- Government Structure A visual and analytical exploration of the functional structures of the fifty US state governments.">Government Structure A visual and analytical exploration of the functional structures of the fifty US state governments.
- Neo4j Bloom">Neo4j Bloom
- 图论编辑器">图论编辑器
- Where does interest in stories originate, and how do stories spread?">Where does interest in stories originate, and how do stories spread?
- medieval fantasy city generator">生成中世纪城市 medieval fantasy city generator
- 一个基于深度学习与神经网路的声音转换模型">一个基于深度学习与神经网路的声音转换模型
- Color Decomposition">Color Decomposition
Government Structure A visual and analytical exploration of the functional structures of the fifty US state governments.
来自哈佛CID Growth Lab的一个可视化项目,以美国50个洲上千万个政府网页为数据源,分析了不同部门在线行使职能时与其他部门的跳转关系。横纵坐标分别表示了职能分类与职能等级,在保持这种排布的基础上,以黄绿渐变线将进出关系进行了表达,从而展现出树状的清晰结构。
by @乌诺(wunuo)
Neo4j Bloom
简介:对于一个图数据库产品而言,可视化是很关键的一环。因为和传统的数据库的二维表结构不同,图数据库以处理非常复杂的网络结构、高维数据间错综复杂的关系为主。从图数据库存储的数据中产生洞见,单纯靠统计、算法支持是很难完成任务的,往往需要辅以布局、图形化的展示去帮助人快速对一个复杂的结构或者规律产生直观的理解。
Neo4j 就是一款图数据库,并且是商业化图数据库里的佼佼者。Adobe 的在线作品集站点 behance,就使用它来存储数据、并基于此做各种分析、个性化推荐等。传说 behance 在图数据库的选择上经历了从 MongoDB 到 Cassandra 再到 Neo4j 的进化过程。
而 Neo4j Bloom 就是这个图数据库的图可视化 GUI。这个软件尽可能降低大家探索图数据的成本,用户可以用接近自然语言的查询方式来浏览图数据,而且在绘制、交互方面的细节非常到位,一个简单的例子是:它的节点在不同的 zooming 等级下,展现的细节是完全不同的。而且无论数据规模如何,它的布局都不会阻断交互。总体来看,是相当成熟的商业版带图数据库引擎的 Gephi 的感觉。 观看视频。
by @绝云(leungwensen)
图论编辑器
本周除过联调和修改GeabaseBUG外,其他时间基本都在看图论相关知识,发现了一款在线绘制图论中的图的神器,在看理论知识的同时,绘制对应的图,能有效提升学习效率。有兴趣的可以通过这个URL尝试。该工具也支持编辑图的相关属性及下载png图片。
by @聚则(moyee-bzn)
Where does interest in stories originate, and how do stories spread?
地图上原点代表事件的热度,直线图表作为时间轴进行联动,地图上原点大小随时间变化跳动,呈现出呼吸效果,图表和地图联动的经典案例。
by @ThinkGIS(xiaofengcanyue)
生成中世纪城市 medieval fantasy city generator
随机生成任意尺寸的中世纪城市,也可以自己配置一些规则,比如河流、房子的形状等等。孵化自一个reddit上至今仍然非常活跃的procedural generation社区 ( https://www.reddit.com/r/proceduralgeneration/ ) ,推荐各位对生成艺术感兴趣的同学前去围观。
其他类似的项目还有:Uncharted Atlas 链接, Fantasy World Generator 链接
by @sakuya(liuye-szvim)
一个基于深度学习与神经网路的声音转换模型
一个基于深度学习与神经网路的声音转换模型:https://github.com/andabi/deep-voice-conversion;
训练的过程依赖于两层神经元(怎么感觉不像是神经网络而像是两次训练。。。。),依次完成了语音识别与语音合成。看起来没什么毛病,美中不足的是想要将语音进行实时的转换还需要想想办法。
by 伍沉
Color Decomposition
Color Decomposition,来自 WebGL Insights 中介绍的一个可视化案例。链接
- 数据源:一段视频或者从摄像头输入。
- 数据处理:将创建模型的大开销操作放在 Web Worker 中进行,统计每一帧像素点颜色数量。
- 渲染:使用 drawElementsInstanced 高效绘制,WebGL1 需要开启对应 ANGLE 扩展。
by 沧东