浅析第二版《日常NFC:近距离通信详解》:技术与应用

4星 · 超过85%的资源 需积分: 10 36 下载量 132 浏览量 更新于2024-07-21 收藏 1024KB PDF 举报
《每日NFC:第二版——近距离通信技术详解》是一本由Hsuan-hua Chang编写的书籍,旨在深入浅出地解释近场通信(NFC)技术,让读者能够充分理解并利用其潜力。该书在2014年出版,针对的是那些希望了解NFC基础知识以及其在移动支付、Host Card Emulation (HCE)、移动钱包(如Apple Pay)等现代应用中的作用的读者。 书中内容丰富,共分为五个章节: 1. **什么是NFC?** - 这一章首先介绍NFC的基本概念和技术概述,包括NFC数据交换格式(NDEF),即用于在NFC设备间传递信息的标准格式。此外,还详细讲解了NFC设备和标签的工作原理。 2. **NFC现在何处?** - 章节探讨了NFC的当前发展状况,提供设备和软件的概览,以及实际应用场景和产品的例子,帮助读者了解NFC在日常生活中的实际应用。 3. **如何使用NFC?** - 本章深入技术细节,讲述了两种NFC通信模式和三种操作模式,以及NFC安全交易过程。特别关注了Host Card Emulation (HCE),一种无需物理卡片就能在智能手机上模拟卡片功能的技术。 4. **NFC参与者是谁?** - 介绍了与NFC相关的标准化组织,如NFC论坛、SmartCard Alliance和GlobalPlatform,以及NFC设备的标准,有助于读者理解产业链各环节的角色。 5. **为什么使用NFC?** - 最后一章探讨了NFC技术的价值所在,包括其在便利性、安全性和效率提升等方面的优势,以及对未来物联网(IoT)和智能设备普及的影响。 通过阅读这本书,读者不仅能掌握NFC的核心概念,还能了解到其在移动支付、身份验证和设备连接等领域的最新进展。作为第二版,书中还包含对新出现的移动支付解决方案和Apple Pay的更新信息,确保读者跟上快速发展的NFC技术潮流。

import pandas as pd import numpy as np import matplotlib.pyplot as plt from sklearn import datasets from mpl_toolkits.mplot3d import Axes3D from sklearn.decomposition import PCA from sklearn.preprocessing import StandardScaler data=pd.read_csv('H:/analysis_results/mean_HN.csv') data.head() x=data.iloc[:,1:7] y=data.iloc[:,6] scaler=StandardScaler() scaler.fit(x) x_scaler=scaler.transform(x) print(x_scaler.shape) pca=PCA(n_components=3) x_pca=pca.fit_transform(x_scaler) print(x_pca.shape) #查看各个主成分对应的方差大小和占全部方差的比例 #可以看到前2个主成分已经解释了样本分布的90%的差异了 print('explained_variance_:',pca.explained_variance_) print('explained_variance_ratio_:',pca.explained_variance_ratio_) print('total explained variance ratio of first 6 principal components:',sum(pca.explained_variance_ratio_)) #将分析的结果保存成字典 result={ 'explained_variance_:',pca.explained_variance_, 'explained_variance_ratio_:',pca.explained_variance_ratio_, 'total explained variance ratio:',np.sum(pca.explained_variance_ratio_)} df=pd.DataFrame.from_dict(result,orient='index',columns=['value']) df.to_csv('H:/analysis_results/Cluster analysis/pca_explained_variance_HN.csv') #可视化各个主成分贡献的方差 #fig1=plt.figure(figsize=(10,10)) #plt.rcParams['figure.dpi'] = 300#设置像素参数值 plt.rcParams['path.simplify'] = False#禁用抗锯齿效果 plt.figure() plt.plot(np.arange(1,4),pca.explained_variance_,color='blue', linestyle='-',linewidth=2) plt.xticks(np.arange(1, 4, 1))#修改X轴间隔为1 plt.title('PCA_plot_HN') plt.xlabel('components_n',fontsize=16) plt.ylabel('explained_variance_',fontsize=16) #plt.savefig('H:/analysis_results/Cluster analysis/pca_explained_variance_HN.png') plt.show()报错'numpy.float64' object is not iterable,如何修改

2023-06-10 上传