[開源推薦]PhysicsJS:基於JavaScript的強大的物理引擎
PhysicsJS是一個基於JavaScript、模組化、可擴充套件、易於使用的物理引擎。通過它,你可以很方便地實現各種物理運動效果,比如碰撞、下落等。
PhysicsJS的主要特性如下:
- 使用AMD(Asynchronous Module Definition,非同步模組定義)模式
- 模組化:只需載入你所需要的庫,核心庫壓縮後只有31K
- 可擴充套件性:如果你不喜歡物理碰撞演算法,可以更換為其他的
- 不依賴於特定的渲染器:可以用DOM、HTML5 Canvas以及其他方式來顯示效果
- 支援點、圓、任意多邊形等形狀的物理運動
- 支援重力常數、牛頓引力、碰撞、Verlet約束等
- 簡單易用
PhysicsJS網站也給出了一些
目前PhysicsJS仍在開發中(0.5.1 alpha版本),文件還不太完善。如果感興趣的話,你可以通過這個連結來了解如何參與貢獻。
此外,類似的物理引擎還有verlet-js,你可以通過該連結來了解。
相關推薦
[開源推薦]PhysicsJS:基於JavaScript的強大的物理引擎
PhysicsJS是一個基於JavaScript、模組化、可擴充套件、易於使用的物理引擎。通過它,你可以很方便地實現各種物理運動效果,比如碰撞、下落等。 PhysicsJS的主要特性如下: 使用AMD(Asynchronous Module Definition,非同步模組定義)模式模組化:只需載入你所
新聞推薦系統:基於內容的推薦演算法——TFIDF、衰減機制(github java程式碼)
轉自:因為開發了一個新聞推薦系統的模組,在推薦演算法這一塊涉及到了基於內容的推薦演算法(Content-Based Recommendation),於是藉此機會,基於自己看了網上各種資料後對該分類方法的理解,用盡量清晰明瞭的語言,結合演算法和自己開發推薦模組本身,記錄下這些過
推薦14款基於javascript的資料視覺化工具
1、AnyChart AnyChart 是基於 Flash/JavaScript(HTML5) 的圖表解決方案,它可以輕鬆地跨瀏覽器、跨平臺工作。除了基礎的圖表功能外,它還有收費的互動式圖表和儀表功能。它可以通過 XML 格式獲取資料,該方式讓開發人員非常靈活地控制圖表上的每一個數據點,而當圖表資料點數
推薦演算法:基於UCF的電影推薦演算法
#基於使用者的推薦類演算法 from math import sqrt #計算兩個person的歐幾里德距離 def sim_distance(prefs,person1,person2): si = {} for item in prefs(person1):
新聞推薦系統:基於內容的推薦演算法(Recommender System:Content-based Recommendation)
2018/10/04更新 這篇文章似乎被越來越多的小夥伴看到了,所以覺得有必要做一些進一步的詳細說明。 首先按照本文所講解的推薦思路進行新聞推薦的推薦系統,我已經實現並已經放在Github上了。歡迎小夥伴們積極star和fork,更歡迎隨時提建議,我們一起交
推薦演算法:基於特徵的推薦演算法
【轉】https://www.52ml.net/12583.html 目錄 推薦演算法準確度度量公式: 集合相似度度量公式(N維向量的距離度量公式): UserCF公式: ItemCF公式:
【騰訊開源】LivePool:基於Node.js的跨平臺Web抓包替換工具
LivePool 是一個基於 NodeJS,類似 Fiddler 能夠支援抓包和本地替換的 Web 開發除錯工具,是Tencent AlloyTeam 在開發實踐過程總結出的一套的便捷的工作流以及除錯方案。 背景 在 Windows 平臺上,Fiddler 作為一款非常便捷好用的 Web 除錯工具
推薦演算法:基於情景的推薦
預過濾 後過濾 建模 => 將使用者和物品放入,特定的情景中,考慮; 消費者的決策,和他當時的心情是相關的; 1. 建模 將情景作為附加資料集合 從二維推薦到三維 R:Us
推薦演算法:基於圖的演算法:隨機遊走
ItemRank @@@Random-walk computation of similarities between nodes of a graph,with application tp collaborative recommendations
初談推薦演算法:基於內容推薦(CB)演算法
本章主要談談基於內容Content Based推薦演算法 CB推薦演算法主要有兩種子推薦演算法: 1、引入item屬性的Content Based推薦 2、引入user屬性的Content Bas
初探推薦演算法:基於使用者的協同過濾演算法
基於使用者的協同過濾演算法 一、基本思路 在一個推薦場景,你需要給使用者推薦一些商品,基本思路是: (1)找到和目標使用者興趣相似的使用者集合。 (2)找到這個集合中的使用者喜歡的,且目標使用者沒有聽說過的物品推薦給目標使用者。 二、相似度度量
推薦演算法:基於領域的協同濾波
GroupLens: An Open Architecture for collaborative filtering Amazon.com Rcommendations item-to-item Collaborative Filterin
推薦演算法:基於領域的協同濾波:資料稀疏和冷啟動
資訊填充稀疏矩陣的方法 a content-collaborative recommender that exploits wordnet-based user profile for neighborhood formation 語義分析生成使用者畫
猿題庫iOS客戶端的技術細節(三):基於CoreText的排版引擎
來自:http://blog.devtang.com/blog/2013/10/21/the-tech-detail-of-ape-client-3/ 前言 本人今年主要在負責猿題庫iOS客戶端的開發,本文旨在通過分享猿題庫iOS客戶端開發過程中的技術細節
JavaScript 的物理引擎對比
點選有驚喜 在本文中,我們將對比看一下當前三個非常流行的和一個目前還在開發中的JavaScript 物理引擎庫,分別是: box2dweb,Ammo.js,JigLibJS 以及 Connon.js。我們會簡短的介紹下每個 JS庫,之後開始按照使用、效能和特徵來評分。
推薦:六款強大的開源資料探勘工具
在網際網路發展到大資料時代,那麼資料就等於金錢。隨著向一個基於應用的領域過渡,資料則呈現出了指數級增長。然而,百分之八十的資料是非結構化的,因此它需要一個程式和方法來從中提取有用資訊,並且將其轉換為可理解、可用的結構化形式。 在資料探勘過程中,有大量的工具可供使用,比如採用人工智慧、機器學習,以及其他技術等
[開源推薦]Facebook開源的JavaScript庫:React 【輕量級app開發】
React是Facebook開源的JavaScript庫,用於構建UI。你可以在React裡傳遞多種型別的引數,如宣告程式碼,幫助你渲染出UI、也可以是靜態的HTML DOM元素、也可以傳遞動態變數、甚至是可互動的應用元件。(文字來自JS開發者微博)特點:宣告式設計:Reac
推薦下:開源ckplayer 網頁播放器, 跨平臺(html5, mobile),flv, f4v, mp4, rtmp協議. webm, ogg, m3u8 !
網頁播放器 get ... 默認 control firefox ckplayer 原本 auto 視頻播放, 原本是想h5 自帶視頻播放,使用很簡單,結果現實很骨感。 <video controls="controls" preload="auto" height
NideShop:基於Node.js+MySQL開發的微信小程序商城開源啦
開源商城 微信小程序商城 node.js+mysql 高仿網易嚴選的微信小程序商城(微信小程序客戶端)界面高仿網易嚴選商城(主要是2016年wap版)測試數據采集自網易嚴選商城服務端api基於Node.js+ThinkJS+MySQL計劃添加基於Vue.js的後臺管理系統、PC版、Wap版GitH
推薦系統(recommender systems):預測電影評分--構造推薦系統的一種方法:基於內容的推薦
不同 png [0 滿足 rom man 例子 ems 集中 如何對電影進行打分:根據用戶向量與電影向量的內積 我們假設每部電影有兩個features,x1與x2。x1表示這部電影屬於愛情片的程度,x2表示這部電影是動作片的程度,如Romance forever裏面x1為