remote sensing and geographic information system

《Modeling Color Difference for Visualization Design》，该论文是2017年的一篇最佳会议论文，对可视化中的色差进行建模，比较有创新性，作为图形学课程报告，由于我专业不是图形方向，对这个不太了解，一开始入手很难理解，花了几天啃出来的重要内容都在报告中说明了~

BGGM：贝叶斯高斯图形模型 R包BGGM提供了用于在高斯图形模型（GGM）中进行贝叶斯推理的工具。 这些方法围绕用于贝叶斯推断的两种通用方法进行组织：（1）估计和（2）假设检验。 关键区别在于，前者着眼于后验或后验预测分布（Gelman，Meng和Stern，1996年；见Rubin 1984年的第5节），而后者着眼于与贝叶斯因子的模型比较（Jeffreys 1961年； Kass and Raftery（1995）。 什么是高斯图形模型？ 高斯图形模型捕获了一组变量之间的条件（非）依赖关系。 这些是成对关系（部分相关性），用于控制模型中所有其他变量的影响。 应用领域 高斯图形模型被用于各种科学领域，包括（但不限于）经济学（Millington和Niranjan 2020），气候科学（Zerenner等人，2014），遗传学（Chu等人，2009）和心理学（Rodriguez等人，

Learningingraphicalmodels：（学习在图形化的模型）

Probabilistic graphical models is a technique in machine learning that uses the concepts of graph theory to concisely represent and optimally predict values in our data problems. Graphical models gives us techniques to find complex patterns in the data and are widely used in the field of speech recognition, information extraction, image segmentation, and modeling gene regulatory networks. This book starts with the basics of probability theory and graph theory, then goes on to discuss various models and inference algorithms. All the different types of models are discussed along with code examples to create and modify them, and also run different inference algorithms on them. There is an entire chapter that goes on to cover Naive Bayes model and Hidden Markov models. These models have been thoroughly discussed using real-world examples.

Graphical Data Analysis with R 英文无水印原版pdf pdf所有页面使用FoxitReader、PDF-XChangeViewer、SumatraPDF和Firefox测试都可以打开 本资源转载自网络，如有侵权，请联系上传者或csdn删除 查看此书详细信息请在美国亚马逊官网搜索此书

MindViewer 官方说明手册翻译： TGAM连接及测试： 本软件开发流程和使用介绍： 神念科技脑波模块TGAM图像化显示工具 配置好TGAM模块，连接好蓝牙，然后打开本软件读取端口数据就可以看见数据显示了。 每秒钟接近600个点，不想使用qcharts（听说性能不是很好），绘图部分使用qwt库。 Qt/qwt6.1.3/qserialport 绘图效果：

Classic book written by Michael I. Jordan & Christopher M. Bishop.

Probabilistic Graphical Models - Principles and Techniques.pdf高清版，可以下载下来，网上打印书籍哦

chap04 Graphical User Interface.pdf