有Dundas Chart企业版5.5的用户么?饼图如何显示百分比呢?

netddayup 2007-10-06 04:25:04
下载了Dundas Chart企业版5.5,很想找个帮助文档来看看,他的sample对于饼图的介绍太少了!无法了解如何从数据库直接绑定生成图像!而且生成了饼图也不知道如何显示他们的百分比!找了半天也只能用ShowLabelAsValue 来显示各部分的数值,而且不是百分比!还请高手指点!
...全文
294 14 打赏 收藏 举报
写回复
用AI写文章
14 条回复
切换为时间正序
请发表友善的回复…
发表回复
dd10257 2011-03-03
  • 打赏
  • 举报
回复
[Quote=引用 8 楼 hirlone 的回复:]
label="#PERCENT"
[/Quote]

非常感谢!!
snowouldance 2009-10-20
  • 打赏
  • 举报
回复
[Quote=引用 11 楼 netddayup 的回复:]
问题总算解决了!非常感谢!!
[/Quote]

这样能显示百分比了,但是他的图例栏那里也跟着显示的是百分比,而不是项目名称了,怎么设置才好呢?
解决了?
怎么解决的 说一下呀 我也碰到这个问题了 搞不定
liuqingthu 2008-03-25
  • 打赏
  • 举报
回复
能把解决方法告诉我吗?
非常感谢
netddayup 2007-10-13
  • 打赏
  • 举报
回复
问题总算解决了!非常感谢!!
netddayup 2007-10-12
  • 打赏
  • 举报
回复
这样能显示百分比了,但是他的图例栏那里也跟着显示的是百分比,而不是项目名称了,怎么设置才好呢?
netddayup 2007-10-12
  • 打赏
  • 举报
回复
非常感谢楼上的帅哥!!!!你有Dundas Chart的相关文档么?可以分享一下么?
hirlone 2007-10-12
  • 打赏
  • 举报
回复
label="#PERCENT"
netddayup 2007-10-10
  • 打赏
  • 举报
回复
楼上的兄弟,什么意思啊?
zhshto886 2007-10-09
  • 打赏
  • 举报
回复
up
netddayup 2007-10-08
  • 打赏
  • 举报
回复
帮忙来看看亚!
netddayup 2007-10-07
  • 打赏
  • 举报
回复
郁闷哦!大虾们帮忙看看呀!
netddayup 2007-10-06
  • 打赏
  • 举报
回复
没人知道么?来指点一下啊!
netddayup 2007-10-06
  • 打赏
  • 举报
回复
我设置了 Chart1.Series[0]["CollectedThresholdUsePercent"] = "true"; 还是不显示百分比~~!为何呢?
netddayup 2007-10-06
  • 打赏
  • 举报
回复
他自带的帮助文档是e文的。所以想问问有没有中文的...
内容概要:本文对最小均方(LMS)算法和归一化最小均方(NLMS)算法进行了系统的比较分析,重点探讨了NLMS算法在抵抗输入信号相关性方面的优越性。通过Matlab代码实现了两种算法,并在相同仿真条件下进行性能对比,结果表明NLMS在处理高度相关的输入信号时表现出更快的收敛速度和更高的稳定性。文章详细阐述了两种算法的数学原理、迭代更新公式及其在自适应滤波中的典型应用场景,深入剖析了NLMS通过引入归一化步长机制有效克服输入信号功率波动对收敛性能影响的内在机理。同时提供了完整的仿真流程、参数设置与实验验证,充分展示了NLMS在实际工程应用中的优势。; 适合人群:具备一定信号处理、自适应滤波理论基础的研究生、科研人员,以及从事通信系统、音频处理、回声消除、控制系统等领域的工程技术人员。; 使用场景及目标:①为自适应噪声抵消、系统辨识、信道均衡等工程问题中的算法选型提供理论依据与实践参考;②深入理解LMS与NLMS算法的核心差异,掌握NLMS在应对输入相关性问题上的设计思想与性能优势;③为高校教学实验、科研项目开发提供可复现、可扩展的Matlab仿真代码支持。; 阅读建议:建议读者结合所提供的Matlab代码运行仿真,观察不同输入相关性条件下两种算法的收敛曲线变化,深入体会归一化机制对算法鲁棒性的提升作用,同时可通过调整步长因子、信号相关性强度等参数进一步探究算法的性能边界与适用范围。
内容概要:本文研究了基于布谷鲶鱼优化算法(CCO)、灰雁优化算法(GGO)与田忌赛马优化算法(THRO)的城市空中交通多无人机路径规划问题,并通过Matlab代码实现。研究聚焦于复杂城市环境中多无人机系统的路径规划挑战,提出融合三种仿生优化算法的混合策略,旨在解决避障、路径最短、飞行安全与资源分配等多目标优化问题。文中详细阐述了各算法的生物启发机制、搜索行为建模及其在路径规划中的协同优化框架,构建了从环境建模、个体行为模拟到群体协同决策的完整求解体系。通过大量仿真实验验证了该混合算法在提升路径规划效率、降低能耗、增强系统鲁棒性与动态适应性方面的显著优势,尤其在高密度飞行场景下表现出优异的冲突规避能力和资源均衡能力,为未来城市空中交通(UAM)系统的智能化管理提供了有效的技术路径与理论支撑。; 适合人群:具备一定编程基础,熟悉Matlab仿真环境,从事智能优化算法、无人机路径规划、智能交通系统、多智能体协同控制等相关领域研究的科研人员及研究生。; 使用场景及目标:① 探索新型仿生优化算法在复杂多智能体路径规划中的融合应用;② 解决城市环境中多无人机协同飞行的动态避障、资源竞争与任务分配问题;③ 为城市物流配送、应急救援、空中巡检等实际应用场景提供高效、安全、可扩展的路径规划方案; 阅读建议:建议结合Matlab代码进行仿真实践,重点关注算法参数敏感性分析、收敛性能评估与多目标权衡机制,同时可将其与传统优化算法(如PSO、GA、ABC)进行对比实验,深入理解混合优化策略在复杂搜索空间中的优势边界与适用条件。

4,818

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术 图表区
社区管理员
  • 图表区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧