Фрагмент для ознакомления
Обработка графической информацииВ мире веб-разработки и дизайна, Scalable Vector Graphics (SVG) выделяется как мощное и универсальное средство для создания векторной графики. SVG предоставляет разработчикам и дизайнерам возможность создавать масштабируемые и интерактивные элементы, что делает его незаменимым инструментом при работе с веб-графикой.В этой работе мы рассмотрим основные принципы SVG и фокусируемся на его использовании для создания анимаций и визуализаций. SVG, как формат описания векторной графики в XML-формате, обладает уникальными возможностями, позволяющими не только создавать статические изображения, но и добавлять к ним динамичность и визуальные эффекты.Рассмотрим код для визуализации отрывка стихотворения:Код выше задает область рисования для векторной графики, устанавливая ширину и высоту в 400 и 200 пикселей соответственно. Создается круг, представляющий каплю крови, с анимацией движения. Также добавлены линии, анимирующие движение капли. `: Основной тег для группировки элементов внутри SVG. Позволяет обернуть несколько элементов, чтобы применять к ним трансформации, стили и другие свойства сразу ко всей группе. - ``: используется для определения элементов, которые могут быть повторно использованы внутри SVG, таких как маски, градиенты или шаблоны. - ``: позволяет повторно использовать определенные элементы из `` в разных частях SVG. - ``: Похож на ``, но предназначен для определения объектов, которые будут использованы внутри `` с использованием тега ``. - `` и ``: Вложенные группы позволяют создавать сложные иерархии объектов в SVG, облегчая управление и структуризацию кода.2) viewBox в SVG: - Механизм: `viewBox` - это атрибут SVG, который определяет область видимости и преобразование координат. Он представляет собой прямоугольник в пользовательских координатах, который отображается внутри контейнера SVG. - Визуальные эффекты: - Масштабирование и масштабирование по центру: Изменяя значения `viewBox`, можно управлять масштабированием содержимого SVG. Например, `viewBox="0 0 100 100"` означает, что пользовательские координаты идут от 0 до 100 по обеим осям. - Перемещение (панорамирование): Изменяя значения `viewBox`, можно изменять отображаемую область, что приводит к эффекту перемещения (панорамирования). - Адаптивность и отзывчивость: `viewBox` также играет важную роль в создании адаптивных и отзывчивых SVG-изображений, позволяя им масштабироваться и подстраиваться под разные размеры экранов. - Защита от искажений: Используя `viewBox`, можно предотвратить искажение содержимого SVG при изменении размеров контейнера, обеспечивая сохранение пропорций элементов.ЗаключениеВ результате выполнения курсовой работы по теме "Технологии обработки информации" были рассмотрены и исследованы три важных аспекта в области обработки данных. Первое задание посвящено методам понижения размерности данных, где метод главных компонент (PCA) выявил свою эффективность в уменьшении размерности изображений, сохраняя при этом значимые особенности. Второе задание, связанное с визуальной классификацией, продемонстрировало применимость алгоритмов UMAP и t-SNE для визуализации сложных структур данных и выявления классов. Третье задание, по обработке графических данных в формате SVG, позволило создать простую анимацию, раскрывающую возможности работы с векторной графикой.Обобщая полученные результаты, можно заключить, что использование современных технологий обработки информации позволяет эффективно анализировать и визуализировать данные в различных форматах. Методы понижения размерности и визуальной классификации становятся мощными инструментами для работы с большими объемами информации, позволяя выявлять закономерности и структуры данных.Важным аспектом выполнения курсовой работы было также овладение навыками программирования на языке Python и использование различных программных библиотек, таких как scikit-learn, umap-learn и другие, что способствует более глубокому пониманию методов обработки данных и их практическому применению.Список литературыJolliffe, I. T. "Principal Component Analysis." Springer, 2002.Bishop, Christopher M. "Pattern Recognition and Machine Learning." Springer, 2006.McInnes, L., Healy, J., & Melville, J. (2018). "UMAP: Uniform Manifold Approximation and Projection for Dimension Reduction." arXiv preprint arXiv:1802.03426.Maaten, L. van der, & Hinton, G. (2008). "Visualizing Data using t-SNE." Journal of Machine Learning Research, 9, 2579-2605.Филиппов Ф.В. Обработка графической информации в формате SVG : учебное по- собие : часть 1 / Ф. В. Филиппов ; СПбГУТ. – СПб., 2017. – 84 с.
1. Jolliffe, I. T. "Principal Component Analysis." Springer, 2002.
