Algorithm 一种基于值的热图算法

我在找一些关于热图算法的文档。我已经找到了一些实现，但它们并没有按照我所看到的方式计算梯度。我想将数据点与一个值关联起来，而不是通过“点击数”进行计算

我找到的唯一资源是源代码。这是一些很棒的东西，但我希望在动态中创建渐变，而不是从历史数据集创建渐变

---

我希望创建一个类似于的实时热图

Hmm，如果你想从分散的“点击”中推断出一个“热图”（像素值的规则网格）（就像在推特世界中一样），一个明显的方法是首先为每个像素计算该精确像素的点击数（即，将点击位置量化到网格），然后应用卷积滤波器，例如高斯滤波器，在数据上“混合”它。

---

如果可以读取/转换OpenGL片段着色器-，请参见。

。 实时只是意味着您必须实时重新计算热图值

---

嗯

我只是浏览了一下推特的世界。看起来每个tweet都会给位置增加一些价值，而所有位置都会随着时间呈指数衰减。这将允许不定期添加数据，同时显示排序的平均值。因此，对于地图中的每个像素，请执行以下操作：

固定时间间隔：输出=输出*0.99

打嗝时：输出+=打嗝的值

这些将分别应用于地图中的每个像素。您可以使用任何您想要的涂抹将值分散到像素上，甚至可以在圆上应用相同的值。当然，0.99应该手动调整，直到你得到你喜欢的东西

---

指数衰减意味着即使是非常活跃的像素也会有一个有限的输出——换句话说，它是稳定的。

从我收到的答案中，我得出了我自己的结论，请评论它的准确性

因此，对于基于“点击数”的热图，有一个像素矩阵，其值为0：

[0]
[0]
[0]

当你有一个命中，你增加相应的元素

[1 3 2]
[4 1 2]
[0 3 5]

如果有值而不是点击，则将值添加到矩阵中。例如，让我们使用美元金额，给出以下示例矩阵：

[20.34美元42.42美元55.23]
[$45.87$00.87$03.75]
[$08.99$32.05$88.65]

然后，我们将收集数据。这将产生：

[897.973.984]
[977.087.351]
[669.959.994]

现在，您可以使用您选择的算法来扩散或模糊该图像。像这样

---

然后你可以对这些值应用你想要的任何梯度。

我不想按点击量量化，尽管我想按一个值量化。一个区域可能有很多“点击”，但值较低，而另一个区域可能有很少的“点击”，但值较高，因此热图不仅由位置点渲染，而且由与该点相关的值渲染。此外，我参考了推特世界的实时功能，而不是实现。嗯，然后你只需在一个像素处将这些值相加，然后运行卷积滤波器：）有没有什么例子可以分享你通过这样做得到的结果？