- 卷积神经网络(CNN)详解:从原理到应用的全景解析
彩旗工作室
人工智能cnn人工智能神经网络卷积神经网络
一、定义与核心特征卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种专为处理网格状数据(如图像、视频)设计的深度前馈神经网络,其核心特征包括:局部连接:卷积层神经元仅与输入数据的局部区域连接,减少参数数量;权重共享:同一卷积核在整个输入数据上滑动,增强平移不变性;层级特征提取:从低级特征(边缘、纹理)到高级特征(物体部件)的逐层抽象。二、历史演进与关键突破1960年
- 点云网络的论文理解(三)-点云网络的优化 PointNet++的总体说明
CUHK-SZ-relu
PointNet深度学习
总体说明这个部分是为了让大家可以更好地理解文章1.以前的网络有什么缺点1.首先第一点就是论文当中反复提到的没有局部特征的问题。2.另外一个就是PointNet不具有平移不变性,理解一下这个,PointNet最后是一个maxpooling所以决定是不是选择当前内容的唯一因素是大小,因为除了pooling之外使用的就只有mlp,之前的所有一系列处理其实都可以等价为乘上一个参数,每个的参数可能不同,有正
- 基于特征提取的方法实现对心室视频的追踪
阿蛋会代码
音视频python开发语言opencv目标检测计算机视觉
一、特征提取的方法本代码实现了一套基于计算机视觉的心脏运动定量分析系统,通过特征点追踪技术对超声心动图视频进行动态解析。核心技术采用ORB(OrientedFASTandRotatedBRIEF)特征检测算法,在每帧图像中提取具有旋转不变性的显著斑点特征,构建包含位置和方向信息的特征描述子。通过暴力匹配器(BFMatcher)进行跨帧特征点匹配,结合汉明距离阈值筛选出可信度高的空间对应点对。系统以
- 常用特征检测算法SURF、SIFT、ORB和FAST
super尚
图像处理算法人工智能计算机视觉
特征检测算法SURF算法特征检测的视觉不变性是一个非常重要的概念。但是要解决尺度不变性问题,难度相当大。为解决这一问题,计算机视觉界引入了尺度不变特征的概念。它的理念是,不仅在任何尺度下拍摄的物体都能检测到一致的关键点,而且每个被检测的特征点都对应一个尺度因子。理想情况下,对于两幅图像中不同尺度的的同一个物体点,计算得到的两个尺度因子之间的比率应该等于图像尺度的比率。近几年,人们提出了多种尺度不变
- 计算机视觉之图像处理-----SIFT、SURF、FAST、ORB 特征提取算法深度解析
三年呀
计算机视觉图像处理算法深度学习python目标检测机器学习
SIFT、SURF、FAST、ORB特征提取算法深度解析前言在图像处理领域亦或是计算机视觉中,首先我们需要先理解几个名词:什么是尺度不变?在实际场景中,同一物体可能出现在不同距离(如远处的山和近处的树),导致其在图像中的尺度不同,也引出了多尺度的概念。算法检测到的特征在图像缩放(放大或缩小)后仍能被正确识别和匹配,即尺度不变性。什么是旋转不变?物体在现实中的朝向可能任意(如手机横屏/竖屏拍摄同一物
- Hu矩的原理及应用
Ring__Rain
算法人工智能机器学习
什么是Hu矩Hu矩是一种描述图像形状特征的数学工具,核心思想:提取图像的形状信息,并对这些信息进行归一化,使得它们对图像的平移、旋转和缩放具有不变性。简单说,Hu矩就是一串数字,这串数字可以唯一的描述图像的形状特征,而且不管图像怎么移动、旋转和缩放,这组数字都不变。Hu矩的原理1,几何矩:图像的像素值的加权和,可以用来描述图像的形状。如:零阶矩(面积):图像中所有像素值的总和;一阶矩(质心):图像
- LLM论文笔记 9: Neural Networks and the Chomsky Hierarchy
Zhouqi_Hua
大模型论文阅读论文阅读人工智能深度学习笔记语言模型
Arxiv日期:2022.9.29机构:GoogleDeepMind/Stanford关键词transformer架构原理乔姆斯基体系长度泛化核心结论1.虽然Transformer理论上具有图灵完备性,但在实践中能力受到位置不变性和有限记忆的限制2.Transformer在一些任务中表现较差,例如正则语言任务(如ParityCheck),表明其与Chomsky层级的对齐性不佳3.Transform
- Java多线程——对象的组合
松仔log
#java多线程java开发语言jvm
设计线程安全的类找出构成对象状态的所有变量找出约束状态变量的不变性条件建立对象状态的并发访问管理策略实例封闭当一个对象被封装到另一个对象中,能够访问被封装对象的所有代码路径都是已知的。通过封闭和加锁,可以确保以线程安全的方式使用非线程安全的对象classMutablePoint{publicintx,y;publicMutablePoint(){x=0;y=0;}publicMutablePoin
- Python 图像处理进阶:特征提取与图像分类
极客代码
玩转Python玩转AI开发语言python图像处理人工智能
特征提取特征提取是计算机视觉中的一个重要环节,它可以从图像中提取出有助于后续处理的特征,比如用于识别和分类的关键点、纹理等。常见的特征提取方法包括SIFT、SURF和ORB等。SIFT(尺度不变特征变换)SIFT是一种用于检测图像中的关键点及其描述符的方法。SIFT特征具有尺度不变性和旋转不变性,适用于图像匹配和识别。原理:SIFT通过在不同尺度的空间内寻找极值点来检测关键点,并利用梯度方向的直方
- 为AI聊天工具添加一个知识系统 之76 详细设计之17 正则表达式 之4 正则表达式模板
一水鉴天
人工智能机器学习算法
Q712、三“化”(使用三种不同的定义方法:规定定义法-线性回归/内涵定义法--一阶迭代/外延定义法--单调递归)整体形成一个双人零和的局面Method()规定式。给出问题“law是什么”的三种答案:1)符合(事实符合公式)内涵和外延的逆关系,2)遵循(逻辑符号)拓扑特征不变性,3)基于(信念坚持)时间不可逆公理根据你所描述的框架,三“化”(规定定义法-线性回归、内涵定义法-一阶迭代、外延定义法-
- YOLOv9改进,YOLOv9检测头融合ASFF(自适应空间特征融合),全网首发
挂科边缘
YOLOv9改进YOLO目标检测人工智能深度学习计算机视觉
摘要一种新颖的数据驱动的金字塔特征融合策略,称为自适应空间特征融合(ASFF)。它学习了在空间上过滤冲突信息以抑制不一致的方法,从而提高了特征的尺度不变性,并引入了几乎免费的推理开销。#理论介绍目标检测在处理不同尺度的目标时,常采用特征金字塔结构。然而,这种金字塔结构在单步检测器中存在尺度不一致性问题,即不同尺度的特征层在检测过程中可能产生冲突,导致精度下降。ASFF方法通过学习每个尺度特征的自适
- YOLOv10改进,YOLOv10添加ASFF检测头(自适应空间特征融合),添加小目标检测层(四头检测)+CA注意机制,全网首发
挂科边缘
YOLOv10改进YOLO目标检测目标跟踪人工智能计算机视觉深度学习
摘要一种新颖的数据驱动的金字塔特征融合策略,称为自适应空间特征融合(ASFF)。它学习了在空间上过滤冲突信息以抑制不一致的方法,从而提高了特征的尺度不变性,并引入了几乎免费的推理开销。#理论介绍目标检测在处理不同尺度的目标时,常采用特征金字塔结构。然而,这种金字塔结构在单步检测器中存在尺度不一致性问题,即不同尺度的特征层在检测过程中可能产生冲突,导致精度下降。ASFF方法通过学习每个尺度特征的自适
- 基于SIFT特征提取和模板匹配的车标识别算法MATLAB仿真(含MATLAB代码)
爱学习的通信人
图像处理毕业设计信号处理算法matlab开发语言
摘要本文介绍了一种基于尺度不变特征变换(SIFT)特征提取和模板匹配的车标识别方法,并通过MATLAB进行仿真。该方法利用SIFT特征的尺度和旋转不变性,提高车标识别的准确性和鲁棒性,适用于各种尺寸和方向的车标图像。仿真结果展示了该方法在实际应用中的有效性。关键词:车标识别,SIFT特征提取,模板匹配,MATLAB仿真1.引言车标识别在车辆检测、智能交通系统和安全监控中具有重要应用。准确识别车辆品
- 终端滑模matlab程序,机器人轨迹跟踪控制方法研究(含MATLAB程序)
得陇而望蜀者
终端滑模matlab程序
机器人轨迹跟踪控制方法研究(含MATLAB程序)(课题申报表,任务书,开题报告,中期检查表,外文翻译,论文15300字,程序,答辩PPT)摘要机器人是一类复杂的、具有不确定性的、多输入多输出非线性时变系统。滑模变结构控制对系统参数和外部扰动等不确定性具有不变性,因此非常适合于机器人的控制。本文主要研究了机器人的滑模轨迹跟踪控制。首先简要介绍机器人轨迹跟踪方法和滑模控制的基本原理,然后着重阐述奇异终
- go hive skynet_golang-栈内存空间
weixin_39980596
gohiveskynet
Go语言设计与实现中关于栈空间的描述多数架构上默认栈大小都在2~4MB左右,极少数架构会使用32MB作为默认大小。用户程序可以在分配的栈上存储函数参数和局部变量。Go语言的逃逸分析遵循以下两个不变性1.指向栈对象的指针不能存在于堆中;2.指向栈对象的指针不能在栈对象回收后存活;栈内存空间Go语言使用用户态线程Goroutine作为执行上下文,它的额外开销和默认栈大小都比线程小很多,然而Gorout
- 卷积核的作用
melonbo
机器学习计算机视觉深度学习人工智能
卷积核通过与图像的局部区域进行点积操作来提取特征。不同的卷积核可以检测不同类型的特征,例如边缘、角点、纹理等。因为共享权重,所以具有平移不变性。通过卷积和池化操作,可以降低输入图像的空间维度。
- 数学基础 -- 线性代数之行列式不变性推导
sz66cm
线性代数
行列式不变性的推导我们要证明:给矩阵的一行(或列)加上另一行(或列)的倍数,这种操作不会改变行列式的值。问题描述假设我们有一个矩阵AAA,其大小为3×33\times33×3,如果我们将其第1行加上第2行的倍数,得到新的矩阵A′A'A′。我们需要证明矩阵AAA的行列式和矩阵A′A'A′的行列式是相等的。给定矩阵AAA如下:A=(a11a12a13a21a22a23a31a32a33)A=\begi
- 什么是特征检测和描述,OpenCV中常见的特征检测算法有哪些?
-Max-静-
#opencv学习opencv算法人工智能
特征检测和描述是计算机视觉中的基本概念,它们在图像识别、对象跟踪、图像拼接等多种任务中发挥着至关重要的作用。特征检测是指识别图像中重要的特定点、区域或结构,这些特征通常具有独特性、可重复性以及对光照变化、旋转和比例变换等变化的鲁棒性。这些特征点可以用作进一步分析的参考。特征描述是基于一定的几何或者颜色信息生成特征点的特征描述符,这种描述应满足欧式空间的仿射不变性和噪声鲁棒性,并且不同特征点的特征描
- 文献解读:纵向数据的测量不变性和交叉滞后模型(一)
Codewar
今天本来想看看交叉滞后怎么做,然后给粉丝写写教程,查资料的过程中发现了一篇很好的文献,记录下来分享给大家。这篇文献主要是讲如何用R的lavaan包做交叉滞后模型的。文献一开始首先介绍MeasurementinvarianceMeasurementinvariance测量不变性在心理学的很多情形下,我们都不能直接测量我们想要的构象,比如饮酒动机,这些不能直接测量的变量叫做潜变量,叫做因子,叫做构象,
- 指纹识别描述
Lyx-0607
笔记
指纹由于其终身不变性、唯一性和方便性,几乎已成为生物特征识别的代名词。通常我们说的指纹就是人的手指末端正面皮肤上凸凹不平的纹线,纹线规律地排列形成不同的纹型。而本节所讲的指纹是指网站CMS指纹识别、计算机操作系统及Web容器的指纹识别等。应用程序一般在html、js、css等文件中多多少少会包含一些特征码,比如WordPress在robots.txt中会包含wp-admin、首页index.php
- 【北邮鲁鹏老师计算机视觉课程笔记】07 Local feature-Blob detection
量子-Alex
CV知识学习和论文阅读计算机视觉笔记人工智能
【北邮鲁鹏老师计算机视觉课程笔记】07Localfeature-Blobdetection1实现尺度不变性不管多近多远,多大多小都能检测出来找到一个函数,实现尺度的选择特性2高斯偏导模版求边缘做卷积3高斯二阶导=拉普拉斯看哪个信号能产生最大响应高斯二阶模版检测尺度(用二阶过零点检测边缘)高斯二阶导有两个参数:方差和窗宽最后图表示当信号与高斯滤波核能匹配的时候,能产生一个极大值准备一堆模版上去卷积,
- 14.2 OpenGL图元装配和光栅化:不变性
乘风之羽
OpenGL图形渲染
不变性Invariance一个几何体或图元(primitive)如三角形、线段等,在窗口坐标系下通过平移(x,y)偏移量得到的新图元p₀,如果原始图元p和变换后的图元p₀都没有被裁剪(clipping),那么由p₀生成的每一个片段f₀与原图元p生成的对应片段f除了中心点位置不同之外,在其它所有方面都应该是相同的。这种不变性是基于图形变换的基本性质,即平移不改变形状和大小,只改变位置。因此,即使是在
- 微软和苏黎世联邦理工学院开源SliceGPT创新压缩技术节省大量部署资源;OpenAI成立儿童安全团队,防AI误用
go2coding
AI日报microsoft安全人工智能
AI新闻微软和苏黎世联邦理工学院开源SliceGPT创新压缩技术节省大量部署资源摘要:微软和苏黎世联邦理工学院研究人员开源了SliceGPT,通过对大模型的权重矩阵进行压缩切片,实现了模型紧缩,节省了部署资源。SliceGPT利用主成分分析和正交矩阵变换实现了计算不变性,通过切片操作将模型的参数体量压缩了25%左右,同时保持了高质量的生成任务性能。SliceGPT的技术特点包括简单高效、保持性能、
- 图像的重要属性
superdont
计算机视觉计算机视觉深度学习人工智能
图像还具有以下重要属性:旋转不变性(rotationinvariance):图像在发生旋转后,其重要特征和对象仍然能够被识别。尺度不变性(ScaleInvariance):图像在缩放或尺度变化后,其重要特征和对象仍然能够被识别。例如,在图像放大或缩小后,物体的关键点或边缘仍然清晰可见。仿射不变性(AffineInvariance):图像在经历仿射变换(如平移、旋转、缩放、剪切等)后,其结构特征保持
- 半监督语义分割论文学习记录
西瓜真的很皮啊
半监督语义分割深度学习机器学习人工智能
Semi-SupervisedSemanticSegmentationwithCross-ConsistencyTraining1.1motivation一致性训练的目的是在应用于输入的小扰动上增强模型预测的不变性。因此,学习的模型将对这样的小变化具有鲁棒性。一致性训练的有效性在很大程度上取决于数据分布的行为,即集群假设,其中类必须由低密度区域分隔。在语义分割中,在输入中,我们没有观察到低密度区域
- 《Residual Bi-Fusion Feature Pyramid Network for Accurate Single-shot Object Detection》论文笔记
m_buddy
#GeneralObjectDetectionBi-Fusion
参考代码:无1.概述导读:在检测任务中一般会引入FPN增强在不同尺度下网络的检测性能,但是只通过top-down的FPN网络是很难去重建由于特征图的漂移(水平或是垂直方向运动)在经过pooling操作(pooling不具有平移不变性)带来结果相差很大的问题(特别针对小目标),而且FPN带来的性能提升会在使用较多卷积层之后逐渐被稀释(卷积的平移不变形),进而会导致一些小目标定位性能降低。对此可以通过
- MATLAB环境下基于深层小波时间散射网络的ECG信号分类
哥廷根数学学派
小波分析深度学习信号处理matlab分类开发语言算法人工智能
2012年,法国工程学院院士Mallat教授深受深度学习结构框架思想的启发,提出了基于小波变换的小波时间散射网络,并以此构造了小波时间散射网络。小波时间散射网络的结构类似于深度卷积神经网络,不同的是其滤波器是预先确定好的小波滤波器,小波滤波器的参数不需要通过训练样本学习得到,因此其网络是非反馈式的。信号通过计算半离散小波变换,再通过非线性取模操作,得到的信号特征表达具有平移不变性、形变稳定性等优良
- 数字信号处理 复试题目 复盘解答(一)
石韫玉Syy
考研笔记信号处理考研
数字信号处理试题复盘解答(一)ps:仅用作复盘和回顾知识点,如果有疑问或者错误请提出。涉及年份:11-19年2011年解答(1)①线性满足aT[x1(t)]+bT[x2(t)]=T[ax1(t)+bx2(t)]②时不变性y(n-nd)=T[x(n-nd)]③非因果性,当n=0时,输出与未来时刻的值有关。④稳定绝对可和(2)①非线性不满足aT[x1(t)]+bT[x2(t)]=T[ax1(t)+bx
- 数字信号处理 试题 复盘解答(二)
石韫玉Syy
信号处理考研
数字信号处理试题复盘解答(二)ps:仅用作复盘和回顾知识点,如果有疑问或者错误请提出。涉及年份:11-19年2012年解答①线性:满足aT[x1(t)]+bT[x2(t)]=T[ax1(t)+bx2(t)]②时不变性:满足y(n-nd)=T[x(n-nd)]注意下标,从0开始就是时变系统③因果性:满足只与之前时刻的输出有关无记忆性---->因果性而因果性不能得出无记忆性无记忆性只与当前时刻的输出有
- Convolutional Neural Network (CNN) 识别手写数字字体
取名真难.
机器学习cnn人工智能神经网络深度学习机器学习python
介绍:卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种在计算机视觉领域广泛应用的深度学习模型。它主要用于图像识别、目标检测、图像分割等任务。CNN的核心思想是利用卷积操作提取图像的特征。卷积操作是一种基于滤波器的操作,通过滑动窗口在输入图像上提取局部特征,并生成对应的特征图。这种局部感受野的操作可以有效捕捉到图像的空间结构特征,并且具有平移不变性。CNN的结构由多
- LeetCode[位运算] - #137 Single Number II
Cwind
javaAlgorithmLeetCode题解位运算
原题链接:#137 Single Number II
要求:
给定一个整型数组,其中除了一个元素之外,每个元素都出现三次。找出这个元素
注意:算法的时间复杂度应为O(n),最好不使用额外的内存空间
难度:中等
分析:
与#136类似,都是考察位运算。不过出现两次的可以使用异或运算的特性 n XOR n = 0, n XOR 0 = n,即某一
- 《JavaScript语言精粹》笔记
aijuans
JavaScript
0、JavaScript的简单数据类型包括数字、字符创、布尔值(true/false)、null和undefined值,其它值都是对象。
1、JavaScript只有一个数字类型,它在内部被表示为64位的浮点数。没有分离出整数,所以1和1.0的值相同。
2、NaN是一个数值,表示一个不能产生正常结果的运算结果。NaN不等于任何值,包括它本身。可以用函数isNaN(number)检测NaN,但是
- 你应该更新的Java知识之常用程序库
Kai_Ge
java
在很多人眼中,Java 已经是一门垂垂老矣的语言,但并不妨碍 Java 世界依然在前进。如果你曾离开 Java,云游于其它世界,或是每日只在遗留代码中挣扎,或许是时候抬起头,看看老 Java 中的新东西。
Guava
Guava[gwɑ:və],一句话,只要你做Java项目,就应该用Guava(Github)。
guava 是 Google 出品的一套 Java 核心库,在我看来,它甚至应该
- HttpClient
120153216
httpclient
/**
* 可以传对象的请求转发,对象已流形式放入HTTP中
*/
public static Object doPost(Map<String,Object> parmMap,String url)
{
Object object = null;
HttpClient hc = new HttpClient();
String fullURL
- Django model字段类型清单
2002wmj
django
Django 通过 models 实现数据库的创建、修改、删除等操作,本文为模型中一般常用的类型的清单,便于查询和使用: AutoField:一个自动递增的整型字段,添加记录时它会自动增长。你通常不需要直接使用这个字段;如果你不指定主键的话,系统会自动添加一个主键字段到你的model。(参阅自动主键字段) BooleanField:布尔字段,管理工具里会自动将其描述为checkbox。 Cha
- 在SQLSERVER中查找消耗CPU最多的SQL
357029540
SQL Server
返回消耗CPU数目最多的10条语句
SELECT TOP 10
total_worker_time/execution_count AS avg_cpu_cost, plan_handle,
execution_count,
(SELECT SUBSTRING(text, statement_start_of
- Myeclipse项目无法部署,Undefined exploded archive location
7454103
eclipseMyEclipse
做个备忘!
错误信息为:
Undefined exploded archive location
原因:
在工程转移过程中,导致工程的配置文件出错;
解决方法:
 
- GMT时间格式转换
adminjun
GMT时间转换
普通的时间转换问题我这里就不再罗嗦了,我想大家应该都会那种低级的转换问题吧,现在我向大家总结一下如何转换GMT时间格式,这种格式的转换方法网上还不是很多,所以有必要总结一下,也算给有需要的朋友一个小小的帮助啦。
1、可以使用
SimpleDateFormat SimpleDateFormat
EEE-三位星期
d-天
MMM-月
yyyy-四位年
- Oracle数据库新装连接串问题
aijuans
oracle数据库
割接新装了数据库,客户端登陆无问题,apache/cgi-bin程序有问题,sqlnet.log日志如下:
Fatal NI connect error 12170.
VERSION INFORMATION: TNS for Linux: Version 10.2.0.4.0 - Product
- 回顾java数组复制
ayaoxinchao
java数组
在写这篇文章之前,也看了一些别人写的,基本上都是大同小异。文章是对java数组复制基础知识的回顾,算是作为学习笔记,供以后自己翻阅。首先,简单想一下这个问题:为什么要复制数组?我的个人理解:在我们在利用一个数组时,在每一次使用,我们都希望它的值是初始值。这时我们就要对数组进行复制,以达到原始数组值的安全性。java数组复制大致分为3种方式:①for循环方式 ②clone方式 ③arrayCopy方
- java web会话监听并使用spring注入
bewithme
Java Web
在java web应用中,当你想在建立会话或移除会话时,让系统做某些事情,比如说,统计在线用户,每当有用户登录时,或退出时,那么可以用下面这个监听器来监听。
import java.util.ArrayList;
import java.ut
- NoSQL数据库之Redis数据库管理(Redis的常用命令及高级应用)
bijian1013
redis数据库NoSQL
一 .Redis常用命令
Redis提供了丰富的命令对数据库和各种数据库类型进行操作,这些命令可以在Linux终端使用。
a.键值相关命令
b.服务器相关命令
1.键值相关命令
&
- java枚举序列化问题
bingyingao
java枚举序列化
对象在网络中传输离不开序列化和反序列化。而如果序列化的对象中有枚举值就要特别注意一些发布兼容问题:
1.加一个枚举值
新机器代码读分布式缓存中老对象,没有问题,不会抛异常。
老机器代码读分布式缓存中新对像,反序列化会中断,所以在所有机器发布完成之前要避免出现新对象,或者提前让老机器拥有新增枚举的jar。
2.删一个枚举值
新机器代码读分布式缓存中老对象,反序列
- 【Spark七十八】Spark Kyro序列化
bit1129
spark
当使用SparkContext的saveAsObjectFile方法将对象序列化到文件,以及通过objectFile方法将对象从文件反序列出来的时候,Spark默认使用Java的序列化以及反序列化机制,通常情况下,这种序列化机制是很低效的,Spark支持使用Kyro作为对象的序列化和反序列化机制,序列化的速度比java更快,但是使用Kyro时要注意,Kyro目前还是有些bug。
Spark
- Hybridizing OO and Functional Design
bookjovi
erlanghaskell
推荐博文:
Tell Above, and Ask Below - Hybridizing OO and Functional Design
文章中把OO和FP讲的深入透彻,里面把smalltalk和haskell作为典型的两种编程范式代表语言,此点本人极为同意,smalltalk可以说是最能体现OO设计的面向对象语言,smalltalk的作者Alan kay也是OO的最早先驱,
- Java-Collections Framework学习与总结-HashMap
BrokenDreams
Collections
开发中常常会用到这样一种数据结构,根据一个关键字,找到所需的信息。这个过程有点像查字典,拿到一个key,去字典表中查找对应的value。Java1.0版本提供了这样的类java.util.Dictionary(抽象类),基本上支持字典表的操作。后来引入了Map接口,更好的描述的这种数据结构。
&nb
- 读《研磨设计模式》-代码笔记-职责链模式-Chain Of Responsibility
bylijinnan
java设计模式
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/
/**
* 业务逻辑:项目经理只能处理500以下的费用申请,部门经理是1000,总经理不设限。简单起见,只同意“Tom”的申请
* bylijinnan
*/
abstract class Handler {
/*
- Android中启动外部程序
cherishLC
android
1、启动外部程序
引用自:
http://blog.csdn.net/linxcool/article/details/7692374
//方法一
Intent intent=new Intent();
//包名 包名+类名(全路径)
intent.setClassName("com.linxcool", "com.linxcool.PlaneActi
- summary_keep_rate
coollyj
SUM
BEGIN
/*DECLARE minDate varchar(20) ;
DECLARE maxDate varchar(20) ;*/
DECLARE stkDate varchar(20) ;
DECLARE done int default -1;
/* 游标中 注册服务器地址 */
DE
- hadoop hdfs 添加数据目录出错
daizj
hadoophdfs扩容
由于原来配置的hadoop data目录快要用满了,故准备修改配置文件增加数据目录,以便扩容,但由于疏忽,把core-site.xml, hdfs-site.xml配置文件dfs.datanode.data.dir 配置项增加了配置目录,但未创建实际目录,重启datanode服务时,报如下错误:
2014-11-18 08:51:39,128 WARN org.apache.hadoop.h
- grep 目录级联查找
dongwei_6688
grep
在Mac或者Linux下使用grep进行文件内容查找时,如果给定的目标搜索路径是当前目录,那么它默认只搜索当前目录下的文件,而不会搜索其下面子目录中的文件内容,如果想级联搜索下级目录,需要使用一个“-r”参数:
grep -n -r "GET" .
上面的命令将会找出当前目录“.”及当前目录中所有下级目录
- yii 修改模块使用的布局文件
dcj3sjt126com
yiilayouts
方法一:yii模块默认使用系统当前的主题布局文件,如果在主配置文件中配置了主题比如: 'theme'=>'mythm', 那么yii的模块就使用 protected/themes/mythm/views/layouts 下的布局文件; 如果未配置主题,那么 yii的模块就使用 protected/views/layouts 下的布局文件, 总之默认不是使用自身目录 pr
- 设计模式之单例模式
come_for_dream
设计模式单例模式懒汉式饿汉式双重检验锁失败无序写入
今天该来的面试还没来,这个店估计不会来电话了,安静下来写写博客也不错,没事翻了翻小易哥的博客甚至与大牛们之间的差距,基础知识不扎实建起来的楼再高也只能是危楼罢了,陈下心回归基础把以前学过的东西总结一下。
*********************************
- 8、数组
豆豆咖啡
二维数组数组一维数组
一、概念
数组是同一种类型数据的集合。其实数组就是一个容器。
二、好处
可以自动给数组中的元素从0开始编号,方便操作这些元素
三、格式
//一维数组
1,元素类型[] 变量名 = new 元素类型[元素的个数]
int[] arr =
- Decode Ways
hcx2013
decode
A message containing letters from A-Z is being encoded to numbers using the following mapping:
'A' -> 1
'B' -> 2
...
'Z' -> 26
Given an encoded message containing digits, det
- Spring4.1新特性——异步调度和事件机制的异常处理
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
- squid3(高命中率)缓存服务器配置
liyonghui160com
系统:centos 5.x
需要的软件:squid-3.0.STABLE25.tar.gz
1.下载squid
wget http://www.squid-cache.org/Versions/v3/3.0/squid-3.0.STABLE25.tar.gz
tar zxf squid-3.0.STABLE25.tar.gz &&
- 避免Java应用中NullPointerException的技巧和最佳实践
pda158
java
1) 从已知的String对象中调用equals()和equalsIgnoreCase()方法,而非未知对象。 总是从已知的非空String对象中调用equals()方法。因为equals()方法是对称的,调用a.equals(b)和调用b.equals(a)是完全相同的,这也是为什么程序员对于对象a和b这么不上心。如果调用者是空指针,这种调用可能导致一个空指针异常
Object unk
- 如何在Swift语言中创建http请求
shoothao
httpswift
概述:本文通过实例从同步和异步两种方式上回答了”如何在Swift语言中创建http请求“的问题。
如果你对Objective-C比较了解的话,对于如何创建http请求你一定驾轻就熟了,而新语言Swift与其相比只有语法上的区别。但是,对才接触到这个崭新平台的初学者来说,他们仍然想知道“如何在Swift语言中创建http请求?”。
在这里,我将作出一些建议来回答上述问题。常见的
- Spring事务的传播方式
uule
spring事务
传播方式:
新建事务
required
required_new - 挂起当前
非事务方式运行
supports
&nbs