java mathematica_从Mathematica到Java的图像

我试图从Mathematica中获取一张图片.

我尝试评估一些使用包中的方法生成图形的Mathematica代码.

如果我将代码粘贴到Mathematica Notebook,则会正确生成图形.

所以我的问题:

如何将这些图形转换为Java ???

这是我的示例代码:

ml = MathLinkFactory.createKernelLink("-linkmode launch -linkname 'F:\\APPS\\Wolfram

Research\\Mathematica\\7.0\\mathkernel.exe'");

ml.addPacketListener(new MyPacketListener());

ml.discardAnswer();

PacketListener stdoutPrinter = new PacketPrinter(System.out);

ml.addPacketListener(stdoutPrinter);

// In stringList there is all the INPUT for Mathematica

for (int i = 0; stringList.size() > i; i++)

{

System.out.println("Input" + "[" + i + "]" + stringList.get(i));

ml.evaluate(stringList.get(i));

ml.discardAnswer();

}

ml.close();

class MyPacketListener implements PacketListener {

public boolean packetArrived(PacketArrivedEvent evt)

throws MathLinkException {

if (evt.getPktType() == MathLink.TEXTPKT) {

KernelLink ml = (KernelLink) evt.getSource();

System.out.println(ml.getString());

}

return true;

}

输出是:

<

<

dataSet = CIP`ExperimentalData`GetQSPRDataSet02[];

CIP`Graphics`ShowDataSetInfo[{"IoPairs", "InputComponents", "OutputComponents"},

dataSet];

Number of IO pairs = 2169

Number of input components = 130

Number of output components = 1

mlrInfo = CIP`MLR`FitMlr[dataSet];

mlrInfoInInputForm = InputForm[mlrInfo];

pointSize = 0.025;

CIP`MLR`ShowMlrSingleRegression[{"ModelVsDataPlot", "CorrelationCoefficient"},

dataSet, mlrInfo, GraphicsOptionPointSize -> pointSize];

(*-Graphics-*)

(*

Out 1 : Correlation coefficient = 0.999373

*)

pointSize = 0.01;

CIP`MLR`ShowMlrSingleRegression[{"AbsoluteSortedResidualsPlot",

"AbsoluteResidualsStatistics", "RMSE"},

dataSet, mlrInfo, GraphicsOptionPointSize -> pointSize];

(*-Graphics-

Definition of 'Residual (absolute)': Data - Model

-1

Out 1 : Residual (absolute): Mean/Median/Maximum Value = 1.4 / 9.84 × 10 /

1

> 1.79 × 10

Root mean squared error (RMSE) = 2.063

*)

我如何获得这些-Graphics-?

谢谢您的帮助!

J / Link用户指南有很好的代码示例,用于将图形从Mathematica发送到Java:

http://reference.wolfram.com/mathematica/JLink/tutorial/CallingJavaFromMathematica.html#29556

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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