- 遥感影像的切片处理
sand&wich
计算机视觉python图像处理
在遥感影像分析中,经常需要将大尺寸的影像切分成小片段,以便于进行详细的分析和处理。这种方法特别适用于机器学习和图像处理任务,如对象检测、图像分类等。以下是如何使用Python和OpenCV库来实现这一过程,同时确保每个影像片段保留正确的地理信息。准备环境首先,确保安装了必要的Python库,包括numpy、opencv-python和xml.etree.ElementTree。这些库将用于图像处理
- 遥感图像分割系统:融合空间金字塔池化(FocalModulation)改进YOLOv8
xuehaisj
YOLO人工智能计算机视觉yolov8
1.研究背景与意义项目参考AAAIAssociationfortheAdvancementofArtificialIntelligence研究背景与意义遥感图像分割是遥感技术领域中的一个重要研究方向,它的目标是将遥感图像中的不同地物或地物类别进行有效的分割和识别。随着遥感技术的不断发展和遥感图像数据的大规模获取,遥感图像分割在农业、城市规划、环境监测等领域具有广泛的应用前景。然而,由于遥感图像的特
- GIS数据处理软件:地理信息与遥感领域的智慧引擎
GeoSaaS
地理信息智慧城市数据库人工智能大数据gis
在地理信息与遥感技术的广阔天地间,数据处理软件如同一座桥接驳岸的智慧引擎,将海量的原始数据转化为决策的金矿,推动着城市规划、环境保护、灾害管理、资源开发等领域的深度变革。本文将深入解析其核心功能、技术前沿、应用实例及未来展望,探析数据处理软件如何为地理信息与遥感技术插上智慧的翅膀。数据处理软件的核心技术与功能矩阵数据清洗与格式转换:自动去除冗余杂乱码、异常值,格式标准化数据,确保后续处理的准确性与
- 枫叶的成长计划
小婷说
2019/12.23【行】毕:图分类,和鹰说清楚昨天的事,遥感复习到五十页,和白杨聊了聊昨天发生的事,买苹果未毕:c++未写,电影还没看1.找到给桌子的那个人2.早上七点起床做好标语准备买苹果啦3.遥感图分类问问黎霞小姐妹4.遥感背书二十五页5.做五道数学题嘻嘻嘻(˙︶˙)6.隔一小时发布买苹果消息7.中午和静雯吃饭(✪✪)晚上喝葵葵一起聊聊【见】今天是冬至好热闹,一大早群里的消息就把我惊醒,满屏
- [数据集][目标检测]卫星遥感舰船检测数据集VOC+YOLO格式2238张17类别
FL1623863129
数据集目标检测YOLO人工智能
数据集格式:PascalVOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数):2238标注数量(xml文件个数):2238标注数量(txt文件个数):2238标注类别数:17标注类别名称:[“AircraftCarrier”,“AuxiliaryShips”,“Cargo”,“Commander”
- 遥感多模态基础大模型汇总-实时更新
遥感-GIS
#遥感#图像处理深度学习#大模型#遥感大模型
本文内容来自下面链接,考虑到很多同学登录不了,故在此平台进行分享。遥感基础大模型TableofContentsModelsRemoteSensingVisionFoundationModels遥感视觉基础模型RemoteSensingVision-LanguageFoundationModels遥感视觉语言基础模型RemoteSensingGenerativeFoundationModels遥感生
- 基于Sentinel-1遥感数据的水体提取
遥感-GIS
sentinel图像处理arcgis
本文利用SAR遥感图像进行水体信息的提取,相比光学影像,SAR图像不受天气影响,在应急情况下应用最多,针对水体,在发生洪涝时一般天气都是阴雨天,云较多,光学影像质量较差,基本上都是利用SAR影像对受灾范围进行评估,故此本文重点描述SAR影像中的水体提取问题,目前应用较多的是Sentinel-1数据。本文结构:Sentinel-1数据的介绍Sentinel-1数据的预处理水体信息提取总结1Senti
- 遥感之智能优化算法大纲介绍
遥感-GIS
遥感之智能优化算法图像处理arcgis启发式算法
介绍近年来在遥感及人工智能领域研究比较火热的智能优化算法,其中被广泛使用的比如粒子群算法和遗传算法等,在遥感领域,比如高光谱特征选择,机器学习超参数优化等方向有众多的应用,除了提到了两个算法之外,还有众多其他算法,本专栏基于《智能优化算法与涌现计算》及其相关资料,对智能优化算法做些详细的整理和总结,以期给遥感或其他领域提供有价值的参考。书籍大纲为:第一篇仿人智能优化算法描述模拟人脑思维、人体系统、
- 遥感之机器学习树集成模型-CART算法之回归
遥感-GIS
遥感之机器学习树集成模型机器学习图像处理arcgis
本文在前面文章的基础上,连续介绍CART树在回归中的应用,其回归技术经常用于定量遥感领域,涉及各种地表参数含量的反演。主要分为如下几部分:回归概念描述回归树中数据集的划分准则CART回归树的原理和流程CART回归树的核心代码前面内容可参考:遥感之机器学习树模型专栏1回归概念机器学习中的回归建模以及相应的回归算法,在遥感领域对应的就是定量遥感分方向,比如水质参数反演,土壤中各种参数反演,森林各种生物
- 遥感影像-语义分割数据集:GID数据集详细介绍及训练样本处理流程
GIS潮流
计算机视觉人工智能机器学习
GID数据集:大规模高分卫星土地覆盖数据集原始数据集详情简介:GID是基于我国Gaofen-2卫星数据而构建的大规模高分辨率遥感图像土地覆盖数据集。GID数据集分为大规模分类集(GID-5)和精细土地覆盖集(GID-15)两个部分。大规模分类集(GID-5)包含建筑、农田、森林、草地和水域等5个土地覆盖类别,共计150景像素级标注的Gaofen-2卫星遥感图像。其中,训练集为120景图像,验证集为
- ENVI处理遥感教程及学习资料
有梦想的炸豆皮
ENVI
转载自http://blog.sina.com.cn/s/blog_764b1e9d0102y64u.html微博ENVI-IDL技术殿堂2017年ENVI-IDL遥感应用培训班素材及录屏共享2017年在8个城市共举办8场培训班。共有来自260多个单位的630多人参加。今年培训班继续以中国遥感应用协会和我公司的名义共同主办,部分地区与地方遥感协会、高校联合主办。培训时间依然是5天,内容上形成卫星图
- 遥感影像-语义分割数据集:Vaihingen数据集详细介绍及训练样本处理流程
GIS潮流
计算机视觉
原始数据集详情Vaihingen是一个相对较小的村庄,有许多独立的建筑和小的多层建筑。KeyValue卫星类型未知覆盖区域一个相对较小的村庄,有许多独立的建筑和小的多层建筑-Vaihingen场景城市分辨率5cm数量38张单张尺寸6000*6000原始影像位深8位标签图片位深8位原始影像通道数三通道标签图片通道数三通道官网https://www.isprs.org/education/benchm
- 【国外比较权威的免费的卫星数据网站——USGS Earth Explorer】
学地理的小胖砸
ENVI遥感遥感影像数据地理信息科学地图学卫星影像图像处理
USGSEarthExplorer网址:https://earthexplorer.usgs.gov/简介:USGSEarthExplorer是一个全面的卫星影像数据检索工具,提供历史卫星图像的下载和访问。它拥有NASALandsat系列卫星的遥感数据,这些卫星自1972年以来积累了宝贵的数据,对于历史分析、环境监测等方面具有不可替代的作用。此外,该网站还提供免费的高程模型数据,如NASA的AST
- 【目标检测数据集汇总】各类目标检测数据集VOC+YOLO格式地址汇总
熬夜写代码的平头哥∰
数据集目标检测YOLO目标跟踪
序号项目名称下载地址1【目标检测数据集】西红柿番茄成熟度检测640张3类别VOC+YOLO格式.zip点我下载2【目标检测数据集】轮船分类检测数据集500张4类别VOC+YOLO格式.zip点我下载3【目标检测数据集】手枪gun标注检测数据集VOC+YOLO格式3400张.zip点我下载4【目标检测数据集】蚊子检测数据集295张VOC+YOLO格式可训练.zip点我下载5【目标检测数据集】遥感类军
- SWAT模型高阶十七项案例分析实践技术
科研的力量
水文地质土壤SWAT模型DEM数据土地利用水资源时空分布特征CMIP6数据处理水资源
【案例实践】:1)遥感产品和SWAT模型快速建模2)基于水文响应单元(HRU)的水资源时空分布特征3)基于自定义流域与河道的SWAT模型建模与分析4)子流域划分原理及其对模型不确定性的影响5)坡度划分原理及其对模型不确定性的影响6)DEM数据空间分辨率及其模型不确定性的影响7)DEM数据来源及其对模型不确定性的影响8)DEM数据重采样方法及其模型不确定性的影响9)土地利用遥感解译及其在模型建模中的
- 2013-2023年 中国MOD17A3H植被净初级生产力(NPP)数据
小王毕业啦
大数据人工智能大数据社科数据
中国MOD17A3H植被净初级生产力(NPP)数据是基于NASA的MODIS卫星遥感数据计算得出的,这些数据对于评估生态系统碳收支、碳循环以及气候变化的影响具有重要意义。NPP数据可以反映植被通过光合作用固定大气中二氧化碳并转化为有机物质的能力,是衡量生态系统健康状况和生产力水平的重要指标。如果NPP呈现增加趋势,可能意味着生态系统的生产力在增强,有利于碳的固定和减少温室气体排放;反之,如果NPP
- WRF DA的安装、编译及运行;WRF DA变分资料同化、WRF DA混合同化新方法;变分同化的单点试验、混合同化的单点试验等
Teacher.chenchong
大气人工智能经验分享
数值预报已经成为提升预报质量的重要手段,而模式初值质量是决定数值预报质量的重要环节。资料同化作为提高模式初值质量的有效方法,成为当前气象、海洋和大气环境和水文等诸多领域科研、业务预报中的关键科学方法。资料同化新方法的快速发展,气象常规资料、卫星遥感观测和大气环境等多种资料日益增加,为资料同化的有效应用奠定了坚实的科学基础,也导致许多新的复杂科学问题,增加了实际应用的难度。有效提升广大科研、业务人员
- <数据集>遥感船舶识别数据集<目标检测>
深度学习lover
深度学习数据集目标检测人工智能计算机视觉YOLO深度学习
数据集格式:VOC+YOLO格式图片数量:15047张标注数量(xml文件个数):15047标注数量(txt文件个数):15047标注类别数:25标注类别名称:['AircraftCarrier','AuxiliaryShips','OtherShip','OtherWarship','Destroyer','Dock','Hovercraft','Submarine','Ferry','Barg
- ArcPy批量填充大量栅格图像NoData无效值的方法
疯狂学习GIS
本文介绍基于Python中ArcPy模块,对大量栅格遥感影像文件批量进行无效值(NoData值)填充的方法。 在处理栅格图像文件时,我们经常会遇到图像中存在有无效值(即NoData值)的情况。如下图所示,这里有一个矢量面要素图层和该矢量图层范围对应的一景栅格图像;可以看到,由于该栅格图像存在无效值NoData,因此栅格图像是没有完全遮盖矢量图层的。 在一些情况下,这些无效值可能会对我们的后
- 基于遥感解译与GIS技术生态环境影响评价图件制作
宝藏口袋
ArcGIS遥感生态环境大数据arcgis数据分析
《环境影响评价技术导则生态影响》(HJ19—2022)即将实施,其中生态影响评价图件是生态影响评价报告的必要组成内容,是评价的主要依据和成果的重要表现形式,是指导生态保护措施设计的重要依据。在众多图件中,土地利用图、植被类型图、植被覆盖度图、土壤侵蚀图等专题图的制作需用到大量的遥感和GIS技术。1、掌握遥感和GIS土地利用现状解译与制图技术2、掌握遥感和GIS植被分类与制图技术3、掌握遥感和GIS
- 基于R语言遥感随机森林建模与空间预测
weixin_贾
统计语言类模型分布式
随机森林作为一种集成学习方法,在处理复杂数据分析任务中特别是遥感数据分析中表现出色。通过构建大量的决策树并引入随机性,随机森林在降低模型方差和过拟合风险方面具有显著优势。在训练过程中,使用Bootstrap抽样生成不同的训练集,并在节点分裂时随机选择特征子集,这使得模型具备了处理高维和非线性数据的能力。随机森林对噪声和异常值具有鲁棒性,其预测结果通过对多棵树的集成投票或平均获得,减少了单个异常对结
- InSAR技术大揭秘:数据处理、地形重建、形变监测一网打尽!
AIzmjl
生态insar大地测量sar卫星时间序列
合成孔径雷达干涉测量(InterferometricSyntheticApertureRadar,InSAR)技术作为一种新兴的主动式微波遥感技术,凭借其可以穿过大气层,全天时、全天候获取监测目标的形变信息等特性,已在地表形变监测、DEM生成、滑坡、火山活动、冰川运动、人工建筑物形变信息提取等多种领域展开了成功应用。InSAR作为一种新兴的空间大地测量技术,克服了传统大地测量技术需要人工野外布点、
- GEE在灾害预警中的遥感云大数据应用及GPT模型辅助分析
AIzmjl
GPT生态遥感大数据gptgee灾害预警水体湿地遥感
随着遥感技术的快速发展,云大数据在灾害、水体与湿地领域的应用日益广泛。通过遥感云大数据,我们能够实时获取灾害发生地的影像信息,为灾害预警、应急响应提供有力支持。同时,在水体与湿地监测方面,遥感云大数据也发挥着重要作用,帮助我们了解水体的分布、变化以及湿地的生态状况。近年来,GPT模型在自然语言处理领域取得了显著成果,其强大的文本生成和理解能力为遥感云大数据的应用提供了新的可能。通过将GPT模型与遥
- MATLAB图像拼接算法及实现
程序员小溪
算法matlab计算机视觉MATLAB人工智能
图像拼接算法及实现(一)论文关键词:图像拼接图像配准图像融合全景图论文摘要:图像拼接(imagemosaic)技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。图像拼接在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。一般来说,图像拼接的过程由图像获取,图像配准,图像
- 挑战杯 基于机器视觉的图像拼接算法
laafeer
python
前言图像拼接在实际的应用场景很广,比如无人机航拍,遥感图像等等,图像拼接是进一步做图像理解基础步骤,拼接效果的好坏直接影响接下来的工作,所以一个好的图像拼接算法非常重要。再举一个身边的例子吧,你用你的手机对某一场景拍照,但是你没有办法一次将所有你要拍的景物全部拍下来,所以你对该场景从左往右依次拍了好几张图,来把你要拍的所有景物记录下来。那么我们能不能把这些图像拼接成一个大图呢?这是一个较为新颖的竞
- 无感
慢_简
万般小溪汇入河汉江淮澄江如练犹如一道清流时而温柔时而沁人心脾奔涛炙浪遥感如画之景,竟再无平静之意欲与江河势比美,也能会临绝顶攬日月高比天公能言矮,壮似山川不可攀举手平星辰,身动定河川心有万千阔,一叶一世界图片发自App
- GEE案例——如何sentinel-2影像利用NDWI归一化水体指数进行长时序水域分析(2015-2023年滇池为例)
此星光明
GEE案例分析前端服务器时序sentinel影像JavaScript面积
简介Sentinel-2是一颗遥感卫星,其提供的高分辨率数据可以广泛应用于环境监测、土地利用和水资源管理等领域。其中,利用归一化水体指数(NormalizedDifferenceWaterIndex,NDWI)来进行长时序水域分析是一种常见的方法。本文将介绍NDWI的定义和计算方法,并结合Sentinel-2影像的使用,详细说明如何进行长时序水域分析。首先,我们来看一下NDWI的定义和计算方法。N
- 中科星图(案例)——NDVI植被指数的计算和图例添加以及median和mosaic的影像拼接
此星光明
中科星图前端javascriptgvendvi植被指数云计算云平台
简介在GVE云平台上实现NDVI(NormalizedDifferenceVegetationIndex)植被指数的计算和图例添加,可以通过以下步骤进行:1.数据获取和准备首先,需要获取卫星影像数据,可以选择公开的遥感数据源,如Landsat、MODIS等。数据获取后,需要对数据进行预处理,包括数据格式转换、投影变换等,以确保数据的一致性和可用性。2.NDVI计算NDVI是通过计算红外波段和可见光
- 【MATLAB】赫尔默特方差分量估计算法
Lwcah
算法
微信公众号由于改变了推送规则,为了每次新的推送可以在第一时间出现在您的订阅列表中,记得将本公众号设为星标或置顶哦~有意向获取代码,请转文末观看代码获取方式~1文章简介文章DOI:10.1109/TGRS.2023.3265508链接:https://ieeexplore.ieee.org/document/10097458/keywords#keywords该篇文章讲的是一种遥感反演雪深的新方法,
- 英文论文(sci)解读复现【NO.18】基于DS-YOLOv8的目标检测方法用于遥感图像
人工智能算法研究院
英文论文解读复现目标跟踪人工智能机器学习
此前出了目标检测算法改进专栏,但是对于应用于什么场景,需要什么改进方法对应与自己的应用场景有效果,并且多少改进点能发什么水平的文章,为解决大家的困惑,此系列文章旨在给大家解读发表高水平学术期刊中的SCI论文,并对相应的SCI期刊进行介绍,帮助大家解答疑惑,助力科研论文投稿。解读的系列文章,本人会进行创新点代码复现,有需要的朋友可关注私信我获取。一、摘要改进的YOLOv8模型(DCN_C2f+SC_
- tomcat基础与部署发布
暗黑小菠萝
Tomcat java web
从51cto搬家了,以后会更新在这里方便自己查看。
做项目一直用tomcat,都是配置到eclipse中使用,这几天有时间整理一下使用心得,有一些自己配置遇到的细节问题。
Tomcat:一个Servlets和JSP页面的容器,以提供网站服务。
一、Tomcat安装
安装方式:①运行.exe安装包
&n
- 网站架构发展的过程
ayaoxinchao
数据库应用服务器网站架构
1.初始阶段网站架构:应用程序、数据库、文件等资源在同一个服务器上
2.应用服务和数据服务分离:应用服务器、数据库服务器、文件服务器
3.使用缓存改善网站性能:为应用服务器提供本地缓存,但受限于应用服务器的内存容量,可以使用专门的缓存服务器,提供分布式缓存服务器架构
4.使用应用服务器集群改善网站的并发处理能力:使用负载均衡调度服务器,将来自客户端浏览器的访问请求分发到应用服务器集群中的任何
- [信息与安全]数据库的备份问题
comsci
数据库
如果你们建设的信息系统是采用中心-分支的模式,那么这里有一个问题
如果你的数据来自中心数据库,那么中心数据库如果出现故障,你的分支机构的数据如何保证安全呢?
是否应该在这种信息系统结构的基础上进行改造,容许分支机构的信息系统也备份一个中心数据库的文件呢?
&n
- 使用maven tomcat plugin插件debug关联源代码
商人shang
mavendebug查看源码tomcat-plugin
*首先需要配置好'''maven-tomcat7-plugin''',参见[[Maven开发Web项目]]的'''Tomcat'''部分。
*配置好后,在[[Eclipse]]中打开'''Debug Configurations'''界面,在'''Maven Build'''项下新建当前工程的调试。在'''Main'''选项卡中点击'''Browse Workspace...'''选择需要开发的
- 大访问量高并发
oloz
大访问量高并发
大访问量高并发的网站主要压力还是在于数据库的操作上,尽量避免频繁的请求数据库。下面简
要列出几点解决方案:
01、优化你的代码和查询语句,合理使用索引
02、使用缓存技术例如memcache、ecache将不经常变化的数据放入缓存之中
03、采用服务器集群、负载均衡分担大访问量高并发压力
04、数据读写分离
05、合理选用框架,合理架构(推荐分布式架构)。
- cache 服务器
小猪猪08
cache
Cache 即高速缓存.那么cache是怎么样提高系统性能与运行速度呢?是不是在任何情况下用cache都能提高性能?是不是cache用的越多就越好呢?我在近期开发的项目中有所体会,写下来当作总结也希望能跟大家一起探讨探讨,有错误的地方希望大家批评指正。
1.Cache 是怎么样工作的?
Cache 是分配在服务器上
- mysql存储过程
香水浓
mysql
Description:插入大量测试数据
use xmpl;
drop procedure if exists mockup_test_data_sp;
create procedure mockup_test_data_sp(
in number_of_records int
)
begin
declare cnt int;
declare name varch
- CSS的class、id、css文件名的常用命名规则
agevs
JavaScriptUI框架Ajaxcss
CSS的class、id、css文件名的常用命名规则
(一)常用的CSS命名规则
头:header
内容:content/container
尾:footer
导航:nav
侧栏:sidebar
栏目:column
页面外围控制整体布局宽度:wrapper
左右中:left right
- 全局数据源
AILIKES
javatomcatmysqljdbcJNDI
实验目的:为了研究两个项目同时访问一个全局数据源的时候是创建了一个数据源对象,还是创建了两个数据源对象。
1:将diuid和mysql驱动包(druid-1.0.2.jar和mysql-connector-java-5.1.15.jar)copy至%TOMCAT_HOME%/lib下;2:配置数据源,将JNDI在%TOMCAT_HOME%/conf/context.xml中配置好,格式如下:&l
- MYSQL的随机查询的实现方法
baalwolf
mysql
MYSQL的随机抽取实现方法。举个例子,要从tablename表中随机提取一条记录,大家一般的写法就是:SELECT * FROM tablename ORDER BY RAND() LIMIT 1。但是,后来我查了一下MYSQL的官方手册,里面针对RAND()的提示大概意思就是,在ORDER BY从句里面不能使用RAND()函数,因为这样会导致数据列被多次扫描。但是在MYSQL 3.23版本中,
- JAVA的getBytes()方法
bijian1013
javaeclipseunixOS
在Java中,String的getBytes()方法是得到一个操作系统默认的编码格式的字节数组。这个表示在不同OS下,返回的东西不一样!
String.getBytes(String decode)方法会根据指定的decode编码返回某字符串在该编码下的byte数组表示,如:
byte[] b_gbk = "
- AngularJS中操作Cookies
bijian1013
JavaScriptAngularJSCookies
如果你的应用足够大、足够复杂,那么你很快就会遇到这样一咱种情况:你需要在客户端存储一些状态信息,这些状态信息是跨session(会话)的。你可能还记得利用document.cookie接口直接操作纯文本cookie的痛苦经历。
幸运的是,这种方式已经一去不复返了,在所有现代浏览器中几乎
- [Maven学习笔记五]Maven聚合和继承特性
bit1129
maven
Maven聚合
在实际的项目中,一个项目通常会划分为多个模块,为了说明问题,以用户登陆这个小web应用为例。通常一个web应用分为三个模块:
1. 模型和数据持久化层user-core,
2. 业务逻辑层user-service以
3. web展现层user-web,
user-service依赖于user-core
user-web依赖于user-core和use
- 【JVM七】JVM知识点总结
bit1129
jvm
1. JVM运行模式
1.1 JVM运行时分为-server和-client两种模式,在32位机器上只有client模式的JVM。通常,64位的JVM默认都是使用server模式,因为server模式的JVM虽然启动慢点,但是,在运行过程,JVM会尽可能的进行优化
1.2 JVM分为三种字节码解释执行方式:mixed mode, interpret mode以及compiler
- linux下查看nginx、apache、mysql、php的编译参数
ronin47
在linux平台下的应用,最流行的莫过于nginx、apache、mysql、php几个。而这几个常用的应用,在手工编译完以后,在其他一些情况下(如:新增模块),往往想要查看当初都使用了那些参数进行的编译。这时候就可以利用以下方法查看。
1、nginx
[root@361way ~]# /App/nginx/sbin/nginx -V
nginx: nginx version: nginx/
- unity中运用Resources.Load的方法?
brotherlamp
unity视频unity资料unity自学unityunity教程
问:unity中运用Resources.Load的方法?
答:Resources.Load是unity本地动态加载资本所用的方法,也即是你想动态加载的时分才用到它,比方枪弹,特效,某些实时替换的图像什么的,主张此文件夹不要放太多东西,在打包的时分,它会独自把里边的一切东西都会集打包到一同,不论里边有没有你用的东西,所以大多数资本应该是自个建文件放置
1、unity实时替换的物体即是依据环境条件
- 线段树-入门
bylijinnan
java算法线段树
/**
* 线段树入门
* 问题:已知线段[2,5] [4,6] [0,7];求点2,4,7分别出现了多少次
* 以下代码建立的线段树用链表来保存,且树的叶子结点类似[i,i]
*
* 参考链接:http://hi.baidu.com/semluhiigubbqvq/item/be736a33a8864789f4e4ad18
* @author lijinna
- 全选与反选
chicony
全选
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html>
<head>
<title>全选与反选</title>
- vim一些简单记录
chenchao051
vim
mac在/usr/share/vim/vimrc linux在/etc/vimrc
1、问:后退键不能删除数据,不能往后退怎么办?
答:在vimrc中加入set backspace=2
2、问:如何控制tab键的缩进?
答:在vimrc中加入set tabstop=4 (任何
- Sublime Text 快捷键
daizj
快捷键sublime
[size=large][/size]Sublime Text快捷键:Ctrl+Shift+P:打开命令面板Ctrl+P:搜索项目中的文件Ctrl+G:跳转到第几行Ctrl+W:关闭当前打开文件Ctrl+Shift+W:关闭所有打开文件Ctrl+Shift+V:粘贴并格式化Ctrl+D:选择单词,重复可增加选择下一个相同的单词Ctrl+L:选择行,重复可依次增加选择下一行Ctrl+Shift+L:
- php 引用(&)详解
dcj3sjt126com
PHP
在PHP 中引用的意思是:不同的名字访问同一个变量内容. 与C语言中的指针是有差别的.C语言中的指针里面存储的是变量的内容在内存中存放的地址 变量的引用 PHP 的引用允许你用两个变量来指向同一个内容 复制代码代码如下:
<?
$a="ABC";
$b =&$a;
echo
- SVN中trunk,branches,tags用法详解
dcj3sjt126com
SVN
Subversion有一个很标准的目录结构,是这样的。比如项目是proj,svn地址为svn://proj/,那么标准的svn布局是svn://proj/|+-trunk+-branches+-tags这是一个标准的布局,trunk为主开发目录,branches为分支开发目录,tags为tag存档目录(不允许修改)。但是具体这几个目录应该如何使用,svn并没有明确的规范,更多的还是用户自己的习惯。
- 对软件设计的思考
e200702084
设计模式数据结构算法ssh活动
软件设计的宏观与微观
软件开发是一种高智商的开发活动。一个优秀的软件设计人员不仅要从宏观上把握软件之间的开发,也要从微观上把握软件之间的开发。宏观上,可以应用面向对象设计,采用流行的SSH架构,采用web层,业务逻辑层,持久层分层架构。采用设计模式提供系统的健壮性和可维护性。微观上,对于一个类,甚至方法的调用,从计算机的角度模拟程序的运行情况。了解内存分配,参数传
- 同步、异步、阻塞、非阻塞
geeksun
非阻塞
同步、异步、阻塞、非阻塞这几个概念有时有点混淆,在此文试图解释一下。
同步:发出方法调用后,当没有返回结果,当前线程会一直在等待(阻塞)状态。
场景:打电话,营业厅窗口办业务、B/S架构的http请求-响应模式。
异步:方法调用后不立即返回结果,调用结果通过状态、通知或回调通知方法调用者或接收者。异步方法调用后,当前线程不会阻塞,会继续执行其他任务。
实现:
- Reverse SSH Tunnel 反向打洞實錄
hongtoushizi
ssh
實際的操作步驟:
# 首先,在客戶那理的機器下指令連回我們自己的 Server,並設定自己 Server 上的 12345 port 會對應到幾器上的 SSH port
ssh -NfR 12345:localhost:22
[email protected]
# 然後在 myhost 的機器上連自己的 12345 port,就可以連回在客戶那的機器
ssh localhost -p 1
- Hibernate中的缓存
Josh_Persistence
一级缓存Hiberante缓存查询缓存二级缓存
Hibernate中的缓存
一、Hiberante中常见的三大缓存:一级缓存,二级缓存和查询缓存。
Hibernate中提供了两级Cache,第一级别的缓存是Session级别的缓存,它是属于事务范围的缓存。这一级别的缓存是由hibernate管理的,一般情况下无需进行干预;第二级别的缓存是SessionFactory级别的缓存,它是属于进程范围或群集范围的缓存。这一级别的缓存
- 对象关系行为模式之延迟加载
home198979
PHP架构延迟加载
形象化设计模式实战 HELLO!架构
一、概念
Lazy Load:一个对象,它虽然不包含所需要的所有数据,但是知道怎么获取这些数据。
延迟加载貌似很简单,就是在数据需要时再从数据库获取,减少数据库的消耗。但这其中还是有不少技巧的。
二、实现延迟加载
实现Lazy Load主要有四种方法:延迟初始化、虚
- xml 验证
pengfeicao521
xmlxml解析
有些字符,xml不能识别,用jdom或者dom4j解析的时候就报错
public static void testPattern() {
// 含有非法字符的串
String str = "Jamey친ÑԂ
- div设置半透明效果
spjich
css半透明
为div设置如下样式:
div{filter:alpha(Opacity=80);-moz-opacity:0.5;opacity: 0.5;}
说明:
1、filter:对win IE设置半透明滤镜效果,filter:alpha(Opacity=80)代表该对象80%半透明,火狐浏览器不认2、-moz-opaci
- 你真的了解单例模式么?
w574240966
java单例设计模式jvm
单例模式,很多初学者认为单例模式很简单,并且认为自己已经掌握了这种设计模式。但事实上,你真的了解单例模式了么。
一,单例模式的5中写法。(回字的四种写法,哈哈。)
1,懒汉式
(1)线程不安全的懒汉式
public cla