精华内容
下载资源
问答
  • 函数接受两种向量形式的尺寸分布:网格尺寸 (d) 和材料保留的累积百分比 R(d)。 例子: d = [0.08 0.50 1.25 2 4 6.3 8 12.5 16 40] Rd = [95.61 87.71 82.45 79.78 73.28 66.98 63.21 55.4 49.91 23.95] ...
  • plot_diagram_wadati:plot_diagram_wadati_hasil_pick_seisgram
  • plot a critical difference diagram , MATLAB code 建立criticaldifference函数 function cd = criticaldifference(s,labels,alpha) % % CRITICALDIFFERNCE - plot a critical difference diagram % % .....

     

    plot a critical difference diagram , MATLAB code

    建立criticaldifference函数

    function cd = criticaldifference(s,labels,alpha)
    %
    % CRITICALDIFFERNCE - plot a critical difference diagram
    %
    %    CRITICALDIFFERENCE(S,LABELS) produces a critical difference diagram [1]
    %    displaying the statistical significance (or otherwise) of a matrix of
    %    scores, S, achieved by a set of machine learning algorithms.  Here
    %    LABELS is a cell array of strings giving the name of each algorithm.
    %
    %    References
    %    
    %    [1] Demsar, J., "Statistical comparisons of classifiers over multiple
    %        datasets", Journal of Machine Learning Research, vol. 7, pp. 1-30,
    %        2006.
    %
    
    %
    % File        : criticaldifference.m
    %
    % Date        : Monday 14th April 2008
    %
    % Author      : Gavin C. Cawley
    %
    % Description : Sparse multinomial logistic regression using a Laplace prior.
    %
    % History     : 14/04/2008 - v1.00
    %
    % Copyright   : (c) Dr Gavin C. Cawley, April 2008.
    %
    %    This program is free software; you can redistribute it and/or modify
    %    it under the terms of the GNU General Public License as published by
    %    the Free Software Foundation; either version 2 of the License, or
    %    (at your option) any later version.
    %
    %    This program is distributed in the hope that it will be useful,
    %    but WITHOUT ANY WARRANTY; without even the implied warranty of
    %    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
    %    GNU General Public License for more details.
    %
    %    You should have received a copy of the GNU General Public License
    %    along with this program; if not, write to the Free Software
    %    Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA 02111-1307 USA
    %
    
    
    % Thanks to Gideon Dror for supplying the extended table of critical values.
    
    if nargin < 3
       alpha = 0.1;
    end
    
    % convert scores into ranks 
    [N,k] = size(s);
    [S,r] = sort(s');
    idx   = k*repmat(0:N-1, k, 1)' + r';
    R     = repmat(1:k, N, 1);
    S     = S';
    
    for i=1:N
        for j=1:k
            index    = S(i,j) == S(i,:);
            R(i,index) = mean(R(i,index));
        end
    end
    
    r(idx)  = R;
    r       = r';
    
    % compute critical difference
    if alpha == 0.01
       qalpha = [0.000 2.576 2.913 3.113 3.255 3.364 3.452 3.526 3.590 3.646 ...
                 3.696 3.741 3.781 3.818 3.853 3.884 3.914 3.941 3.967 3.992 ...
                 4.015 4.037 4.057 4.077 4.096 4.114 4.132 4.148 4.164 4.179 ...
                 4.194 4.208 4.222 4.236 4.249 4.261 4.273 4.285 4.296 4.307 ...
                 4.318 4.329 4.339 4.349 4.359 4.368 4.378 4.387 4.395 4.404 ...
                 4.412 4.420 4.428 4.435 4.442 4.449 4.456 ];
             
    elseif alpha == 0.05 
       qalpha = [0.000 1.960 2.344 2.569 2.728 2.850 2.948 3.031 3.102 3.164 ...
                 3.219 3.268 3.313 3.354 3.391 3.426 3.458 3.489 3.517 3.544 ...
                 3.569 3.593 3.616 3.637 3.658 3.678 3.696 3.714 3.732 3.749 ...
                 3.765 3.780 3.795 3.810 3.824 3.837 3.850 3.863 3.876 3.888 ...
                 3.899 3.911 3.922 3.933 3.943 3.954 3.964 3.973 3.983 3.992 ...
                 4.001 4.009 4.017 4.025 4.032 4.040 4.046]; 
    
    elseif alpha == 0.1
       qalpha = [0.000 1.645 2.052 2.291 2.460 2.589 2.693 2.780 2.855 2.920 ...
                 2.978 3.030 3.077 3.120 3.159 3.196 3.230 3.261 3.291 3.319 ...
                 3.346 3.371 3.394 3.417 3.439 3.459 3.479 3.498 3.516 3.533 ...
                 3.550 3.567 3.582 3.597 3.612 3.626 3.640 3.653 3.666 3.679 ...
                 3.691 3.703 3.714 3.726 3.737 3.747 3.758 3.768 3.778 3.788 ...
                 3.797 3.806 3.814 3.823 3.831 3.838 3.846];
    
    else
        error('alpha must be 0.01, 0.05 or 0.1');
    end
    
    cd = qalpha(k)*sqrt(k*(k+1)/(6*N));
    
    
    figure(1);
    clf
    axis off
    axis([-0.2 1.2 -20 140]);
    axis xy 
    tics = repmat((0:(k-1))/(k-1), 3, 1);
    line(tics(:), repmat([100, 101, 100], 1, k), 'LineWidth', 1.5, 'Color', 'k');
    %tics = repmat(((0:(k-2))/(k-1)) + 0.5/(k-1), 3, 1);
    %line(tics(:), repmat([100, 101, 100], 1, k-1), 'LineWidth', 1.5, 'Color', 'k');
    line([0 0 0 cd/(k-1) cd/(k-1) cd/(k-1)], [113 111 112 112 111 113], 'LineWidth', 1, 'Color', 'r');
    text(0.03, 116, ['Critical Distance=' num2str(cd)], 'FontSize', 12, 'HorizontalAlignment', 'left', 'Color', 'r');
    
    for i=1:k
        text((i-1)/(k-1), 105, num2str(k-i+1), 'FontSize', 12, 'HorizontalAlignment', 'center');
    end
    
    % compute average ranks
    r       = mean(r);
    [r,idx] = sort(r);
    
    % compute statistically similar cliques
    clique           = repmat(r,k,1) - repmat(r',1,k);
    clique(clique<0) = realmax; 
    clique           = clique < cd;
    
    for i=k:-1:2
        if all(clique(i-1,clique(i,:))==clique(i,clique(i,:)))
            clique(i,:) = 0;
        end
    end
    
    n                = sum(clique,2);
    clique           = clique(n>1,:);
    n                = size(clique,1);
    
    %yanse={'b','g','y','m','r'};
    b=linspace(0,1,k);
    % labels displayed on the right
    for i=1:ceil(k/2)
       line([(k-r(i))/(k-1) (k-r(i))/(k-1) 1], [100 100-3*(n+1)-10*i 100-3*(n+1)-10*i], 'Color', [0 0 b(i)]);
       %text(1.2, 100 - 5*(n+1)- 10*i + 2, num2str(r(i)), 'FontSize', 10, 'HorizontalAlignment', 'right');
       text(1.02, 100 - 3*(n+1) - 10*i, labels{idx(i)}, 'FontSize', 12, 'VerticalAlignment', 'middle', 'HorizontalAlignment', 'left', 'Color', [0 0 b(i)]);
    end
    
    % labels displayed on the left
    for i=ceil(k/2)+1:k
       line([(k-r(i))/(k-1) (k-r(i))/(k-1) 0], [100 100-3*(n+1)-10*(k-i+1) 100-3*(n+1)-10*(k-i+1)], 'Color', [0 0 b(i)]);
       %text(-0.2, 100 - 5*(n+1) -10*(k-i+1)+2, num2str(r(i)), 'FontSize', 10, 'HorizontalAlignment', 'left');
       text(-0.02, 100 - 3*(n+1) -10*(k-i+1), labels{idx(i)}, 'FontSize', 12, 'VerticalAlignment', 'middle', 'HorizontalAlignment', 'right', 'Color', [0 0 b(i)]);
    end
    
    % group cliques of statistically similar classifiers
    for i=1:size(clique,1)
       R = r(clique(i,:));
       %line([((k-min(R))/(k-1)) + 0.015 ((k - max(R))/(k-1)) - 0.015], [100-5*i 100-5*i], 'LineWidth', 1, 'Color', 'r');
       %line([0 0 0 cd/(k-1) cd/(k-1) cd/(k-1)], [113 111 112 112 111 113], 'LineWidth', 1, 'Color', 'r');
       line([((k-min(R))/(k-1)) ((k-min(R))/(k-1)) ((k-min(R))/(k-1)) ((k - max(R))/(k-1)) ((k - max(R))/(k-1)) ((k - max(R))/(k-1))], [100+1-5*i 100-1-5*i 100-5*i 100-5*i 100-1-5*i 100+1-5*i], 'LineWidth', 1, 'Color', 'r');
    end
    

     可执行m文件:

     load Data
    s=AccMatrix;
    labels={'SCV1V1','SVC1VA','SVR','CSSVC','SVMOP','NNOP','ELMOP','POM',...
        'NNPOM', 'SVOREX','SVORIM','SVORIMLin','KDLOR','GPOR','REDSVM','ORBALL' ,'NPSVORIM'};%方法的标签
    
    alpha=0.05; %显著性水平0.1,0.05或0.01
    cd = criticaldifference(s,labels,alpha)
    

      AccMatrix=[

    0.28 0.12 0.28 0.11 0.32 0.08 0.26 0.13 0.37 0.10 0.28 0.12 0.42 0.21 0.38 0.17 0.36 0.14 0.36 0.13 0.38 0.12 0.37 0.10 0.34 0.15 0.39 0.09 0.37 0.12 0.36 0.13 0.37 0.11 

    0.31 0.12 0.33 0.11 0.34 0.13 0.32 0.11 0.32 0.09 0.24 0.11 0.40 0.18 0.50 0.15 0.34 0.18 0.35 0.12 0.34 0.12 0.34 0.12 0.33 0.11 0.48 0.17 0.33 0.11 0.30 0.12 0.28 0.14 

    0.36 0.09 0.40 0.14 0.39 0.11 0.39 0.13 0.40 0.09 0.39 0.11 0.44 0.16 0.62 0.15 0.50 0.13 0.37 0.13 0.37 0.13 0.37 0.13 0.39 0.12 0.55 0.10 0.38 0.13 0.36 0.12 0.32 0.10 

    0.22 0.12 0.28 0.16 0.24 0.10 0.27 0.15 0.27 0.11 0.29 0.11 0.39 0.13 0.65 0.14 0.39 0.14 0.26 0.11 0.27 0.11 0.32 0.11 0.26 0.11 0.36 0.16 0.27 0.12 0.30 0.10 0.22 0.10 

    0.44 0.06 0.45 0.06 0.40 0.07 0.43 0.07 0.46 0.06 0.41 0.06 0.44 0.08 0.50 0.08 0.45 0.09 0.41 0.07 0.40 0.07 0.48 0.07 0.43 0.05 0.67 0.04 0.40 0.07 0.40 0.06 0.41 0.05 

    0.03 0.03 0.04 0.03 0.04 0.02 0.04 0.02 0.04 0.03 0.04 0.02 0.06 0.02 0.03 0.02 0.03 0.03 0.03 0.02 0.03 0.02 0.03 0.02 0.03 0.02 0.03 0.02 0.03 0.02 0.04 0.03 0.03 0.03 

    0.03 0.01 0.03 0.01 0.16 0.03 0.03 0.01 0.03 0.01 0.04 0.01 0.09 0.02 0.09 0.02 0.06 0.05 0.00 0.01 0.00 0.01 0.09 0.02 0.16 0.03 0.03 0.01 0.00 0.00 0.03 0.02 0.02 0.01 

    0.42 0.03 0.44 0.03 0.43 0.03 0.43 0.03 0.42 0.03 0.42 0.03 0.43 0.02 0.43 0.03 0.46 0.03 0.43 0.03 0.43 0.03 0.43 0.03 0.51 0.03 0.42 0.03 0.43 0.03 0.44 0.03 0.43 0.03 

    0.01 0.00 0.01 0.01 0.03 0.01 0.01 0.01 0.00 0.00 0.03 0.01 0.16 0.01 0.84 0.30 0.11 0.02 0.01 0.01 0.01 0.01 0.08 0.01 0.05 0.01 0.04 0.01 0.01 0.00 0.01 0.01 0.01 0.00 

    0.43 0.04 0.43 0.06 0.46 0.07 0.43 0.06 0.45 0.10 0.53 0.09 0.57 0.13 0.66 0.16 0.62 0.14 0.45 0.06 0.45 0.07 0.43 0.08 0.47 0.09 0.42 0.03 0.44 0.05 0.46 0.09 0.42 0.08 

    0.05 0.03 0.05 0.03 0.07 0.04 0.05 0.03 0.07 0.03 0.06 0.03 0.07 0.03 0.71 0.03 0.06 0.03 0.02 0.01 0.02 0.01 0.74 0.01 0.11 0.03 0.05 0.02 0.02 0.01 0.05 0.02 0.04 0.03 

    0.36 0.03 0.45 0.03 0.36 0.03 0.44 0.03 0.35 0.03 0.42 0.04 0.43 0.03 0.85 0.02 0.46 0.04 0.36 0.03 0.36 0.03 0.36 0.02 0.37 0.03 0.31 0.03 0.36 0.03 0.38 0.03 0.34 0.03 

    0.37 0.02 0.37 0.02 0.38 0.02 0.37 0.02 0.37 0.02 0.37 0.03 0.37 0.02 0.38 0.03 0.38 0.02 0.38 0.02 0.38 0.02 0.39 0.02 0.46 0.03 0.39 0.03 0.37 0.02 0.39 0.03 0.37 0.03 

    0.25 0.06 0.26 0.06 0.32 0.07 0.27 0.06 0.26 0.04 0.39 0.06 0.38 0.06 0.53 0.19 0.55 0.08 0.32 0.05 0.32 0.07 0.41 0.07 0.30 0.07 0.39 0.07 0.32 0.07 0.29 0.05 0.27 0.05 

    0.35 0.02 0.36 0.02 0.37 0.02 0.36 0.02 0.36 0.02 0.40 0.02 0.40 0.02 0.40 0.02 0.40 0.02 0.37 0.02 0.37 0.02 0.41 0.02 0.35 0.02 0.39 0.01 0.37 0.02 0.33 0.02 0.36 0.02 

    0.31 0.04 0.33 0.03 0.30 0.03 0.32 0.03 0.29 0.03 0.31 0.04 0.30 0.04 0.29 0.03 0.34 0.13 0.29 0.03 0.28 0.03 0.29 0.04 0.36 0.03 0.29 0.03 0.29 0.03 0.32 0.02 0.29 0.03 

    0.74 0.02 0.82 0.03 0.75 0.02 0.80 0.03 0.74 0.02 0.71 0.02 0.75 0.02 0.74 0.02 0.73 0.03 0.71 0.03 0.75 0.02 0.76 0.02 0.81 0.03 0.71 0.03 0.75 0.02 0.76 0.02 0.75 0.03 ];

     

    转载于:https://www.cnblogs.com/huadongw/p/5049992.html

    展开全文
  • Campbell diagram This article is from ...A Campbell diagram plot represents a system’s response spectrum as a function of its oscillation regime. It is named for Wilfred Campbell, who introduce...

    Campbell diagram

    This article is from Wikipedia
    A Campbell diagram plot represents a system’s response spectrum as a function of its oscillation regime. It is named for Wilfred Campbell, who introduced the concept. It is also called interference diagram.

    In rotordynamics

    In rotordynamical system, the eigefrequencies(本征频率) often depend on the rotation rates due to the induced gyrosopic(回旋效应) effects or variable hydrodynamic conditions in fluid bearings. It might represent the following cases:
    • Analytically computed values of eigenfrequencies as a function of the shaft’s speed. This case is also called "whirl speed map(旋转速度图)’. Such chart can be used in turbine design as shown in the numerically calculated Campbell diagram example illustrated by the image: analysis shows that
      • There are well-damped critical speed(阻尼良好的临界转速) at lower speed range.
      • Another critical speed at mode 4 is observed at 7810 rpm(130Hz) in dangerous vicinity of nominal shaft speed, but it has 30% damping -enough to safety ignore it.
    • Exoermentally measured vibration response spectrum as a function of the shaft’s ratation speed(waterfall plot ), the peak locations for each slice usually corresponding to the eigenfrequencies .

    In acoustical engineering

    In acoustical engineering , the Campbell diagram would respresent the pressure spectrum waterfall plot vs the machine’s shaft rotation speed(sometimes also called 3D noise map)

    campbell diagrams

    展开全文
  • plot plot(timeunits,Qin2) % input x and y value xlim([0 2049]) % setting the x axis range xlabel('Qin2') % name the x axis ylabel('time') % name the y axis 生成图片如下: ...

    plot

    plot(timeunits,Qin2)				% input x and y value
    xlim([0 2049])						% setting the x axis range
    xlabel('Qin2')						% name the x axis
    ylabel('time')						% name the y axis
    

    生成图片如下:

    plot

    eyediagram:

    eyeobjq=comm.EyeDiagram('SampleRate', 40e6, ...
        'SamplesPerSymbol', 8, ...
        'DisplayMode', 'Line plot', ...
        'ColorFading', true, ...
        'ShowImaginaryEye', false, ...					% 如果含有虚数,那么设置位true
        'YLimits', [-600 600])        % 更详细的设置参考matlab官网
    eyeobjq(Qin2)
    

    eyediagram 结果:

    eyediagram
    eyediagram 张口最大的地方就是 best sampling point,在这幅图中,也就是2*10-7s的时候。

    constellation diagram----multi-input

    由于我的I,Q信号是分开的,所以以这种形式展示constellation diagram

    fh1 = figure;
    plot(Iin2, Qin2, '.');
    title('constellation diagram');
    xlabel('Iin');
    ylabel('Qin');
    

    constellation diagram 运行结果:

    constellation

    如何利用constellation diagram 计算波形的phase offset:

    I(t) = A(t)cos(Φ(t))
    Q(t) = A(t) sin(Φ(t))
    Φ(t) = arctan( Q(t) / I(t) )

    也就是说,每个constellation diagram的点,连接(0,0),产生的角度就是这个波形的phase.

    展开全文
  • drawing/map/picture这3个是日常说话习惯爱用的词汇,而chart/diagram/graph/image这4个是电脑软件中司空见惯的单词,其余的figure/illustration/plot这3个则是书面行文中屡见不鲜的常用词 。因此,不管是从学习、...

    转载声明:本文转载自http://hi.baidu.com/heartsoft2008/blog/item/a80056dfa91b2b1e48540304.html,对原作者鸣谢!

    坦白说,每次更新本文都需要添加几个新想到的近义词进来,因为表示“图形或画面”的单词还真不少,不经意间已经累积到10个。在这10个近义词当中,drawing/map/picture这3个是日常说话习惯爱用的词汇,而chart/diagram/graph/image这4个是电脑软件中司空见惯的单词,其余的figure/illustration/plot这3个则是书面行文中屡见不鲜的常用词。因此,不管是从学习、工作还是生活的角度,这10个近义词都值得我们认真思考,辨明了它们的差异讲有助于我们对英语单词的理解。


    1、Chart:反映某个量在一段时间内变化关系的图线,变化趋势图数据的可视化

    chart原本是指航海用的“海域图”,是一份详细地标明了各条航海路线上暗礁、海岛、岩石、海深等信息的航海图,后来泛指包含了各种详细数据或信息的参考图(如柱状图,饼状图,折线图,趋势图等等),也就是说,chart是以数据信息为基础的,最终呈现出的图线完全依赖于各种详细的数据而产生,如果没有数据作为支撑,则对应的图线或趋势根本无从谈起

    2、diagram:示意图,用简单的图线框对产品或过程所作的图示和解释结构/功能/逻辑/过程的可视化

    diagram由前缀dia-(相当于through或between)和词根-gram(-graph的变体,相当于画或划),合起来就是“画成一串的东西,在某2个位置之间画出的东西”,类似的词还有圆的直径diameter,dia-前缀意思相同,-meter这样词根就取了它的本义(丈量,量尺寸),所以diameter指的是“过圆心拉出一条线所量出的尺寸,圆的直径”。由此可见,diagram更强调位置关系,它指的是描述产品的结构或服务的流程的一串图形(通常是示意图,如产品解剖图、组织架构图、作业流程图、程序执行图等等),所以呢,严格地说flow chart应该叫flow diagram才对

    3、drawing:画,划,拉,通过笔端的运动所“拉”出的的线条画手持工具运动的结果

    显然地,drawing是draw(拉,扯,拔,抓,抽)的动名词形式,用法类似于building,就是用动词的现在分词形式(正在进行的动作)表示动作行为本身,原本指的是“手绘某个对象”这一行为,后来又用指动作的结果(手绘出来的东西),后面提到的illustration其实也是这种“行为与结果共用”的用法,如此,我们就能了解building原本表示“建造”,却常常表示“建筑物,建造出来的东西”。同样的道理,drawing就是draw这一动作所衍生出来的东西,比如你拿了一根树脂/刀剑等在沙地上画了个图形,那么你划出来的东西就是drawing,它不在乎你用什么工具,也不在乎你画出来的东西有多么精美、漂亮、有意义,只标明它是用手画出来的

    4、figure:人或物的外部形状,看起来象某个形状的事物事物的外部形状

    正如本人之前在该文(【原创】关于digit/figure/number/numeral的辨析(2010年08月10日更新))中分析的那样,figue一词其实是最初是相对于另一词shape而言的:figure侧重指人的体形(如身材、人像、雕像等),而shape指物体的外形。只不过这2个词在后来的发展中出现了演变和融合,以致于figure也可以用于人之外(如图形或数字),而shape也可以表示人的体形了,但我们必须明白造成这种变化的动因主要有2个:借用和比喻。如果我们进一步把人或物这一属性也抽掉,则figure就表示“事物的外形”了,换句话说,凡是肉眼能看到的形状都是figure,相反地,看不到形状的就一定不是figure

    5、graph:用手在某个介质(如地面/纸面/屏幕等)上画出来的东西最终以画面形式呈现出的东西

    graph/gram和scrible/script这2对词是英语中经常用作词根的常见词,前者表示“画”(侧重于形状),后者表示“写”(侧重与内容)。中国传统文化常提及一个观点“书画同源”,所以,我们应该联想对比起来理解和记忆。很显然,graph就是“画出图形”(动作)或“画出的图形”(结果),再结合微软office套件中的graph(绘图)功能,我们就能更加加深理解:它只强调把图形画出来,所以不管图形的种类如何,只要能画出来就是graph,它甚至可以不需要用手去动作(所以graph的外延比drawing还要大)。

    6、illustration:插图,配图,为了让文字性的内容更加易懂而配置的图形或图片借重图形以帮助理解

    illustrate表示“用图形说明某个概念、道理、思路、原理等抽象的概念”。它的名词形式illustration其实是“用行为表示结果”后才有了“插图,配图,图解”的意思,也就是“起形象说明的图形或图片”。该词很简单,不再赘述。

    7、image:图像,画像,(人或物等)自然界的有形实体在人脑中留下的形象自己脑海中存留的画面

    image一词在电脑中经常看到,各种软件(如图片处理)、文件(如镜像文件)都有用它来表示的。其实image指的是物体对象(包括人)在人脑海中的形象(包括照片、画像、雕塑、印象等),self image(自我形象)也是用它,另外,我们联想一下imagine(想象)一词,它就是image的动词形式(使形成形像,想象,这里想象中的“象”是“像”的通假字,起初只有“象”没有“像”,后来才出现词形分化)。所以,image是强调画面感的,只有逼真的绘画painting/picture和照片photo才能称之为image,image之所以能表示“镜像”完全是因为它只是提供了一个形象或画面,并不是事物本身(实体)

    8、map:地图,映射图,用于跟实际事物一一对应的概念性的图示与实物之间的一一对应

    map的本义就是地图,也就是那种相对于实际地形和布局缩小了N倍的图形表示。分析该词的主要用意在于认识map的本质(一一对应,映射),也就是说实际地域上有某个东西,按理地图上就有一个缩微的对象与之对应,从而这2者之间形成了“映射关系”(也就是一一对应关系)。如此我们就能明白高一代数课本在介绍“函数(function)”这一概念之前是从“集合(set)”开始的,由集合(set)到映射(map)再到函数(function),整个逻辑是连贯和递进的。而且生活中我们往往用map的这一动词用法,仅仅用它来指代地图就太浪费了。

    9、picture:绘画,画像,被他人描绘出来的形象或画面别人眼中看到的或脑海中存留的景象

    容易知道picture是pict(描摹,临摹,绘画)的名词形式,-ure是常见的名词后缀。另外,结合depict(描绘出某个形象或画面)这个词也有助于加深对picture一词的理解。picture就是严格意义上的绘画(包括纯素描sketch和使用颜料的油画painting)。当然了,生活中我们经常将其抽象成“画面”,然后在借用到其它事物上表示“情景或情况”。比如,小说或故事中通过文字性描写所营造的情景也被我们称之为picture,如此才有了用pictures表示电影的用法,再有就是big picture经常被用于表示“某个事情的总体情况,大画面”,等等。

    但有一点我们必须明白,picture首先指是别人眼中看到的东西,然后通过他们的绘画、描述或解说在我们的脑海中形成形象,也就是说,我们看到的picture已经不是第一手资料,而是别人认知以后呈现在我们面前的东西。举例来说,我们自己的画像首先是画家眼中看到样子,我们看到的照片也是照相机或摄像是在它们认为合适的时刻截取的画面瞬间。

    10、plot:描点绘图,筹划/谋划,按某个既定方案或限制条件通过描点而形成的线条或形状带有某种意图的布局

    plot原本是指“对一块土地按某个用途进行标记”(如某个区域种植什么农作物,某个区域搭建某个设施等),后泛指“按某个意图开展某事”(如文章的布局谋篇、阴谋策划某个事件、构思某个故事情节等等)。所以,plot用于表示图形的时候,多数情况下是指“按变量之间的约束关系描点绘制2者的关系曲线图”,生活中常用的抽象意思其实都是它的比喻义。换句话说,plot强调“思维的脉络性”或“意图”,即便是由此描点形成的图形也主要用于体现出关系和脉络

    关于chart/diagram/drawing/figure/graph/illustration/image/map/picture/plot的辨析

    展开全文
  • chart/diagram/drawing/figure/graph/illustration/image/map/picture/plot? [转自]https://blog.csdn.net/u010584319/article/details/82704889 坦白说,每次更新本文都需要添加几个新想到的近义词进来,因为...
  • QQPlot/Quantile-Quantile Plot

    万次阅读 2015-03-06 13:52:13
    QQPlot用于直观验证一组数据是否来自某个分布,或者验证某两组数据是否来自同一(族)分布。在教学和软件中常用的是检验数据是否来自于正态分布。 详细信息参考: ... -------------------------------------------...
  • ER图 Diagram Designer

    2011-03-22 17:04:23
    Graph plotter to plot mathematical expressions Compressed file format for minimizing drawing file size Advanced pocket calculator with equation solver MeeSoft Image Analyzer integration for bitmap ...
  • 利用Origin绘制piper diagram图piper diagram 简介从百分比数据创建一个piper图数据准备绘制图形自定义piper图参数三元图与菱形图间距的调整三元图颜色及形状的调整添加数据标签图例更新 piper diagram 简介 piper ...
  • Diagram Designer 1.25

    千次阅读 2012-02-07 11:32:34
    Diagram Designer 1.25 Graphics Freeware for Windows 98/ME/2000/XP/Vista/W7 [Chinese version] Download with installer (1.3 Mb) Includes online help file   [Brothersoft] ...
  • plot_wheel_diagram.py复制到任意位置。 用法 python plot_wheel_diagram.py YOUR_SEQUENCE Web版本也可。 笔记 Helvetica被指定为默认字体。 如果有错误,请删除字体规范。 HTML版本可在index.html上获得。 ...
  • 主图 散点图 柱状图 折线图 小提琴图 ...Sankey Diagram ...plot(getSankey(colData(muraro)$cell_type1, muraro_to_seger$scmap_cluster_labs[,1], plot_height=400))   坐标轴 去掉不必要的到坐...
  • matlab plot绘图

    千次阅读 2015-09-23 15:16:19
    %Draw scatter diagram plot(step, Overhead_rate1,'+', step, Overhead_rate2, 'o',step, Overhead_rate3,'*', step, Overhead_rate4,'); text(2.6, 6.6, '+:单个','HorizontalAlignment', 'left', '...
  • import numpy as np import astropy as a import astropy.units as u import astropy.constants as c from scipy import optimize ...#plt.plot(x1,c='k') #plt.text(x[0]) plt.savefig('fitting_1234567.pdf')
  • Colorize Voronoi Diagram IPython Cookbook, Second Edition (2018) 14.5. Computing the Voronoi diagram of a set of points template import numpy as np import pandas as pd import matplotlib.pyplot as plt ...
  • Plot Graphic Library gpl图表控件

    千次阅读 2009-02-05 14:17:00
    Download source - 321 Kb Download demo application - 143 Kb DescriptionPGL is a library that encapsulates plot capabilities in a MFC project for VC6 and VC7. It is designed to be able to
  • 如何用Core Plot绘制柱状图
  • Rlang(2)Diagram - Model - Loop - Ifelse 1. Generate the Diagram ... plot(x = pm$time, y = pm$h8, xlab = "Time", ylab = "PM2.5", type = "l", ylim = c(0, 200)) > l...
  • CorePlot_1.5.1 图表库

    千次阅读 2014-09-22 16:08:09
    类图(Class Diagram) 下面这个标准的UML类图给出了CorePlot框架中主要类的静态视图。关系的基数通过标签指定,用“1”表示“对一”的关系,用星号(*)表示“对多”的关系。 对象和层(Objects And ...
  • 最近因为工作需要,需要画一些漏斗图、成交路径的图之类的,然后我就想到了桑基图(sankey diagram)。这个图现在绘制很简单,可以有以下几个方法: 1. 使用R语言画,比如R语言的networkD3、plotly包,可以画非常...
  • [R] venn.diagram保存pdf格式文件?

    千次阅读 2019-10-07 08:45:18
    vennDiagram包中的主函数绘图时,好像不直接支持PDF格式文件: dat = list(a = group_out[[1]][,1],b = group_out[[2]][,1]) ...venn.plot <- venn.diagram( dat, filename = "proteinGroup_v...
  • 按下Plot窗口中的Copy(复制)按钮,在DiagramDesigner中“Ctrl+V”或鼠标右键菜单中点击“Paste”(粘贴,快捷键Shift+Ins也可以做到),就可以将这个函数的图像复制到DiagramPane上了,如下图所示:
  • 冲击图(alluvial diagram)及R实现

    千次阅读 2020-10-15 22:26:48
    冲击图(alluvial diagram)是流程图(flow diagram)的一种,最初开发用于代表网络结构的时间变化。 实例1. neuroscience coalesced from other related disciplines to form its own field. From PLoS ONE 5(1): e...
  • 1,simple line chartimport matplotlib.pyplot as pltinputvalues=[1,2,3,4,5] squares=[1,4,9,16,25]#correct the value...plt.plot(inputvalues,squares,linewidth = 5)#plt.plot(squares,linewidth = 5) default val
  • Sankey_Plot R中的可视化 Sankey图非常直观地描述了主要类别之间的区别和联系,我曾经描述了两个汽车零件(通用和特殊)及其改装模型之间的区别和联系。 此外,连接的宽度与销量成正比。 请查看R代码进行演示。
  • data set vector "Waste" (ordered it yourself) Wastes= c(75, 31, 22, 8) # give names to each column of vector "Wastes" names(Wastes) = c('Plastic', 'Irom', 'Clothes', 'Spares') # plot a pareto diagram ...
  • 软件版本:Diagram Designer (Version 1.24) 一、Diagram Designer 的表达式求值工具 下图为 Diagram Designer 的表达式求值工具: 在程序的帮助手册中,对这个表达式求值工具的使用有着较为详细的描述。...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,776
精华内容 710
关键字:

diagramplot