两只妹猪
两只妹猪

康复训练日记～2019-1-4

这两天由于姐姐发烧不舒服，更新有点慢了，请见谅！

  今天也是一样摇瓶子听声音，但是今天却异常配合，好像很喜欢，她看着老师摇，她也摇瓶子，老师说，扔出去，她也扔出去，再捡回来，终于有了突破。后来老师还拿了小沙锤来，一开始每人拿一个，思思很开心，她拿了一个，一直摇，似乎很喜欢小沙锤的声音！后来大家扔出去，她还捡了两个一模一样颜色的回来，老师干脆每人发多一个，两只手一起摇，她很兴奋，一直跟着老师做。

    第二节课，塞球球，平时都是被老师塞满了球，她拿不出来，老是哭，又或者拿着球到处跑，今天却从衣服里拿出了两个球！

    今天和机构里另外一个妈妈约在一起去我们那边一个公园玩，因为这个月免费进去玩，我们就打算叫个外卖在机构吃，然后再开车去玩，这又是打破了常规，平时放学就会开车回家了，一到最后一节课，她就会跑下去，滑滑梯，然后等我帮她换鞋子就走了。她走下楼，玩了滑梯，看到我没有反应，她看着老师换鞋子，呆呆的，然后就跑去拿自己的鞋子，给我，示意我换鞋子。我说今天还没能走，叫她上楼去，她不肯，她以为还要上课，就哭，躺着不走，我只好把她抱上去，直到看到了饭，才知道要吃饭，不哭了。

这两天吃饭她很奸诈，偷偷把肉都吃了，剩下饭，今天也是，我让她自己吃，倒是可以安静坐下来吃饭，吃了几口，就开始只吃肉了。

    下午去了公园，她很兴奋，使劲跑，到处跑，看到了小花又去摘，还好她看上的都是小野花，似乎非常喜欢花朵。公园里的滑梯都没有常规楼梯上去，都是很陡的，或者是网状的绳索，本以为她不敢去，我没打算带她去玩，朋友教了她两次，她就学会了，玩个不停，不肯走，后来去荡秋千，哈哈，玩得不亦乐乎！

      带了她实地看了大奶牛，大斑马，哈哈，还有羊驼，骆驼等动物，这是她除了家里狗之外，第一次自己看着动物，以前都是不看的！当我说大奶牛啊，大斑马，她也会盯着看，出神！

    今天玩得超级开心！

你可能感兴趣的:(康复训练日记～2019-1-4)

  • 基于大模型的胆囊结石全流程预测与诊疗系统技术方案大纲 LCG元 大模型医疗研究-方案大纲人工智能机器学习深度学习方案大纲
    目录一、引言二、系统架构设计（一）数据采集与预处理模块（二）大模型核心算法模块（三）应用层功能模块三、全流程系统流程图四、术前阶段详细方案（一）患者信息采集与整合（二）胆囊结石风险预测（三）手术方案制定辅助（四）麻醉方案规划五、术中阶段详细方案（一）实时数据监测与传输（二）手术进程智能辅助六、术后阶段详细方案（一）术后恢复情况预测（二）并发症风险预测（三）护理方案调整（四）康复指导七、并发症风险预
  • AI摄像头动捕：精准量化八段锦动作质量，赋能传统功法习练
    在追求动作标准度的竞技体育、舞蹈教学或运动康复领域，如何科学、客观、高效地评估动作质量一直是核心挑战。如今，AI摄像头动捕技术的成熟，正为这些领域带来突破性的解决方案，尤其在需要高度专注与准确性的八段锦、太极拳等传统健身功法领域中展现出巨大潜力。AI摄像头动捕系统，通过部署多组高帧率RGB摄像头，在空间中构建一个精密的三维捕捉场域。这种无穿戴动捕（或称无标记点动捕）的方式，让用户无需任何设备束缚人
  • 基于大模型的短暂性脑缺血发作（TIA）全流程预测与诊疗辅助系统技术方案大纲 LCG元 大模型医疗研究-方案大纲方案大纲人工智能深度学习机器学习
    目录一、系统核心目标二、系统架构模块三、实验验证证据链系统架构流程图关键技术创新点一、系统核心目标构建多模态数据融合的TIA预测-干预-管理闭环，覆盖术前预警、术中决策、术后康复全周期二、系统架构模块1.术前预测模块高危人群筛查模型输入：电子健康记录(EHR)、基因数据、可穿戴设备实时监测特征工程：血压波动模式、颈动脉斑块稳定性评分TIA发作概率预测72小时预警模型（LSTM+Transforme
  • 基于大模型的心力衰竭预测与干预全流程系统技术方案大纲 LCG元 大模型医疗研究-方案大纲方案大纲深度学习机器学习人工智能
    目录一、引言二、系统概述三、术前阶段（一）患者信息采集与预处理（二）大模型预测心力衰竭风险（三）手术方案制定辅助（四）麻醉方案规划四、术中阶段（一）实时数据监测与传输（二）大模型术中决策支持五、术后阶段（一）术后病情监测与评估（二）并发症风险预测与防控（三）术后护理计划生成六、健康教育与指导（一）个性化教育内容生成（二）康复随访与远程指导七、统计分析与技术验证（一）系统性能评估指标（二）数据分割与
  • 老年综合实训室功能：重塑老年健康服务教育实践体系 凯禾瑞华_实训室建设 实训室建设大数据人工智能vrar虚拟现实unity
    一、老年综合实训室的教育价值随着老年人口数量的增加和对健康服务需求的多元化，社会需要具备综合能力的老年健康服务人才。老年综合实训室具备多功能集成的特点，能够涵盖老年生活照料、健康护理、心理慰藉、康复训练等多个领域的实践教学。在老年综合实训室中，学生可以接触到不同类型的老年健康服务场景，锻炼多方面的能力，从而成为适应社会需求的复合型人才，这对于提升老年健康服务教育的质量和效果具有重要意义。点击获取实
  • 基于大模型预测原发性醛固酮增多症的综合技术方案大纲 LCG元 大模型医疗研究-方案大纲方案大纲人工智能深度学习机器学习
    目录一、引言二、技术方案概述三、术前阶段（一）数据采集与预处理（二）疾病诊断与分型预测（三）并发症风险预测四、术中阶段（一）实时数据监测与整合（二）手术决策支持（三）麻醉方案动态优化五、术后阶段（一）康复进度监测与预测（二）并发症监测与干预（三）术后护理指导六、统计分析与技术验证（一）模型性能评估指标体系（二）对比研究与临床实效分析七、实验验证证据（一）回顾性病例研究（二）前瞻性临床试验八、健康教
  • 基于大模型预测肾囊肿的技术方案大纲 LCG元 大模型医疗研究-方案大纲方案大纲人工智能深度学习机器学习
    目录一、引言二、技术方案概述（一）数据收集与整理（二）大模型构建与训练（三）术前预测与方案制定（四）术中决策支持（五）术后管理与预测（六）并发症风险预测与防控（七）健康教育与指导三、技术方案流程图四、统计分析与技术验证方法（一）模型性能评估指标（二）对比实验设计（三）交叉验证与外部验证五、实验验证证据（一）回顾性病例分析（二）前瞻性临床试验六、健康教育与指导方案细化（一）饮食指导（二）运动康复（三
  • 从0开始学习R语言--Day26--因果推断
    很多时候我们在探讨数据的相关性问题时，很容易会忽略到底是数据本身的特点还是真的是因为特征的区分导致的不同，从而误以为是特征起的效果比较大。这就好比测试一款新药是否真的能治病，假如吃药的患者康复的更快，那到底是因为药物本身的效果好，还是因为患者本身更健康，平时有控制饮食合理作息与运动，从而在患病后更快地凭借自身免疫力战胜病毒。这需要我们意识到对照试验还需要人为地补足某些条件，也就是探讨是否真的是X导
  • 基于大模型预测急性横贯性脊髓炎的综合技术方案研究报告大纲 LCG元 大模型医疗研究-方案大纲方案大纲
    目录一、引言二、技术方案总体架构三、术前预测与决策四、术中监测与决策支持五、术后护理与康复指导六、统计分析与技术验证七、实验验证与证据支持八、健康教育与指导九、结论与展望一、引言（一）研究背景急性横贯性脊髓炎的临床现状与挑战阐述急性横贯性脊髓炎的发病率、致残率以及对患者生活质量的严重影响，强调准确预测和精准治疗的重要性。大模型技术在医疗领域的应用前景简述大模型在医学影像分析、疾病诊断与预测等方面的
  • 基于大模型预测的视神经脊髓炎技术方案大纲 LCG元 大模型医疗研究-方案大纲方案大纲
    目录一、引言（一）研究背景（二）研究目的与意义（三）大模型在医疗领域的应用现状二、术前评估与预测（一）数据采集与预处理（二）大模型构建与训练（三）术前风险评估与预测三、术中监测与决策支持（一）实时数据采集与传输（二）术中决策支持系统四、术后管理与康复（一）术后早期预警与监测（二）康复效果预测与个性化康复方案制定五、并发症风险预测与防控（一）并发症类型与风险因素分析（二）并发症风险预测模型构建与验证
  • 基于大模型的脑出血全流程预测系统技术方案大纲 LCG元 大模型医疗研究-方案大纲方案大纲
    目录一、引言二、系统概述三、系统架构（一）数据采集与预处理层（二）模型训练与优化层（三）预测与决策支持层（四）数据管理与分析层（五）用户交互与应用层四、术前预测（一）数据采集（二）数据预处理（三）脑出血风险预测模型（四）手术方案制定（五）麻醉方案推荐五、术中监测与决策（一）数据采集（二）数据预处理（三）实时病情监测模型（四）手术策略调整建议六、术后护理与康复（一）数据采集（二）数据预处理（三）并发
  • 寻疗微擎开源生态下的智慧医疗服务 小程序
    寻疗系统是基于微擎开源生态开发的垂直领域医疗服务解决方案，专为医院、诊所、康养机构、健康服务平台设计。依托微擎系统的PHP开发框架与模块化能力，实现“医患对接-在线问诊-康复管理-资源整合”的全流程数字化，助力医疗服务机构快速搭建线上服务平台，提升诊疗效率，优化患者就医体验。寻疗详细介绍:https://s.w7.cc/module-33494.html核心功能：微擎生态加持，全场景医疗服务赋能多
  • 榕壹云医疗服务系统：基于ThinkPHP+MySQL+UniApp的多门店医疗预约小程序解决方案 老李不敲代码 uni-app小程序mysql软件需求
    在数字化浪潮下，传统医疗服务行业正面临效率提升与客户体验优化的双重挑战。针对口腔、美容、诊所、中医馆、专科医院及康复护理等需要预约或诊断服务的行业，我们开发了一款基于ThinkPHP+MySQL+UniApp的多门店服务预约小程序——榕壹云医疗服务系统。该系统通过模块化设计与开源架构，为医疗机构提供高效、灵活的管理工具，助力数字化转型。一、项目背景：解决医疗行业管理痛点随着消费者对便捷服务的需求增
  • 蓝桥杯康复训练 Day4 （前缀和）（树状数组）（线段树） ooold_six 2022蓝桥杯java算法
    昨天没状态摆了一天，今天复习一下各种区间问题前缀和常规遍历区间求和复杂度O(n)单点修改复杂度O(1)前缀和区间求和复杂度O(1)单点修改复杂度O(n)前缀和数组中每个值覆盖的是从开始到该点整个区间的和值求i~j的区间和值可以通过s[j]-s[i-1]计算可以扩展成二维三维的前缀和在单点修改时需要对所有覆盖该点的值进行修改在对区间求和复杂度要求高时使用蓝桥杯–前缀和1树状数组对比前缀和复杂度前缀和
  • 医疗机器人中的AI技术：手术精度与康复效果的提升 人工智能教程 人工智能transformer深度学习神经网络机器学习大数据机器人
    在现代医疗领域，人工智能（AI）技术与医疗机器人的融合正在深刻改变医疗服务的模式和质量。从手术室的精准操作到康复中心的个性化治疗，AI技术为医疗机器人注入了强大的智能动力，显著提升了手术精度和康复效果。关注VX公众号【学长论文指导】发送暗号9领取一、AI技术在手术机器人中的应用手术机器人是医疗机器人领域的重要分支，其核心目标是通过高精度的机械操作和智能决策，辅助医生完成复杂手术。AI技术在手术机器
  • 【仿生机器人系统设计】涉及到的伦理与安全问题 DFminer 机器人安全
    随着材料科学、人工智能与生物工程学的融合突破，仿生机器人正从科幻走向现实。它们被寄予厚望——在医疗康复、老年照护、极端环境作业甚至社交陪伴等领域释放巨大价值。然而，当机器无限趋近于“生命体”，其设计过程中潜伏的伦理与安全迷宫便成为无法回避的核心挑战，这直接关乎技术能否真正服务于人。一、伦理困境：在“像人”与“是人”之间隐私与数据黑洞：问题：为实现自然交互，仿生机器人需搭载强大的环境感知（视觉、听觉
  • 算法训练营Day01-数组Part01 shikinamiask 算法leetcode职场和发展
    DAY01题目：704.二分查找-力扣（LeetCode）27.移除元素-力扣（LeetCode）977.有序数组的平方-力扣（LeetCode）704、二分查找704.二分查找-力扣（LeetCode）秒了，真秒了。问：为什么这么快？答：做过了。熟稔于心，无需多言。康复训练第一题，熟练一些vector的用法。classSolution{public:intsearch(vector&nums,i
  • 基于大模型的颅前窝底脑膜瘤预测与治疗技术方案 LCG元 大模型医疗研究-技术方向技术方案深度学习人工智能机器学习
    目录技术方案概述一、核心算法实现1.多模态数据融合算法（伪代码）2.并发症风险预测模型（伪代码）二、系统模块流程图1.数据采集模块2.预测与决策模块三、系统集成方案1.系统集成流程图2.系统部署拓扑图四、关键技术验证1.模型性能对比表2.典型病例验证流程五、实施保障体系技术方案概述本方案基于深度学习大模型构建颅前窝底脑膜瘤全周期诊疗系统，包含术前精准预测、术中动态决策、术后康复管理三大模块。通过多
  • 康复评定试题库-康复评定的题库 答案资料 大数据
    第一章总论一、名词解释：1．康复功能评定：是用客观的、量化的方法有效和准确地评定残疾者功能障碍的种类、性质、部位、范围、严重程度和预后。包括躯体功能、精神状态、言语功能和社会功能等方面的评定。2．初期评定：是首次对患者进行的评定。目的是发现和确定患者的功能状况和存在的问题，判断障碍程度、康复潜力和预后，为制定康复治疗计划提供可靠的依据。3．中期评定：是指患者经过一段时间治疗后进行的再次评定。评定的
  • 基于大模型预测的膝内翻畸形诊疗全流程研究报告 LCG元 围术期危险因子预测模型研究人工智能算法
    目录一、引言1.1研究背景与意义1.2国内外研究现状1.3研究目的与方法二、大模型预测原理及数据基础2.1大模型介绍2.2数据收集与预处理2.3模型训练与验证三、术前预测与准备3.1术前病情评估指标3.2大模型预测结果分析3.3术前检查项目及意义3.4基于预测的手术方案制定3.5麻醉方案选择四、术中应用与操作4.1手术流程与关键步骤4.2大模型辅助术中决策4.3实时监测与风险应对五、术后评估与康复
  • 大模型在先天性肌性斜颈诊疗全流程中的应用研究报告 LCG元 围术期危险因子预测模型研究人工智能算法
    目录一、引言1.1研究背景与目的1.2先天性肌性斜颈概述二、大模型在术前的预测应用2.1病情评估2.2手术风险预测三、大模型在术中的应用3.1实时手术导航与辅助决策3.2应对突发状况四、大模型对并发症风险的预测4.1常见并发症分析4.2大模型预测原理与方法五、基于大模型预测制定治疗方案5.1手术方案定制5.2麻醉方案选择六、术后护理与大模型的作用6.1伤口护理指导6.2康复训练计划制定七、统计分析
  • 上肢康复机器人设计与临床应用研究 2301_78600126 机械设计制造及其自动化机器人
    引言脑卒中、脊髓损伤等神经系统疾病导致的上肢运动功能障碍，严重影响了患者的生活质量。传统康复治疗依赖治疗师手动辅助训练，存在效率低、量化难、人力成本高等问题。上肢康复机器人通过精准的运动控制与生物反馈机制，为实现高效、标准化的康复训练提供了技术解决方案。本文从临床需求出发，系统阐述上肢康复机器人的设计方法，并探讨其关键技术突破方向。一、康复医学需求与设计目标1.1临床医学要求适应症范围：需覆盖Br
  • 基于大模型的全面惊厥性癫痫持续状态技术方案 LCG元 大模型医疗研究-技术方向技术方案
    目录一、数据收集与预处理系统1.1多模态数据集成模块1.2数据预处理流程二、大模型构建与训练系统2.1模型架构设计2.2训练流程三、术前评估系统3.1癫痫发作风险预测3.2手术可行性评估流程四、术中决策支持系统4.1实时监测数据处理4.2麻醉方案优化流程五、术后护理系统5.1短期预后预测模型5.2康复管理流程六、技术验证方案6.1对照试验设计七、健康教育系统7.1患者自我监测指导八、核心算法伪代码
  • 基于大模型的脑出血智能诊疗与康复技术方案 LCG元 大模型医疗研究-技术方向人工智能深度学习机器学习算法
    目录一、术前阶段1.1数据采集与预处理系统伪代码实现流程图1.2特征提取与选择模块伪代码实现流程图1.3大模型风险评估系统伪代码实现流程图二、术中阶段2.1智能手术规划系统伪代码实现流程图2.2麻醉智能监控系统伪代码实现流程图三、术后阶段3.1并发症预测系统伪代码片段3.2康复训练系统流程图四、技术验证体系4.1统计分析模块伪代码实现4.2实验验证框架流程图一、术前阶段1.1数据采集与预处理系统伪
  • 大模型赋能围术期危重症预测系统的深度剖析与实践研究 LCG元 围术期危险因子预测模型研究围术期人工智能
    一、引言1.1研究背景与意义围术期是指从患者决定接受手术治疗开始，到手术治疗直至基本康复的全过程，包括术前、术中和术后三个阶段。在围术期，患者面临着诸多风险，如出血、感染、器官功能障碍等，这些风险可能导致危重症的发生，严重威胁患者的生命健康。据统计，全球每年有数以百万计的患者在围术期发生危重症，其死亡率和致残率居高不下。在中国，随着人口老龄化的加剧和手术量的不断增加，围术期危重症的防治形势也日益严
  • Captiks无线惯性动捕及步态分析系统：高频采样+400g超宽动态量程，赋能医疗康复、竞技体育、工业检测三大领域，运动轨迹零盲区追踪！” 欣佰特cnbestec CaptiksMOVIT步态分析系统运动研究分析
    在运动科学与生物力学领域，精准捕捉人体运动数据是研究与应用的重要基础。传统光学动捕系统虽精度高，但存在环境依赖性强、操作复杂、成本高等局限。Captiks无线惯性动捕及步态分析系统采用先进传感器技术和无线传输，提供实时、准确的人体运动数据分析。其可穿戴设计让用户在多种环境中自由活动，摆脱了固定设备的局限。Movit系统不仅能测量步态时间、步幅和关节角度等关键参数，还支持全面的运动表现分析，适用于运
  • 基于大模型预测围术期麻醉苏醒时间的技术方案大纲 LCG元 大模型医疗研究-方案大纲方案大纲
    目录一、引言（一）研究背景与意义（二）国内外研究现状二、术前阶段（一）数据收集与整理（二）数据预处理与特征工程（三）大模型训练与初步预测（四）术前风险评估与个性化准备三、术中阶段（一）实时数据监测与传输（二）数据动态更新与模型调整（三）术中决策支持与干预四、术后阶段（一）苏醒时间精准预测与评估（二）并发症风险预警与处理（三）术后护理与康复指导五、统计分析与技术验证（一）数据统计分析方法（二）技术验
  • 手搓传染病模型（SQEIR） Code_Verse matlab数学建模传染病微分方程
    在传染病防控研究中，准确刻画隔离措施对疫情传播的影响至关重要。SQEIR模型（易感者S-暴露者E-隔离暴露者\(Q_E\)-感染者I-隔离感染者\(Q_I\)-康复者R）通过引入隔离仓室，为分析防控策略提供了有力工具。图中的微分方程组清晰定义了各仓室的动态变化：\(\begin{align*}\frac{dS}{dt}&=-\betaSI\\\frac{dE}{dt}&=\betaSI-\alph
  • 手搓传染病模型（SEIARW） Code_Verse 传染病模型看这一个就够了！matlab数学建模传染病微分方程
    在传染病传播的研究中，水传播途径是一个重要的考量因素。SEAIRW模型（易感者S-暴露者E-感染者I-无症状感染者A-康复者R-水中病原体W）综合考虑了人与人接触传播以及水传播的双重机制，为分析此类传染病提供了全面的框架。图中的微分方程组清晰地定义了各变量的动态变化：\(\begin{cases}\frac{dS}{dt}=-\betaS(I+kA)-\beta_wSW\\\frac{dE}{dt
  • 手搓传染病模型（SIS） Code_Verse 传染病模型看这一个就够了！数学建模matlab
    先看模型开始手搓%模型参数N=21858000;%总人数I0=170;%初始感染人数S0=N-I0;%初始易感人数beta=1.1;%传染率gamma=0.25;%康复率num_days=160;%模拟天数%x(1):感染人群I，x(2):易感人群Sdxdt=@(t,x)[beta*x(1)*x(2)/N+gamma*x(1);-beta*x(1)*x(2)/N-gamma*x(1)];[t,y]
  • LeetCode[Math] - #66 Plus One Cwind javaLeetCode题解AlgorithmMath
    原题链接：#66 Plus One   要求： 给定一个用数字数组表示的非负整数，如num1 = {1, 2, 3, 9}, num2 = {9, 9}等，给这个数加上1。 注意： 1. 数字的较高位存在数组的头上，即num1表示数字1239 2. 每一位（数组中的每个元素）的取值范围为0~9   难度：简单   分析： 题目比较简单，只须从数组
  • JQuery中$.ajax()方法参数详解 AILIKES JavaScriptjsonpjqueryAjaxjson
    url: 要求为String类型的参数，（默认为当前页地址）发送请求的地址。 type: 要求为String类型的参数，请求方式（post或get）默认为get。注意其他http请求方法，例如put和    delete也可以使用，但仅部分浏览器支持。 timeout: 要求为Number类型的参数，设置请求超时时间（毫秒）。此设置将覆盖$.ajaxSetup()方法的全局
  • JConsole & JVisualVM远程监视Webphere服务器JVM Kai_Ge JVisualVMJConsoleWebphere
        JConsole是JDK里自带的一个工具，可以监测Java程序运行时所有对象的申请、释放等动作，将内存管理的所有信息进行统计、分析、可视化。我们可以根据这些信息判断程序是否有内存泄漏问题。 　　使用JConsole工具来分析WAS的JVM问题，需要进行相关的配置。 　　首先我们看WAS服务器端的配置. 　　1、登录was控制台https://10.4.119.18
  • 自定义annotation 120153216 annotation
    Java annotation 自定义注释@interface的用法 一、什么是注释      说起注释，得先提一提什么是元数据(metadata)。所谓元数据就是数据的数据。也就是说，元数据是描述数据的。就象数据表中的字段一样，每个字段描述了这个字段下的数据的含义。而J2SE5.0中提供的注释就是java源代码的元数据，也就是说注释是描述java源
  • CentOS 5/6.X 使用 EPEL YUM源 2002wmj centos
    CentOS 6.X 安装使用EPEL YUM源1. 查看操作系统版本[root@node1 ~]# uname -a Linux node1.test.com 2.6.32-358.el6.x86_64 #1 SMP Fri Feb 22 00:31:26 UTC 2013 x86_64 x86_64 x86_64 GNU/Linux [root@node1 ~]#
  • 在SQLSERVER中查找缺失和无用的索引SQL 357029540 SQL Server
    --缺失的索引 SELECT  avg_total_user_cost * avg_user_impact * ( user_scans + user_seeks ) AS PossibleImprovement ,          last_user_seek ,    
  • Spring3 MVC 笔记（二） —json+rest优化 7454103 Spring3 MVC
    接上次的 spring mvc 注解的一些详细信息！                          其实也是一些个人的学习笔记  呵呵！
  • 替换“\”的时候报错Unexpected internal error near index 1 \ ^ adminjun java“\替换”
    发现还是有些东西没有刻子脑子里,,过段时间就没什么概念了,所以贴出来...以免再忘...   在拆分字符串时遇到通过 \ 来拆分，可是用所以想通过转义 \\ 来拆分的时候会报异常   public class Main {          /*
  • POJ 1035 Spell checker(哈希表) aijuans 暴力求解--哈希表
    /* 题意：输入字典，然后输入单词，判断字典中是否出现过该单词，或者是否进行删除、添加、替换操作，如果是，则输出对应的字典中的单词 要求按照输入时候的排名输出 题解：建立两个哈希表。一个存储字典和输入字典中单词的排名，一个进行最后输出的判重 */ #include <iostream> //#define using namespace std; const int HASH =
  • 通过原型实现javascript Array的去重、最大值和最小值 ayaoxinchao JavaScriptarrayprototype
    用原型函数（prototype）可以定义一些很方便的自定义函数，实现各种自定义功能。本次主要是实现了Array的去重、获取最大值和最小值。 实现代码如下：   <script type="text/javascript"> Array.prototype.unique = function() { var a = {}; var le
  • UIWebView实现https双向认证请求 bewithme UIWebViewhttpsObjective-C
              什么是HTTPS双向认证我已在先前的博文 ASIHTTPRequest实现https双向认证请求 中有讲述，不理解的读者可以先复习一下。本文是用UIWebView来实现对需要客户端证书验证的服务请求，网上有些文章中有涉及到此内容，但都只言片语，没有讲完全，更没有完整的代码，让人困扰不已。但是此知
  • NoSQL数据库之Redis数据库管理(Redis高级应用之事务处理、持久化操作、pub_sub、虚拟内存) bijian1013 redis数据库NoSQL
    3.事务处理         Redis对事务的支持目前不比较简单。Redis只能保证一个client发起的事务中的命令可以连续的执行，而中间不会插入其他client的命令。当一个client在一个连接中发出multi命令时，这个连接会进入一个事务上下文，该连接后续的命令不会立即执行，而是先放到一个队列中，当执行exec命令时，redis会顺序的执行队列中
  • 各数据库分页sql备忘 bingyingao oraclesql分页
    ORACLE 下面这个效率很低 SELECT * FROM ( SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_FS_RETURN order by id desc) A ) WHERE RN <20; 下面这个效率很高 SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_
  • 【Scala七】Scala核心一：函数 bit1129 scala
    1. 如果函数体只有一行代码，则可以不用写{},比如 def print(x: Int) = println(x) 一行上的多条语句用分号隔开，则只有第一句属于方法体，例如   def printWithValue(x: Int) : String= println(x); "ABC"   上面的代码报错，因为，printWithValue的方法
  • 了解GHC的factorial编译过程 bookjovi haskell
    GHC相对其他主流语言的编译器或解释器还是比较复杂的，一部分原因是haskell本身的设计就不易于实现compiler，如lazy特性，static typed，类型推导等。 关于GHC的内部实现有篇文章说的挺好，这里，文中在RTS一节中详细说了haskell的concurrent实现，里面提到了green thread，如果熟悉Go语言的话就会发现，ghc的concurrent实现和Go有点类
  • Java-Collections Framework学习与总结-LinkedHashMap BrokenDreams LinkedHashMap
            前面总结了java.util.HashMap，了解了其内部由散列表实现，每个桶内是一个单向链表。那有没有双向链表的实现呢？双向链表的实现会具备什么特性呢？来看一下HashMap的一个子类——java.util.LinkedHashMap。       
  • 读《研磨设计模式》-代码笔记-抽象工厂模式-Abstract Factory bylijinnan abstract
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ package design.pattern; /* * Abstract Factory Pattern * 抽象工厂模式的目的是： * 通过在抽象工厂里面定义一组产品接口，方便地切换“产品簇” * 这些接口是相关或者相依赖的
  • 压暗面部高光 cherishLC PS
    方法一、压暗高光&重新着色 当皮肤很油又使用闪光灯时，很容易在面部形成高光区域。 下面讲一下我今天处理高光区域的心得： 皮肤可以分为纹理和色彩两个属性。其中纹理主要由亮度通道（Lab模式的L通道）决定，色彩则由a、b通道确定。 处理思路为在保持高光区域纹理的情况下，对高光区域着色。具体步骤为：降低高光区域的整体的亮度，再进行着色。 如果想简化步骤，可以只进行着色（参看下面的步骤1
  • Java VisualVM监控远程JVM crabdave visualvm
    Java VisualVM监控远程JVM    JDK1.6开始自带的VisualVM就是不错的监控工具. 这个工具就在JAVA_HOME\bin\目录下的jvisualvm.exe, 双击这个文件就能看到界面   通过JMX连接远程机器, 需要经过下面的配置: 1. 修改远程机器JDK配置文件 (我这里远程机器是linux).    
  • Saiku去掉登录模块 daizj saiku登录olapBI
    1、修改applicationContext-saiku-webapp.xml <security:intercept-url pattern="/rest/**" access="IS_AUTHENTICATED_ANONYMOUSLY" />  <security:intercept-url pattern=&qu
  • 浅析 Flex中的Focus dsjt htmlFlexFlash
    关键字：focus、 setFocus、 IFocusManager、KeyboardEvent 焦点、设置焦点、获得焦点、键盘事件 一、无焦点的困扰——组件监听不到键盘事件 原因：只有获得焦点的组件（确切说是InteractiveObject）才能监听到键盘事件的目标阶段；键盘事件（flash.events.KeyboardEvent）参与冒泡阶段，所以焦点组件的父项（以及它爸
  • Yii全局函数使用 dcj3sjt126com yii
    由于YII致力于完美的整合第三方库，它并没有定义任何全局函数。yii中的每一个应用都需要全类别和对象范围。例如，Yii::app()->user;Yii::app()->params['name'];等等。我们可以自行设定全局函数，使得代码看起来更加简洁易用。(原文地址) 我们可以保存在globals.php在protected目录下。然后，在入口脚本index.php的，我们包括在
  • 设计模式之单例模式二（解决无序写入的问题） come_for_dream 单例模式volatile乱序执行双重检验锁
                    在上篇文章中我们使用了双重检验锁的方式避免懒汉式单例模式下由于多线程造成的实例被多次创建的问题，但是因为由于JVM为了使得处理器内部的运算单元能充分利用，处理器可能会对输入代码进行乱序执行（Out Of Order Execute）优化，处理器会在计算之后将乱序执行的结果进行重组，保证该
  • 程序员从初级到高级的蜕变 gcq511120594 框架工作PHPandroidhtml5
    软件开发是一个奇怪的行业，市场远远供不应求。这是一个已经存在多年的问题，而且随着时间的流逝，愈演愈烈。 我们严重缺乏能够满足需求的人才。这个行业相当年轻。大多数软件项目是失败的。几乎所有的项目都会超出预算。我们解决问题的最佳指导方针可以归结为——“用一些通用方法去解决问题，当然这些方法常常不管用，于是，唯一能做的就是不断地尝试，逐个看看是否奏效”。 现在我们把淫浸代码时间超过3年的开发人员称为
  • Reverse Linked List hcx2013 list
    Reverse a singly linked list.   /** * Definition for singly-linked list. * public class ListNode { * int val; * ListNode next; * ListNode(int x) { val = x; } * } */ p
  • Spring4.1新特性——数据库集成测试 jinnianshilongnian spring 4.1
    目录 Spring4.1新特性——综述 Spring4.1新特性——Spring核心部分及其他 Spring4.1新特性——Spring缓存框架增强 Spring4.1新特性——异步调用和事件机制的异常处理 Spring4.1新特性——数据库集成测试脚本初始化 Spring4.1新特性——Spring MVC增强 Spring4.1新特性——页面自动化测试框架Spring MVC T
  • C# Ajax上传图片同时生成微缩图(附Demo) liyonghui160com
        1.Ajax无刷新上传图片,详情请阅我的这篇文章。（jquery + c# ashx）         2.C#位图处理  System.Drawing。         3.最新demo支持IE7,IE8,Fir
  • Java list三种遍历方法性能比较 pda158 java
    从c/c++语言转向java开发，学习java语言list遍历的三种方法，顺便测试各种遍历方法的性能，测试方法为在ArrayList中插入1千万条记录，然后遍历ArrayList，发现了一个奇怪的现象，测试代码例如以下： package com.hisense.tiger.list; import java.util.ArrayList; import java.util.Iterator;
  • 300个涵盖IT各方面的免费资源（上）——商业与市场篇 shoothao seo商业与市场IT资源免费资源
    A.网站模板+logo+服务器主机+发票生成 HTML5 UP:响应式的HTML5和CSS3网站模板。 Bootswatch:免费的Bootstrap主题。 Templated:收集了845个免费的CSS和HTML5网站模板。 Wordpress.org|Wordpress.com:可免费创建你的新网站。 Strikingly:关注领域中免费无限的移动优
  • localStorage、sessionStorage uule localStorage
    W3School 例子   HTML5 提供了两种在客户端存储数据的新方法： localStorage - 没有时间限制的数据存储 sessionStorage - 针对一个 session 的数据存储   之前，这些都是由 cookie 完成的。但是 cookie 不适合大量数据的存储，因为它们由每个对服务器的请求来传递，这使得 cookie 速度很慢而且效率也不
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他