voronoi

    1熱度

    1回答

    我們給出了一個DCEL(雙向連接邊界列表)形式的Voronoi圖,但沒有建立Voronoi圖的實際站點(只是Voronoi頂點,邊和麪) 。 問題是在什麼條件下我們可以(重新)構建給定圖的構建點集並給出這樣做的算法。 我所知道的,到目前爲止: 如果我們要找出一個站點,我們可以通過畫圓發現所有的人(我們知道,每個的Voronoi頂點是有一個空盤的中心三個網站上的圓圈) 我知道福(掃描)算法構建Vor

    0熱度

    1回答

    我創建了一個voronoi代碼,它不工作,因爲它應該。 我真的不知道錯誤! 我打電話的功能是: void Voronoi( const int NbPoints, const int height, const int width, float * X, float * Y, int * V, int * const ouVor

    0熱度

    1回答

    我想知道接近度量度,即由函數Voronoi在將給定區域分隔成Voronoi區域時使用的歐氏距離或曼哈頓距離。是否可以告訴這個函數使用我自己的自定義度量來決定是否接近voronoi中心? 我試圖尋找源包,但沒有發現功能 class scipy.spatial.Voronoi(points, furthest_site=False, incremental=False, qhull_options=N

    0熱度

    1回答

    我有本網站上的人給我以下代碼,並感謝大家! 我需要將這個圖納入德克薩斯州的大州!到目前爲止,我已經發布了我的代碼,將它置於一個狀態是一種延伸? n <- c(30.60688, 30.28370, 31.08425, 29.29955, 32.71078) k <- c(-96.35286, -97.73405, -97.34860, -94.79447, -97.36118) mat <-

    -1熱度

    2回答

    我有一套將數據集劃分爲集羣的方法。 爲了簡單起見,將7個樣本想象爲一個方法分成3個羣集中的任何一個。另一種方法也是如此,但分配不一定。 我感興趣的是繪製在voroni狀的方式,在邊框標識一定的樣本屬於該分區的不同分配工具(無決策邊界,該數據沒有線性變換 - 其實只是分配)。 我想有類似下面的一個情節: 有沒有做到這一點的任何工具? R將是完美的,但任何網站也可以。

    1熱度

    1回答

    我利用Scipy的空間包Voronoi類來生成輸入點的三維鑲嵌細分。然後我在「框」域中隨機插入點。我遇到麻煩的地方是弄清楚如何檢查一個隨機點是否在給定的Voronoi區域內。我認爲,因爲我擁有每個Voronoi區域的所有頂點,所以我應該可以做到這一點,但是我一直無法圍繞它進行包裝。任何見解,示例代碼或python工具都可以很簡單地做到這一點? 任何幫助是最欣賞的, SB 更新,我想我留下了一些關鍵

    0熱度

    1回答

    我想計算泰森森斯權重以根據點測量值計算面積降雨量。我正在使用R,並感謝同一主題中的一些以前的問題,我知道我可以使用 deldir。但問題是我的邊界多邊形不是矩形;它是一個不規則的多邊形(它是使用ArcGIS派生的集水邊界)。但在deldir邊界只能是一個矩形。是否有任何其他軟件包可以計算由不規則邊界覆蓋的區域的泰森權重? 下面給出的是我的測量點(meas_points)和(簡體)邊界多邊形(邊界)

    1熱度

    1回答

    背景 我有一組8000個包含在CSV文件中的地理點工作。一方面,我創建了使用這些點構建的Voronoi圖的可視化 - 它使用D3庫完成。另一方面,我使用Scipy在Python中計算這些Voronoi圖。 我的工作邏輯很簡單 - 我把我的數據放在Python的一邊,製作熱圖,分析等,然後用D3可視化效果。但是今天我意外地發現,Scipy和D3製作的Voronoi圖是不同的。我注意到,在使用geoj

    1熱度

    2回答

    注意關聯點:answer通過aqueiros,但越往上投,是不正確。特別是這條語句「vor.regions在第一個索引中總是有一個空的數組」,這是不正確的。 我生成一個簡單的2D沃羅努瓦剖分,使用scipy.spatial.Voronoi功能。我使用隨機的2D點分佈(請參閱下面的MCVE)。 我需要通過每個定義區域(由scipy.spatial.Voronoi定義)並獲取與其相關的點的座標(即:所

    -1熱度

    1回答

    我想使用R將Voronoi馬賽克轉換爲無向圖。How? library(mvtnorm) library(tripack) set <- rmvnorm(100,c(0,0),diag(2)) voronoi <- (voronoi.mosaic(set[,1],set[,2])) plot(voronoi) 1,2 2,3 3,4 1,4 ... 我更願意用[R,但如果你