山在岭就在
山在岭就在

深度学习文献阅读笔记（7）

　　61、基于PCANet-RF的人脸检测系统（中文，期刊，2016，知网）

　　PCANet人脸检测。

 

　　62、使用人脸图像的SVM性别分类（Gender Identification using SVM Based on Human Face Images）（英文，会议，2014，EI检索）

　　就是单纯的使用LBP+SVM进行性别识别，之处在性别识别中多项式核要优于高斯核。

 

　　63、基于深度神经网络和树搜索的围棋博弈（英文，期刊，2016，Nature）

　　这是2016年击败人类的AlphaGo模型对应的论文，表明AlphaGo是卷积神经网络与搜索树相结合的产物，与“深蓝”有着本质区别，“深蓝”是人工设计模型，AlphaGo是自主学习模型，其与围棋程序之间的对战胜率为99.8%，并且击败了人类围棋高手，凸显深度学习模型的威力。

 

　　64、一种基于双向2DLDA特征融合的人脸识别方法（中文，期刊，2009，知网）

　　算是对2DLDA描述得相对清楚的一篇中文论文，发现LDA到2DLDA与PCA到2DPCA的改进方式极其相似，同时也通过这篇文章查到了2DLDA的原始英文文献。



如果觉得这篇文章对您有所启发，欢迎关注我的公众号，我会尽可能积极和大家交流，谢谢。

深度学习文献阅读笔记（7）_第1张图片

你可能感兴趣的:(文献阅读笔记)

  • 【文献阅读笔记】去噪学生网络：DeSTSeg 迎着黎明那道光 文献阅读笔记视觉异常检测笔记异常检测视觉检测深度学习
    2023CVPR领域：异常检测目标：图像输入数据文章目录1、模型2、方法3、实验4、引用5、想法1、模型模型分为三个模块，包括教师网络、去噪学生网络和分割网络。分为两个阶段进行训练，第一阶段训练去噪学生网络，第二阶段训练分割网络。2、方法去噪学生网络，主要解决的是异常过度泛化的问题，利用编码器-解码器架构实现去噪。在第一个阶段将合成异常图像输入，训练去噪学生网络输出无异常图像。使用合成异常图像的目
  • 【文献阅读笔记】无监督异常检测遇到噪声数据：STKD 迎着黎明那道光 文献阅读笔记视觉异常检测笔记异常检测视觉检测深度学习
    2022ICIP领域：异常检测目标：图像输入数据文章目录1、什么是噪声数据2、解决的措施3、模型4、方法5、消融实验6、引用7、想法1、什么是噪声数据在无监督异常检测设置中，用于训练的数据均是正常图片，但由于缺陷可能是细微的，因种种原因可能无法保障用于训练的数据集内均是正常图像，有可能混有异常图像。如果仍然按照原有的假设进行异常检测，将会影响检测性能。2、解决的措施通过迭代执行异常检测步骤和训练步
  • 第二十九周：文献阅读笔记（ResMLP）+ pytorch学习（Resnet代码实现） @默然 笔记pytorch学习人工智能python深度学习机器学习
    第二十九周：文献阅读笔记（ResMLP）摘要Abstract1.ResMLP1.1文献摘要1.2文献引言1.3ResMLP方法1.3.1整体流程1.3.2残差多感知机层1.4实验1.4.1数据集1.4.2超参数设置1.4.3主要结果1.4.4监督设置1.4.5自监督设置1.4.5知识蒸馏设置1.5ResMLP的创新点2.pytorch学习（ResNet代码实现）2.1数据集2.2文件结构2.3下载
  • 第二十八周：文献阅读笔记（弱监督学习）+ pytorch学习 @默然 笔记学习pytorch深度学习人工智能python
    第二十八周：文献阅读笔记（弱监督学习）摘要Abstract1.弱监督学习1.1.文献摘要1.2.引言1.3.不完全监督1.3.1.主动学习与半监督学习1.3.2.通过人工干预1.3.3.无需人工干预1.4.不确切的监督1.5.不准确的监督1.6.弱监督学习的创新点2.pytorch学习2.1.对现有模型进行修改2.2.优化器的使用2.3.完整的模型训练套路总结摘要弱监督学习是一种机器学习方法，其训
  • 第二十七周：文献阅读笔记 @默然 笔记
    第二十七周：文献阅读笔记摘要AbstractDenseNet网络1.文献摘要2.引言3.ResNets4.DenseBlock5.Poolinglayers6.ImplementationDetails7.Experiments8.FeatureReuse9.代码实现总结摘要DenseNet（密集连接网络）是一种深度学习神经网络架构，由KaimingHe等人在2017年提出。相较于传统的卷积神经网
  • 第二十九周：文献阅读笔记（DenseNet）+ pytorch学习 @默然 笔记pytorch学习
    第二十九周：文献阅读笔记（DenseNet）+pytorch学习摘要Abstract1、DenseNet文献阅读1.1文献摘要1.2文献引言1.3DenseNets网络1.3.1残差网络1.3.2密集连接1.3.3实施细节1.4实验1.4.1数据集1.4.1.1CIFAR1.4.1.2SVHN1.4.2模型训练1.4.3CIFAR和SVHN的分类结果1.4.4ImageNet上的分类结果1.5总结
  • 跨文化能力研究的深化与西方范式面临的质疑 叶小静Stamy
    2019-03-083月文献阅读笔记07-《跨文化能力研究》时间：1990-1999机构成立：①国际跨文化研究院1997②国际语言与跨文化交际学会1999③中国跨文化交际学会1995研究主题：文化价值观、文化适应、跨文化能力、跨文化关系、文化认同、权力的不平等中国的主要研究成果：①林大津：跨文化能力包括得体、有效性和正当（属于道德范畴）②贾玉新：跨文化能力由基本的交际能力系统、情感和关系能力系统、
  • 儒家视角的跨文化能力理论 叶小静Stamy
    2019-03-233月文献阅读笔记19-《跨文化能力研究》【研究者】X.S.Xiao&G.M.Chen【观点】西方文化以自我为中心，在评价交际能力时强调对过程的控制以及预定目标的实现。然而，这种视角并不适合以人际关系为中心的中国儒家文化。在儒家文化看来，一个人的交际能力并不在于能都控制交流过程与实现个人目标，而在于能否以德行感化他人，不断提升自我人格。
  • 微生物群落 文献阅读笔记 芜穀杂粱
    PatternsandProcessesofMicrobialCommunityAssembly壹微生物群落组装过程的统一理论一、群落理论的框架1.Diversification2.Selection3.Dispersal4.Drift二、微生物群落组装的需要什么样的理论？1.和一般群落理论一致2.同时注重微生物特有的特性Aunifiedconceptualframeworkofmicrobial
  • 自动驾驶感知-预测-决策-规划-控制学习（3）：感知方向文献阅读笔记 棉花糖永远滴神 自动驾驶学习笔记
    提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、文章主题二、摘要阅读1.名词理解①点云是什么？②二维图像分割器③轻量化卷积网络提取特征④单模态表达和多模态特征融合的区别⑤基于ROS的多传感器融合感知⑥TensorRT工具2.总结摘要三、绪论解析1.首先分析了车道线检测方面有三类工作2.又分析了三维目标检测研究的三类工作3.综述各章节内容四、硬件与软件设计1.总体方案
  • 【多传感器融合导航论文阅读】 今天我刷leetcode了吗 论文阅读学习方法
    多传感器融合导航论文积累知识点总结因子图一致因子图文献阅读笔记[IF18.6]知识点总结因子图FactorGraph是概率图的一种，是对函数因子分解的表示图，一般内含两种节点，变量节点和函数节点。因子图存在着：两类节点：变量节点和对应的函数节点变量节点所代表的变量是函数节点的自变量。同类节点之间没有边直接相连。一致因子图一致性指的是在该框架中能够保持一致性地更新变量的值，使得整个概率图模型中的变量
  • 第二十五周：文献阅读笔记（swin transformer） @默然 笔记transformer深度学习人工智能机器学习
    第二十五周：文献阅读笔记（swintransformer）摘要Abstract1.swintransformer文献笔记1.1.文献摘要1.2.引言1.3.SwinTransformer原理1.3.1.整体架构1.3.2.PatchMerging1.3.3.VIT中的PatchProjection1.3.4.基于滑动窗口的自注意力1.非重叠窗口中的自注意力2.连续块中的移动窗口分区3.移动窗口所存
  • 第二十四周：文献阅读笔记（VIT） @默然 笔记
    第二十四周：文献阅读笔记摘要Abstract1.文献阅读1.1文献题目1.2文献摘要1.3引言1.4VIT1.4.1Embedding层结构详解1.4.2BN和LN算法1.4.3TransformerEncoder详解1.4.4MLPHead（全连接头）1.5实验1.6文献总结2.随机梯度下降（回顾）摘要VIT是一种基于Transformer模型的视觉处理方法。传统上，卷积神经网络（CNN）在计算
  • 【文献阅读笔记】基于自监督的异常检测和定位：SSM 迎着黎明那道光 文献阅读笔记视觉异常检测笔记视觉检测深度学习
    2022IEEETRANSACTIONSONMULTIMEDIA领域：异常检测目标：图像输入数据文章目录1、模型2、方法2.1、randommasking2.2、restorationnetwork2.3、损失函数2.4、推理时的渐进细化3、实验4、引用5、想法1、模型训练：每个图像实时生成随机的掩码，然后将掩码输入到具有两个预测头的条件自动编码器，一个用于重建图像，一个用于重建掩码。通过随机掩码
  • 目标检测文献阅读笔记（一） 山在岭就在 文献阅读笔记文献阅读笔记
    如果觉得这篇文章对您有所启发，欢迎关注我的公众号，我会尽可能积极和大家交流，谢谢。最近研究了一段时间的目标检测问题，将阅读的一些文献资料总结如下：1、使用增强2DPCA和ML算法估计的目标追踪（Objecttrackingusingincremental2DPCAlearningandMLestimation）（英文，期刊，2008，EI检索）这篇文章的最大作用就是帮我们找到了增强型2DPCA（双
  • 【文献阅读笔记】深度异常检测模型 迎着黎明那道光 视觉异常检测笔记异常检测
    文章目录导读相关关键词及其英文描述记录深度异常检测模型Superviseddeepanomalydetection有监督深度异常检测Semi-Superviseddeepanomalydetection半监督深度异常检测Hybriddeepanomalydetection混合深度异常检测One-classneuralnetworkforanomalydetection用于异常检测的一类神经网络Un
  • 【文献阅读笔记】SimpleNet: A Simple Network for Image Anomaly Detection and Localization 迎着黎明那道光 视觉异常检测文献阅读笔记笔记视觉检测深度学习
    文章目录1、模型2、训练3、推理4、实验结果消融实验一类新奇检测5、代码6、想法2023CVPR领域：异常检测目标：图像输入数据1、模型模块：特征提取器、特征适配器、异常特征生成器、鉴别器模块功能构成特征提取器提取局部特征预训练网络的不同层特征适配器将预训练的特征转移到目标域一层的全连接层异常特征生成器生成异常样本向特征空间添加高斯噪声鉴别器鉴别出正常和异常两层的多层感知机2、训练训练过程：正常样
  • 【文献阅读笔记】路径损耗模型公式 迎着黎明那道光 文献阅读笔记通信笔记算法matlab矩阵
    信道的路径损耗信道的路径损耗是信道路径损耗真值的分贝数。信道路径损耗真值为发射功率与接收功率之比。信道的路径增益信道的路径增益分贝数时路径损耗的分贝值的负数。通常是负数路径损耗的模型公式Pr=Pt*K*(d0/d)^r其中：Pr是接收功率Pt是发射功率K是依赖于天线特性和平均信道损耗的常系数d0是天线的参考距离d是实际距离r是路径损耗指数K<1，取为d0处的自由空间路径损耗瑞利信道和莱斯信道在实际
  • 【文献阅读笔记】关于GANomaly的异常检测方法 迎着黎明那道光 文献阅读笔记视觉异常检测笔记视觉检测深度学习
    文章目录1、GANomaly:Semi-SupervisedAnomalyDetectionviaAdversarialTraining模型主要创新2、Skip-GANomaly:SkipConnectedandAdversariallyTrainedEncoder-DecoderAnomalyDetection模型主要创新点3、Industrialsurfacedefectdetectionan
  • 【文献阅读笔记】Knowledge-enhanced Visual-Language Pre-training on Chest Radiology Images Cpdr 论文阅读_副本笔记论文阅读论文笔记
    文章目录摘要1.介绍2.相关工作2.1.视觉语言的预训练模型2.2.医学的命名实体识别模型2.3.医学知识增强模型3.方法3.1.算法概述3.2.问题场景3.3.知识编码器3.4.实体提取（Entityextraction）3.5.知识引导的视觉表征学习4.实验4.1.特定领域的知识（Domain-specificKnowledge）4.2.数据集4.2.1.预训练的数据集4.2.2.用于下游评估
  • G.M.Chen & W.J. Starosta 的综合的跨文化交际能力模型 叶小静Stamy
    2019-03-123月文献阅读笔记10-《跨文化能力研究》定义：跨文化交际能力是交际者在特定的情境中商讨文化意义、辨析文化身份，有效得体地进行交际的能力，由情感、认知和行为过程三个不断发展和完善的过程构成。关键概念：①情感过程指跨文化交际敏感性的发展，即特定情形中个人情绪或感受的变化，包括：自我概念、开明度、中立态度和社交从容。②认知过程即跨文化的意识发展，包括自我意识和文化意识的发展。③行为过
  • 自动驾驶4D毫米波雷达文献综述 风靡晚 自动驾驶人工智能机器学习信息与通信信号处理算法
    文献阅读笔记：《4DMillimeter-WaveRadarinAutonomousDriving:ASurvey》4D毫米波（mmWave）雷达，能够测量目标的距离、方位角、高度和速度，已经在自动驾驶领域引起了相当大的兴趣。这归因于它在极端环境下的鲁棒性，以及出色的速度和高度测量能力。4D毫米波雷达不仅是毫米波雷达的改进版本，而且还引入了许多重要的研究课题。4D毫米波雷达的原始数据大小比传统雷达
  • （论文阅读34-39）理解CNN 朽月初二 论文阅读cnn人工智能笔记学习神经网络深度学习
    34.文献阅读笔记简介题目Understandingimagerepresentationsbymeasuringtheirequivarianceandequivalence作者KarelLenc,AndreaVedaldi,CVPR,2015.原文链接http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Lenc_Un
  • （论文阅读51-57）图像描述3 53 朽月初二 论文阅读人工智能笔记学习
    51.文献阅读笔记（KNN）简介题目ExploringNearestNeighborApproachesforImageCaptioning作者JacobDevlin,SaurabhGupta,RossGirshick,MargaretMitchell,C.LawrenceZitnick,arXiv:1505.04467原文链接http://arxiv.org/pdf/1505.04467.pdf
  • （论文阅读46-50）图像描述2 朽月初二 论文阅读计算机视觉笔记学习
    46.文献阅读笔记简介题目LearningaRecurrentVisualRepresentationforImageCaptionGeneration作者XinleiChen,C.LawrenceZitnick,arXiv:1411.5654.原文链接http://www.cs.cmu.edu/~xinleic/papers/cvpr15_rnn.pdf关键词2014年rnn图像特征和文本特征相
  • （论文阅读40-45）图像描述1 朽月初二 论文阅读计算机视觉笔记学习cnn
    40.文献阅读笔记（m-RNN）简介题目ExplainImageswithMultimodalRecurrentNeuralNetworks作者JunhuaMao,WeiXu,YiYang,JiangWang,AlanL.Yuille,arXiv:1410.1090原文链接http://arxiv.org/pdf/1410.1090.pdf关键词m-RNN、multimodal研究问题研究问题：解
  • （论文阅读31/100）Stacked hourglass networks for human pose estimation 朽月初二 论文阅读计算机视觉笔记学习
    31.文献阅读笔记简介题目Stackedhourglassnetworksforhumanposeestimation作者AlejandroNewell,KaiyuYang,andJiaDeng,ECCV,2016.原文链接https://arxiv.org/pdf/1603.06937.pdf关键词HumanPoseEstimation研究问题CNN运用于HumanPoseEstimation，
  • （论文阅读32/100）Flowing convnets for human pose estimation in videos 朽月初二 论文阅读
    32.文献阅读笔记简介题目Flowingconvnetsforhumanposeestimationinvideos作者TomasPfister,JamesCharles,andAndrewZisserman,ICCV,2015.原文链接https://arxiv.org/pdf/1506.02897.pdf关键词HumanPoseEstimationinVideos研究问题视频中的人体姿态估计研
  • （论文阅读30/100）Convolutional Pose Machines 朽月初二 论文阅读计算机视觉笔记学习
    30.文献阅读笔记CPMs简介题目ConvolutionalPoseMachines作者Shih-EnWei,VarunRamakrishna,TakeoKanade,andYaserSheikh,CVPR,2016.原文链接https://arxiv.org/pdf/1602.00134.pdf关键词ConvolutionalPoseMachines（CPMs）、articulatedposee
  • （论文阅读28/100 人体姿态估计）Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields 朽月初二 论文阅读计算机视觉人工智能
    28.文献阅读笔记简介题目RealtimeMulti-Person2DPoseEstimationusingPartAffinityFields作者ZheCao,TomasSimon,Shih-EnWei,andYaserSheikh,CVPR,2017.原文链接arxiv.org/pdf/1611.08050.pdf【人体姿态估计2】Real-timeMulti-person2dposeesti
  • Java序列化进阶篇 g21121 java序列化
            1.transient         类一旦实现了Serializable 接口即被声明为可序列化，然而某些情况下并不是所有的属性都需要序列化，想要人为的去阻止这些属性被序列化，就需要用到transient 关键字。
  • escape()、encodeURI()、encodeURIComponent()区别详解 aigo JavaScriptWeb
    原文：http://blog.sina.com.cn/s/blog_4586764e0101khi0.html   JavaScript中有三个可以对字符串编码的函数，分别是： escape,encodeURI,encodeURIComponent，相应3个解码函数：,decodeURI,decodeURIComponent 。 下面简单介绍一下它们的区别 1 escape()函
  • ArcgisEngine实现对地图的放大、缩小和平移 Cb123456 添加矢量数据对地图的放大、缩小和平移Engine
    ArcgisEngine实现对地图的放大、缩小和平移:  个人觉得是平移，不过网上的都是漫游，通俗的说就是把一个地图对象从一边拉到另一边而已。就看人说话吧.  具体实现: 一、引入命名空间    using ESRI.ArcGIS.Geometry;    using ESRI.ArcGIS.Controls; 二、代码实现.
  • Java集合框架概述 天子之骄 Java集合框架概述
       集合框架 集合框架可以理解为一个容器，该容器主要指映射(map)、集合(set)、数组(array)和列表(list)等抽象数据结构。 从本质上来说，Java集合框架的主要组成是用来操作对象的接口。不同接口描述不同的数据类型。   简单介绍：   Collection接口是最基本的接口，它定义了List和Set，List又定义了LinkLi
  • 旗正4.0页面跳转传值问题 何必如此 javajsp
    跳转和成功提示 a)        成功字段非空forward 成功字段非空forward，不会弹出成功字段，为jsp转发，页面能超链接传值,传输变量时需要拼接。接拼接方式list.jsp?test="+strweightUnit+"或list.jsp?test="+weightUnit+&qu
  • 全网唯一:移动互联网服务器端开发课程 cocos2d-x小菜 web开发移动开发移动端开发移动互联程序员
        移动互联网时代来了！     App市场爆发式增长为Web开发程序员带来新一轮机遇，近两年新增创业者，几乎全部选择了移动互联网项目！传统互联网企业中超过98%的门户网站已经或者正在从单一的网站入口转向PC、手机、Pad、智能电视等多端全平台兼容体系。据统计，AppStore中超过85%的App项目都选择了PHP作为后端程
  • Log4J通用配置|注意问题 笔记 7454103 DAOapachetomcatlog4jWeb
    关于日志的等级 那些去 百度就知道了！ 这几天 要搭个新框架  配置了 日志 记下来 ！做个备忘！ #这里定义能显示到的最低级别,若定义到INFO级别,则看不到DEBUG级别的信息了~! log4j.rootLogger=INFO,allLog # DAO层 log记录到dao.log 控制台 和 总日志文件 log4j.logger.DAO=INFO,dao,C
  • SQLServer TCP/IP 连接失败问题 ---SQL Server Configuration Manager darkranger sqlcwindowsSQL ServerXP
    当你安装完之后,连接数据库的时候可能会发现你的TCP/IP 没有启动.. 发现需要启动客户端协议 : TCP/IP  需要打开 SQL Server Configuration Manager... 却发现无法打开 SQL Server Configuration Manager..?? 解决方法:  C:\WINDOWS\system32目录搜索framedyn.
  • [置顶] 做有中国特色的程序员 aijuans 程序员
    从出版业说起 网络作品排到靠前的，都不会太难看，一般人不爱看某部作品也是因为不喜欢这个类型，而此人也不会全不喜欢这些网络作品。究其原因，是因为网络作品都是让人先白看的，看的好了才出了头。而纸质作品就不一定了，排行榜靠前的，有好作品，也有垃圾。 许多大牛都是写了博客，后来出了书。这些书也都不次，可能有人让为不好，是因为技术书不像小说，小说在读故事，技术书是在学知识或温习知识，有些技术书读得可
  • document.domain 跨域问题 avords document
    document.domain用来得到当前网页的域名。比如在地址栏里输入：javascript:alert(document.domain); //www.315ta.com我们也可以给document.domain属性赋值，不过是有限制的，你只能赋成当前的域名或者基础域名。比如：javascript:alert(document.domain = "315ta.com");
  • 关于管理软件的一些思考 houxinyou 管理
    工作好多看年了,一直在做管理软件,不知道是我最开始做的时候产生了一些惯性的思维,还是现在接触的管理软件水平有所下降.换过好多年公司,越来越感觉现在的管理软件做的越来越乱. 在我看来,管理软件不论是以前的结构化编程,还是现在的面向对象编程,不管是CS模式,还是BS模式.模块的划分是很重要的.当然,模块的划分有很多种方式.我只是以我自己的划分方式来说一下. 做为管理软件,就像现在讲究MVC这
  • NoSQL数据库之Redis数据库管理(String类型和hash类型) bijian1013 redis数据库NoSQL
    一.Redis的数据类型 1.String类型及操作         String是最简单的类型，一个key对应一个value，string类型是二进制安全的。Redis的string可以包含任何数据，比如jpg图片或者序列化的对象。         Set方法：设置key对应的值为string类型的value
  • Tomcat 一些技巧 征客丶 javatomcatdos
    以下操作都是在windows 环境下 一、Tomcat 启动时配置 JAVA_HOME 在 tomcat 安装目录，bin 文件夹下的 catalina.bat 或 setclasspath.bat 中添加 set JAVA_HOME=JAVA 安装目录 set JRE_HOME=JAVA 安装目录/jre 即可； 二、查看Tomcat 版本 在 tomcat 安装目
  • 【Spark七十二】Spark的日志配置 bit1129 spark
    在测试Spark Streaming时，大量的日志显示到控制台，影响了Spark Streaming程序代码的输出结果的查看(代码中通过println将输出打印到控制台上)，可以通过修改Spark的日志配置的方式，不让Spark Streaming把它的日志显示在console   在Spark的conf目录下，把log4j.properties.template修改为log4j.p
  • Haskell版冒泡排序 bookjovi 冒泡排序haskell
    面试的时候问的比较多的算法题要么是binary search，要么是冒泡排序，真的不想用写C写冒泡排序了，贴上个Haskell版的，思维简单，代码简单，下次谁要是再要我用C写冒泡排序，直接上个haskell版的，让他自己去理解吧。     sort [] = [] sort [x] = [x] sort (x:x1:xs) | x>x1 = x1:so
  • java 路径 配置文件读取 bro_feng java
    这几天做一个项目，关于路径做如下笔记，有需要供参考。 取工程内的文件，一般都要用相对路径，这个自然不用多说。 在src统计目录建配置文件目录res,在res中放入配置文件。 读取文件使用方式： 1. MyTest.class.getResourceAsStream("/res/xx.properties") 2. properties.load(MyTest.
  • 读《研磨设计模式》-代码笔记-简单工厂模式 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/ package design.pattern; /* * 个人理解：简单工厂模式就是IOC; * 客户端要用到某一对象，本来是由客户创建的，现在改成由工厂创建，客户直接取就好了 */ interface IProduct {
  • SVN与JIRA的关联 chenyu19891124 SVN
    SVN与JIRA的关联一直都没能装成功，今天凝聚心思花了一天时间整合好了。下面是自己整理的步骤： 一、搭建好SVN环境，尤其是要把SVN的服务注册成系统服务 二、装好JIRA，自己用是jira-4.3.4破解版 三、下载SVN与JIRA的插件并解压，然后拷贝插件包下lib包里的三个jar，放到Atlassian\JIRA 4.3.4\atlassian-jira\WEB-INF\lib下，再
  • JWFDv0.96 最新设计思路 comsci 数据结构算法工作企业应用公告
                       随着工作流技术的发展，工作流产品的应用范围也不断的在扩展，开始进入了像金融行业(我已经看到国有四大商业银行的工作流产品招标公告了)，实时生产控制和其它比较重要的工程领域，而
  • vi 保存复制内容格式粘贴 daizj vi粘贴复制保存原格式不变形
        vi是linux中非常好用的文本编辑工具，功能强大无比，但对于复制带有缩进格式的内容时，粘贴的时候内容错位很严重，不会按照复制时的格式排版，vi能不能在粘贴时，按复制进的格式进行粘贴呢？ 答案是肯定的，vi有一个很强大的命令可以实现此功能 。     在命令模式输入:set paste，则进入paste模式，这样再进行粘贴时
  • shell脚本运行时报错误：/bin/bash^M: bad interpreter 的解决办法 dongwei_6688 shell脚本
    出现原因：windows上写的脚本，直接拷贝到linux系统上运行由于格式不兼容导致 解决办法： 1. 比如文件名为myshell.sh，vim myshell.sh 2. 执行vim中的命令 : set ff?查看文件格式，如果显示fileformat=dos，证明文件格式有问题 3. 执行vim中的命令 :set fileformat=unix 将文件格式改过来就可以了，然后:w
  • 高一上学期难记忆单词 dcj3sjt126com wordenglish
    honest 诚实的；正直的 argue 争论 classical 古典的 hammer 锤子 share  分享；共有 sorrow 悲哀；悲痛 adventure 冒险 error 错误；差错 closet 壁橱；储藏室 pronounce 发音；宣告 repeat 重做；重复 majority 大多数；大半   native 本国的，本地的，本国
  • hibernate查询返回DTO对象，DTO封装了多个pojo对象的属性 frankco POJOhibernate查询DTO
          DTO-数据传输对象；pojo-最纯粹的java对象与数据库中的表一一对应。       简单讲：DTO起到业务数据的传递作用，pojo则与持久层数据库打交道。         有时候我们需要查询返回DTO对象，因为DTO
  • Partition List hcx2013 partition
    Given a linked list and a value x, partition it such that all nodes less than x come before nodes greater than or equal to x. You should preserve the original relative order of th
  • Spring MVC测试框架详解——客户端测试 jinnianshilongnian
    上一篇《Spring MVC测试框架详解——服务端测试》已经介绍了服务端测试，接下来再看看如果测试Rest客户端，对于客户端测试以前经常使用的方法是启动一个内嵌的jetty/tomcat容器，然后发送真实的请求到相应的控制器；这种方式的缺点就是速度慢；自Spring 3.2开始提供了对RestTemplate的模拟服务器测试方式，也就是说使用RestTemplate测试时无须启动服务器，而是模拟一
  • 关于推荐个人观点 liyonghui160com 推荐系统关于推荐个人观点
        回想起来，我也做推荐了3年多了，最近公司做了调整招聘了很多算法工程师，以为需要多么高大上的算法才能搭建起来的，从实践中走过来，我只想说【不是这样的】     第一次接触推荐系统是在四年前入职的时候，那时候，机器学习和大数据都是没有的概念，什么大数据处理开源软件根本不存在，我们用多台计算机web程序记录用户行为，用.net的w
  • 不间断旋转的动画 pangyulei 动画
    CABasicAnimation* rotationAnimation; rotationAnimation = [CABasicAnimation animationWithKeyPath:@"transform.rotation.z"]; rotationAnimation.toValue = [NSNumber numberWithFloat: M
  • 自定义annotation sha1064616837 javaenumannotationreflect
    对象有的属性在页面上可编辑，有的属性在页面只可读，以前都是我们在页面上写死的，时间一久有时候会混乱，此处通过自定义annotation在类属性中定义。越来越发现Java的Annotation真心很强大，可以帮我们省去很多代码，让代码看上去简洁。 下面这个例子 主要用到了 1.自定义annotation：@interface，以及几个配合着自定义注解使用的几个注解 2.简单的反射 3.枚举
  • Spring 源码 up2pu spring
    1.Spring源代码 https://github.com/SpringSource/spring-framework/branches/3.2.x 注：兼容svn检出 2.运行脚本 import-into-eclipse.bat 注：需要设置JAVA_HOME为jdk 1.7 build.gradle compileJava { sourceCompatibilit
  • 利用word分词来计算文本相似度 yangshangchuan wordword分词文本相似度余弦相似度简单共有词
    word分词提供了多种文本相似度计算方式： 方式一：余弦相似度，通过计算两个向量的夹角余弦值来评估他们的相似度 实现类：org.apdplat.word.analysis.CosineTextSimilarity 用法如下： String text1 = "我爱购物"; String text2 = "我爱读书"; String text3 =
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他