初学js---获取鼠标在页面中的位置

图片跟着鼠标移动

1.获取鼠标在页面中的位置:(pageX/pageY获取鼠标在页面中的位置

2.通过id或者其他方法找到图片,然后让图片的位置变为和鼠标位置相同,注意要先让图片脱离文档,即设置position:absolute.

完整代码:

<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>获取鼠标的位置</title>
</head>
<body>
<img id="img" src="../img/天使.png"/ style="width:50px;height:50;">
<script>
var img=document.getElementById('img');
document.οnmοusemοve=function(e){ //当鼠标移动的时候触发事件
e=e ||window.event; //兼容性问题
img.style.position='absolute';

//pageX/pageY获取鼠标在页面中的位置
img.style.left=e.pageX+'px';
img.style.top=e.pageY+'px';;
}
</script>

</body>
</html>

转载于:https://www.cnblogs.com/ayayi-666/p/9397724.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: t-sne是一种流行的非线性降维算法,可用于将高维数据可视化为二维或三维空间的分布。在Matlab,t-sne可以通过使用“t-SNE Toolbox”扩展包实现。该工具包提供了一组功能丰富的函数,使用户能够轻松地将高维数据集转换为低维表示。 使用t-SNE Toolbox进行t-sne分析的基本流程如下: 1. 准备数据:将数据加载到Matlab工作空间,并将其整理成一个矩阵,其每一行对应于一个观测值,每一列对应于一个特征。 2. 配置参数: T-SNE Toolbox提供了几个参数,可用于控制t-sne分析的参数,例如,迭代次数、惯性、邻域尺度等。 3. 运行t-sne算法:使用t-SNE Toolbox提供的函数运行t-sne算法,从而将高维数据可视化为低维空间的分布。 4. 可视化结果:在低维空间可视化数据,并对其的聚类、局部密度等进行分析,以获得对原始数据集的更深入的理解。 例如,可以使用t-SNE Toolbox的“tsne_d”函数将高维数据降维到二维空间,并使用“scatter”函数在二维空间绘制散点图,展示从高维数据提取的特征和模式。 总之,t-sne是一种常用的非线性降维算法,它可以帮助我们更好地理解高维数据集的复杂模式,而在Matlab,使用t-SNE Toolbox工具包能够很方便地实现这种算法,并可视化分析结果。 ### 回答2: t-SNE(T-Stochastic Neighbor Embedding)是一种用于数据降维和可视化的算法。在matlab,用户可以使用t-SNE工具箱来实现t-SNE算法。 使用t-SNE工具箱的第一步是加载数据,可以将数据加载为矩阵或读取外部文件。然后,可以使用t-SNE函数将数据集投影到二维平面或三维空间。在使用t-SNE函数之前,需要设置一些参数,例如迭代次数、数据集的维数、正则化参数等。用户还可以通过指定不同的颜色、符号和标签等方式来定制可视化图形。 t-SNE算法的一个实际应用是分析人脑神经元活动。可以将神经元活动数据投影到二维图,并通过可视化来发现神经元之间的联系和集群。此外,t-SNE还可以在其他领域被广泛应用,例如计算机视觉、自然语言处理和基因组学等领域。 ### 回答3: t-sne是一种流行的降维算法,它可以将高维数据映射到二维或三维空间,方便数据可视化和分析。在Matlab,可以通过调用t-sne函数来实现这一过程。 在Matlab调用t-sne函数的方法非常简单。首先,需要将数据读入Matlab,并进行必要的预处理,如归一化和特征选择等。然后,调用t-sne函数,并设置一些参数,如输入数据、输出维度、学习率等。最后,可以将结果可视化,以便进一步分析和研究。 例如,假设我们有一个高维数据集,其包含1000个样本和100个特征。我们想将这些数据映射到二维空间以便进行可视化。在Matlab,可以按照以下步骤操作: 1.读入数据并进行预处理,如标准化和PCA。 2.调用t-sne函数,设置参数。例如,我们可以设置输入数据为标准化后的数据、输出维度为2、学习率为200和迭代次数为1000。这个函数会返回一个二维矩阵,其每一行表示一个样本在二维空间的坐标。 3.将结果可视化,以便进一步分析和研究。在Matlab,可以使用plot或scatter函数绘制散点图,其x和y坐标为t-sne函数输出的二维矩阵的第一列和第二列。 t-sne在Matlab的实例应用非常广泛,其应用范围包括图像识别、文本分类、时间序列分析等。无论是初学者还是专业人士,都可以轻松地使用这个强大的工具来降低数据的维度,增强数据可视化和分析的能力。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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