效状态,直到被确认。因此,需要及时处理警报,避免错过重要信息。
  • 数据安全 :由于涉及大量的设备数据,需要注意数据的安全问题,如对数据进行加密传输和存储,防止数据泄露。

8. 拓展应用与未来发展趋势

8.1 拓展应用

  • 与其他系统集成 :可以将英特尔物联网分析工具与企业的其他管理系统进行集成,如企业资源规划(ERP)系统、客户关系管理(CRM)系统等,实现数据的共享和协同工作。
  • 机器学习与人工智能应用 :结合机器学习和人工智能算法,对物联网数据进行深度分析和预测。例如,通过分析历史数据预测设备的故障概率,提前进行维护。

8.2 未来发展趋势

  • 边缘计算与云计算结合 :未来,物联网分析将更加注重边缘计算与云计算的结合。在设备端进行部分数据处理和分析,减少数据传输量,提高响应速度;同时,将重要数据上传到云端进行更深入的分析和存储。
  • 标准化与互操作性 :随着物联网的发展,不同设备和系统之间的标准化和互操作性将变得越来越重要。英特尔物联网分析工具可能会支持更多的标准协议,方便与其他设备和系统进行连接和交互。
  • 行业定制化解决方案 :针对不同行业的需求,提供更加定制化的解决方案。例如,为医疗行业提供专门的健康监测解决方案,为交通行业提供智能交通管理解决方案。

9. 总结与展望

通过本文的介绍,我们了解了基于云的物联网分析在处理海量数据方面的强大功能和应用。英特尔物联网分析工具为我们提供了一个便捷、高效的平台,让我们可以轻松地对设备数据进行收集、分析和管理。

在实际应用中,我们可以根据不同的场景和需求,灵活运用工具的各种功能,如配置观测周期、生成图表、设置规则触发警报等。同时,要注意操作技巧和注意事项,确保系统的正常运行和数据的安全。

未来,随着物联网技术的不断发展,基于云的物联网分析将在更多领域得到广泛应用,为我们的生活和工作带来更多的便利和价值。我们可以期待看到更多创新的应用和解决方案,推动物联网产业的进一步发展。

mermaid格式流程图如下:

graph LR
    A[英特尔物联网分析工具] --> B[优势]
    A --> C[应用场景]
    B --> B1[数据处理能力]
    B --> B2[可视化展示]
    B --> B3[灵活规则设置]
    B --> B4[多渠道通知]
    C --> C1[环境监测]
    C --> C2[工业制造]
    C --> C3[智能家居]
    A --> D[操作技巧与注意事项]
    D --> D1[操作技巧]
    D --> D2[注意事项]
    A --> E[拓展应用与未来趋势]
    E --> E1[拓展应用]
    E --> E2[未来发展趋势]

表格:英特尔物联网分析工具相关对比
| 项目 | 特点 |
| — | — |
| 优势 | 数据处理强、可视化好、规则灵活、通知多渠道 |
| 应用场景 | 环境监测、工业制造、智能家居等 |
| 操作技巧 | 图表设置优化、规则组合设置、数据筛选排序 |
| 注意事项 | 设备配置、规则确认、数据安全 |
| 拓展应用 | 系统集成、机器学习应用 |
| 未来趋势 | 边缘云计算结合、标准化互操作、行业定制化 |

相关推荐

物联网数据采集平台架构设计:UNIHH-IOT的六层解耦与落地实践

在物联网项目规模化落地过程中,设备接入协议碎片化、数据存储孤岛化、业务系统耦合严重,是制约平台扩展性的三大核心痛点。理解物联网数据平台的分层架构原理,掌握设备接入、消息传输、数据存储与业务服务之间的解耦逻辑,是构建高复用基础设施的关键。基于统一消息总线的架构设计能有效削峰填谷,实现多消费者解耦;时序数据库与关系库、对象存储的冷热分层策略,则兼顾了高并发写入与低成本归档。本文以UNIHH-IOT开源平台为例,系统拆解从Device接入鉴权、协议网关适配、数据清洗规则到生产部署调优的完整链路,为自建物联网数据采

weixin_34354173的博客 347

野数据处理实战:构建五层韧性物联网数据流水线

野数据并非脏数据,而是物理世界不确定性在数字空间的自然映射,其根源在于传感器噪声、通信协议容错、边缘资源限制与人为干预等系统性因素。传统基于统计阈值的清洗范式因忽视业务语义与设备上下文而频繁失效;真正有效的处理需转向‘数据即过程’的认知——通过信号稳态化、协议级校验、语义增强、业务窗口对齐与质量反馈闭环,实现与数据混沌共处的韧性治理。本文聚焦农业物联网真实场景,融合LoRaWAN重传控制、Flink事件时间处理、TimescaleDB多维关联分析等关键技术,提供可复用的工程框架与避坑指南,助力从数据失序走向

cuk0051的博客 699

Acrel-EIoT能源物联网云平台助力电力物联网数据服务

一、引言 近几年来,物联网概念加快与产业应用融合,成为智慧城市和信息化整体方案的关键性技术思维。当前,物联网已由概念炒作、碎片化应用、闭环式发展进入跨界融合、集成创新和规模化发展的新阶段,与中国新型工业化、城镇化、信息化、农业现代化建设深度交汇,在传统产业转型升级、新型城镇化和智慧城市建设、人民生活质量不断改善方面发挥了重要作用,取得了明显的成果。 国家十三五规划中提出“加快建设数字中国”之后,十四五规划中又提出“互联网-物联网线上线下融合对生活方式的变革”。到2020年,物联网预计将产生344..

Acrelwl的博客 593

AI原生应用领域微服务集成的物联网设备接入方案

随着AI技术从“辅助工具”升级为“核心能力”,越来越多的应用(如智能工厂、智慧农业、自动驾驶)开始以AI为核心设计(即“AI原生应用”)。这类应用需要实时获取物联网设备(传感器、摄像头、工业终端等)的海量数据,并通过AI模型快速分析决策。传统单体架构难以应对设备数量爆炸、协议多样、实时性要求高的挑战,因此本文聚焦“微服务集成的物联网设备接入方案”,解决如何让AI原生应用高效、灵活、可靠地连接和管理物联网设备。本文从核心概念入手,用“快递站分包裹”的生活案例引出微服务与物联网的关系;

小白菜的博客 436

物联网-智能家居相关知识了解

1、LED点阵显示系统中各模块的显示方式有静态和动态显示两种,在实际应用中一般采用动态显示方式,采用扫描的方式工作,由峰值较大的窄脉冲驱动,从上到下逐次不断地对显示屏的各行进行选通。 2、在进程通信中,事件作为一种同步原语,是计算机科学中的一种同步机制,用来指示等待中的进程特定条件已经变为真。 3、数制,也称为“计数制”,是用一组固定的符号和统一的规则来表示数值的方法。任何一个数制都包含两个基本要素:基数和位权。其中16进制的B代表了10进制的11。 4、计数是一种最简单基本的运算,计数器就是实现这种运算的

xyzhu257的博客 7008

新一代信息技术(上):物联网、云计算与大数据(软考高级通关 50 讲·07)

新一代信息技术是高项综合知识的高频"新词区",其中物联网、云计算、大数据三块最容易出选择题。本文先给出新技术全景,再分别讲透物联网的三层架构与关键技术、云计算的三种服务模式与部署模式、大数据的 5V 特征与处理链路,最后把三者之间的关系串成一张图。每节都配高频判断、易错点和真题演练,帮助你用"架构 + 分类 + 关键词"的方式快速得分。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 208

物联网大数据分析:设备数据采集与处理

想象一个充满"会说话"的设备的世界:冰箱会说"牛奶快没了",路灯会说"这里人流量很大",工厂的机器会说"我需要保养了"。这些设备每天产生的海量数据,就像一座未被开采的金矿。本文的目的,就是教会大家如何"开采"这座金矿——从设备如何"说话"(数据采集),到我们如何"听懂"(数据处理),最终让数据变成有用的"建议"或"行动"。数据采集(设备如何产生和发送数据)和数据处理(如何把原始数据变成有用信息)。就像做蛋糕需要先收集食材(采集),再搅拌烘焙(处理),最后才能吃到美味的蛋糕(应用)。背景介绍。

AIGC应用创新大全的博客 879

大数据技术在智能家居物联网数据分析中的应用

随着智能音箱、智能灯泡、温湿度传感器等设备进入千家万户,我们的家正变成一个“数据生产车间”:一个普通家庭每天可能产生数万条设备数据(如空调开关记录、门锁开合时间、冰箱食材消耗)。这些数据像散落的拼图,需要大数据技术将它们拼合成“懂用户”的智能场景。本文将聚焦“如何用大数据技术处理这些数据”,覆盖从数据采集到智能决策的全流程。

AGI×大数据,开启智能时代的认知跃迁;解码AGI,赋能数据驱动的智能革命。 780

26、基于云的物联网分析:大数据处理与智能应用

本文介绍了基于云的物联网分析技术,重点利用Intel IoT Analytics处理和分析物联网设备产生的海量数据。内容涵盖数据观测与配置、传感器数据分析、规则触发警报的设置与处理,并探讨了物联网与大数据的紧密关联以及Python在物联网开发中的应用。通过图表生成、规则定义和智能决策等功能,实现对物联网设备数据的有效管理与智能化控制。

wood5的博客 60

AI人工智能浪潮下机器学习的物联网数据处理

清晨7点,你的智能手表震动唤醒你,屏幕上显示“昨夜深度睡眠2小时,建议今晚减少蓝光 exposure”;客厅的智能音箱自动播放天气预报:“今日气温35℃,空调已调整至26℃节能模式”;楼下的智能快递柜推送消息:“您的快递已到达,柜内温度保持4℃,新鲜度98%”。这些习以为常的智能场景背后,隐藏着一个**“数据-智能”的闭环**:如果把物联网比作“数字世界的神经末梢”,机器学习就是“大脑的思考中心”——没有机器学习的物联网,只是一堆“会发电的设备”;没有物联网的机器学习,只是“没有燃料的发动机”。本章目标:帮

AI 原生应用开发的博客 853

基于STM32+NBIOT+华为云IOT设计的智能井盖

智能井盖是一种通过物联网技术实现对井盖状态监测和管理的设备。当前介绍基于STM32微控制器,BC26 NBIOT模组以及华为云IOT平台设计一款智能井盖系统。该系统通过光线传感器、霍尔传感器、温湿度传感器等设备实现井盖状态的实时监测,通过NBIOT网络将数据上传到华为云IOT平台,再通过云平台下发控制指令实现远程管理。

2753

26、云世纪的未来展望与挑战

本文全面回顾了云计算及其相关技术的发展历程,从起源到最新趋势,涵盖了大数据分析、雾计算、区块链、认知计算、物联网等多个领域。文章详细探讨了这些技术如何改变经济、社会和个人生活,并展望了未来的技术发展趋势与潜在影响。同时,还深入分析了面临的安全、隐私、伦理和法律挑战,并提出了可能的解决方案。旨在为读者提供一个关于云世纪未来的全景式理解。

Jerry的专栏 171

实时数据处理 原理与代码实例讲解

实时数据处理,流式处理,数据管道,Apache Kafka,Spark Streaming,Flink,数据分析,机器学习 1. 背景介绍 在当今数据爆炸的时代,海量数据以惊人的速度涌入企业系统。如何高效地处理这些实时数据,并从中提取有价值的洞察力,已成为企业数字化转型和智能决策的关

AI架构师小马 868

26、RPA与AI在医疗行业的变革与应用

本文探讨了RPA(机器人流程自动化)与AI技术在医疗行业的深度融合及其带来的变革。从医疗数据处理、NLP应用到RPA在临床、管理与研究中的价值创造,文章详细分析了其在青光眼筛查、COVID-19应对和医院财务管理等场景中的实际应用。同时,也指出了技术融合、数据安全、伦理争议和人才短缺等方面的挑战,并展望了未来与IoT、区块链等技术结合的发展趋势。通过政策支持、技术创新与人才培养,RPA与AI有望推动医疗向更智能、高效和人性化的方向发展。

醉三国 72

26、智能电网大数据分析与嵌入式系统学习:技术融合与应用探索

本文探讨了智能电网大数据分析与嵌入式系统学习的技术融合与应用前景。在智能电网方面,介绍了其大数据分析的现状、核心模型架构及优势,涵盖数据采集、管理、分析引擎、应用决策与反馈控制全流程,并综述了主流机器学习方法在停电预测、稳定性监测等场景的应用。在嵌入式系统方面,阐述了其定义、学习现状与模块化学习方法,强调理论与实践结合的重要性。最后展望了智能电网与嵌入式系统在数据采集、实时控制、设备智能化和能源优化管理等方面的深度融合潜力,为未来能源系统的发展提供了技术路径与创新方向。

pz890123的博客 59

Vitis HLS 学习指南与实践教程

Vitis HLS 学习指南与实践教程摘要:本文系统介绍了AMD Vitis HLS工具及其应用。HLS技术将C/C++代码自动转换为硬件描述语言,显著提升FPGA开发效率(5-10倍)。文章对比了HLS与传统RTL设计的优势,包括抽象级别高、开发周期短、代码重用性强等特点。详细讲解了Vitis HLS工具链的核心功能,包括支持的C/C++特性(如任意精度数据类型)、开发流程(项目创建-代码编写-仿真-综合)以及关键优化技术(流水线、循环展开、数组分割等编译指示)。通过具体代码示例展示了HLS设计方法,为F

weixin_44707118的博客 1401

《全连接到卷积神经网络:图像识别的演变历程》

这篇文章会从传统全连接层面临的困境说起,揭示卷积神经网络(CNN)成为图像识别核心动力的原因,探究其背后蕴含的设计思想与技术创新。但是回顾历史,CNN的出现提醒我们:技术的突破往往是由对自然规律的模仿和重新构建得来的。也许,当机器真的学会“像人一样看世界”的时候,它们的“眼睛”早就超过生物视觉的限制了。例如,用5×5的核处理224×224的输入时,只要25个参数(而不是全连接那种百万级的)。* 局部性:网络的底层只需留意局部的地方(像边缘、纹理这样的地方),不用管那些全局像素之间复杂的关系。

2401_82434295的博客 675

电驱系统功率级“多合一”解决方案

如何提升电驱动系统的产品性能、减小能耗和进一步轻量化,以加强整车市场竞争力,是摆在国内外新能源车企面前的共同课题。为此,具有多年动力总成电子系统开发经验的美国著名半导体及电子解决方案专家——德州仪器(Texas Instrument)提出了多种功率级别“多合一”整合方案和设计思路,助力新能源车企提升技术优势。

yessunday的专栏 1372

临床预测模型R语言全流程实战:从建模到Bootstrap验证的完整代码

临床预测模型是利用患者特征预测疾病结局发生概率的重要统计工具,其核心在于通过Logistic回归或Cox比例风险模型建立风险函数,并借助ROC曲线、校准曲线等指标评估模型的区分度与校准度。Bootstrap内部验证和DCA决策曲线分析则是当前审稿人关注的焦点,前者用于校正过拟合带来的乐观估计,后者用以判断模型在临床决策中的实际净获益。在肿瘤预后、慢病风险评估等场景中,基于R语言的模型构建与列线图可视化已成为论文发表的关键环节。本文以survival包自带肺癌数据为例,系统展示从数据预处理、变量筛选到多因素建

weixin_33483304的博客 245

告别上位机!用MCGS触摸屏+FTP服务器,5分钟搞定工控机文件自动同步

本文介绍了一种工业自动化领域的高效解决方案,通过MCGS触摸屏结合FTP服务器实现工控机文件的自动同步,无需开发上位机软件。该方案特别适用于图像采集、参数同步、数据备份等场景,具有成本低、可靠性高、维护简便等优势。详细配置指南和实战案例帮助用户快速实现零代码文件同步。

weixin_30872499的博客 561

Spring Boot:如何快速搭建一个高性能微服务架构?

通过本文的详细步骤,我们成功搭建了一个高性能的微服务架构。Spring Boot 和 Spring Cloud 提供了强大的工具链,使得开发者能够快速实现服务注册与发现、负载均衡、熔断器与降级机制等功能。同时,通过数据库连接池、Redis 缓存和异步处理等优化手段,进一步提升了系统的性能和可靠性。希望本文能够帮助你快速入门 Spring Boot 微服务架构的搭建,并为实际项目提供参考。如果你有任何问题或建议,欢迎在评论区留言!

shrgegrb的博客 1013

复数值神经网络可能是深度学习的未来

复数这种东西,在人的头脑中似乎抽象、似乎复杂,然而,对于计算机来说,一点也不抽象,不复杂,那么,将复数概念推广到神经网络会是什么结果呢?本篇介绍国外的一些同行的尝试实践,请我们注意观察他们的进展。

gongdiwudu的专栏 6620

Sigrity SystemSI仿真分析教程文件路径

为了方便读者能够快速上手和学会Sigrity SystemSI 的功能,将Sigrity SystemSI仿真分析教程专栏所有文章对应的实例文件上传至以下路径。

weixin_54787054的博客 715

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

上一篇: 96、医疗机器人与手术辅助系统的集成与应用
下一篇: 33、增强现实应用开发:从SpriteKit到AR画廊实现
java5
博客等级 码龄22年 85粉丝 2103原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值