- 微软ASR与开源模型分析
老兵发新帖
microsoft开源
一、微软ASR核心能力1.支持场景场景功能实时语音转文本低延迟流式识别(会议字幕/直播转录)音频文件转文本支持多种格式(WAV/MP3等),批量处理长音频定制化模型针对特定行业术语(医疗/金融)训练专属模型多语言混合识别中英文混合、方言识别(如中文普通话+粤语)说话人分离区分不同发言人(声纹识别)2.关键性能指标识别准确率:中文普通话>95%(安静环境)英文>96%(MicrosoftResear
- 鸿蒙开发实战之Audio Kit打造美颜相机沉浸式音效
harmonyos-next
一、核心音频场景通过AudioKit实现三大声音增强:视频录制音质优化智能降噪(环境噪音降低30dB)声场增强(采样率48kHz/24bit)语音交互升级美颜参数语音控制(支持中英文混合指令)声纹识别解锁高级功能沉浸式播放体验3D环绕音效(HRTF头部追踪)视频回放自动匹配BGM节奏二、关键技术实现importaudiofrom'@ohos.audioKit';//配置录音参数audio.setR
- 鸿蒙OS&UniApp声纹识别与语音验证:打造安全可靠的跨平台语音应用#三方框架 #Uniapp
淼学派对
uniapp鸿蒙osharmonyosuni-app华为
UniApp声纹识别与语音验证:打造安全可靠的跨平台语音应用在当今移动应用开发领域,声纹识别和语音验证技术正在成为越来越重要的生物认证方式。本文将深入探讨如何在UniApp框架下实现高质量的声纹识别与语音验证功能,特别关注鸿蒙系统(HarmonyOS)的适配与优化。技术背景声纹识别技术通过分析说话人的声音特征来进行身份验证,具有非接触、便捷、安全等优势。在UniApp跨平台开发中,我们需要考虑不同
- 多因素身份鉴别组合方案及应用场景
Waitccy
安全网络等级保护
目录一、基于"Iknow+Ihave"的组合方案1.账号+密码+手机短信验证码2.账号+密码+USB-key(硬件令牌)3.账号+密码+动态令牌(Token)二、基于"Iknow+Mine"的组合方案1.账号+密码+生物特征(指纹/人脸)2.账号+密码+声纹识别三、基于"Ihave+Mine"的组合方案1.USB-key+生物特征(指纹/人脸)2.手机短信验证码+人脸活体检测四、组合方案设计原则五
- AI人工智能语音识别在金融风控中的应用
AI智能探索者
人工智能语音识别ai
AI人工智能语音识别在金融风控中的应用关键词:语音识别、金融风控、AI人工智能、声纹识别、自然语言处理、欺诈检测、深度学习摘要:本文深入探讨了AI语音识别技术在金融风控领域的创新应用。我们将从核心技术原理出发,详细分析声纹识别、情感分析和语义理解等技术如何协同工作,构建智能金融风控系统。文章包含完整的算法实现、数学模型解析和实际案例演示,并展望了该领域未来的发展趋势和技术挑战。1.背景介绍1.1目
- 值得推荐的智能外呼系统
MARS_AI_
信息与通信人工智能自然语言处理
国内智能外呼系统腾讯云外呼系统:性能稳定:基于云计算,具备强大的呼叫处理能力和高清晰度通话质量,支持多种拨打方式。安全性高:技术支持金融级安全加密,保障企业数据安全。功能丰富:智能语音识别与合成技术提升外呼效率,支持多语言外呼,且能与主流CRM系统无缝集成,帮助实现全流程自动化营销,适用于多种行业场景。百度智能外呼:技术先进:利用NLP语义分析和语音合成技术,支持多轮对话与客户意图识别,声纹识别技
- “智能安全防护:智能枪弹柜,保障您的武器安全“
lkone(立控)
安全
智能枪弹柜是一种用于存放枪支弹药的智能化设备,主要应用于公安、武警、部队、金融、检察院、法院等涉枪单位,以下将从其功能特点、系统组成、优势等维度展开介绍:功能特点身份识别功能:采用多种生物识别技术,如指纹识别、指静脉识别、虹膜识别、人脸识别、声纹识别等,“严格限制只有授权人员能够打开枪弹柜”。有的还支持双因子认证,如人脸识别+指纹解锁,进一步提高安全性。实时监控功能:通过高精度传感器和先进的数据分
- DeepSeek全栈接入指南:从零到生产环境的深度实践
量子纠缠BUG
DeepSeek部署AIDeepSeek人工智能深度学习机器学习
第一章:DeepSeek技术体系全景解析1.1认知DeepSeek技术生态DeepSeek作为新一代人工智能技术平台,构建了覆盖算法开发、模型训练、服务部署的全链路技术栈。其核心能力体现在:1.1.1多模态智能引擎自然语言处理:支持文本生成(NLG)、语义理解(NLU)、情感分析等计算机视觉:提供图像分类、目标检测、OCR识别等CV能力语音交互:包含语音识别(ASR)、语音合成(TTS)及声纹识别
- 行业洞察 | 你的耳机能进行骨传导声纹识别吗?
Magic Data
机器翻译人工智能
随着人工智能的发展,对于声纹识别很多人已不陌生。声纹识别是将声信号转换成电信号,再通过计算机进行识别。不同的任务和应用会使用不同的声纹识别技术,如缩小刑侦范围时可能需要辨认技术,而银行交易时则需要确认技术。此前小米推出的降噪耳机4Pro采用了骨声纹降噪的方式,支持通话降噪功能。其实骨声纹早在2020年就装载在华为FreeBuds3上发行过。但很多人依然不知道何为骨声纹识别?骨声纹识别之于我们普通的
- 基于“感知–规划–行动”的闭环系统架构
由数入道
人工智能系统架构人工智能智能体
1.感知(Perception)1.1多模态数据采集与预处理传感器系统Agent的感知层通常由多种传感器组成,支持采集多种形式的数据:视觉:采用摄像头、深度传感器,通过卷积神经网络(CNN)、视觉Transformer等模型实现目标检测、图像分类、场景理解。听觉:利用麦克风阵列、声学传感器,结合声纹识别、语音识别(如基于Transformer或RNN的模型)技术处理音频信息。文本与语义信息:通过文
- YeAudio音频工具的介绍和使用
夜雨飘零1
语音音视频语音识别pythonffmpeg
夜雨飘零音频工具这款Python音频处理工具功能强大,支持读取多种格式的音频文件。它不仅能够对音频进行裁剪、添加混响、添加噪声等多种处理操作,还广泛应用于语音识别、语音合成、声音分类以及声纹识别等多个项目领域。安装使用pip安装。pipinstallyeaudio-U-ihttps://pypi.tuna.tsinghua.edu.cn/simple(推荐)使用源码安装。gitclonehttps
- 音频播放器
最美下雨天
验证的例子:打印ffmpeg支持的所有解码器,解码音视频、字幕image.pngimage.png在声纹识别中,为了满足对不同采样率的要求,常需要对语音进行重采样。重采样即将原始的采样频率变换为新的采样频率以适应不同采样率的要求。image.pngimage.pngJNI在加载的时候会自动调用这个方法image.png什么是重采样呢?就是我们要播放的音频数据的编码格式不一样,比如说采样率、采样位数
- ABeam×StartUp丨ABeam旗下德硕管理咨询(深圳)新创部门拜访「声扬科技」,解密声音的秘密
陵门检录
科技
随着人工智能的快速发展,音频处理、语音分析、声纹识别等技术的应用也日益扩充至各个方面,这些技术不仅是前沿领域的高新科技,也与我们的生活息息相关。近日,ABeam旗下德硕管理咨询(深圳)有限公司(以下简称“ABeam-SZ”)新创部门一行拜访了深圳声扬科技有限公司(以下简称“声扬科技”),深入了解音频处理、语音分析和声纹识别技术的发展近况及在各行业的应用,在未来可行性等方面进行交流探讨,并结合ABe
- 2023年12月27日学习记录_加入噪声
郭小儒
每日学习总结学习python人工智能
目录1、今日计划学习内容2、今日学习内容1、addnoisetoaudioclipssignaltonoiseratio(SNR)加入additivewhitegaussiannoise(AWGN)加入realworldnoises2、使用kaggel上的一个小demo:CNN模型运行时出现的问题调整采样率时出现bug3、明确90dB下能否声纹识别4、流量预测3、实际完成的任务1、今日计划学习内容
- 声纹识别_加入噪声
郭小儒
声纹识别机器学习人工智能学习语音识别
目录1、addnoisetoaudioclipssignaltonoiseratio(SNR)2、加入additivewhitegaussiannoise(AWGN)1.howtogenerateAWGN2.AWGN的频率分析3.加入噪声3、加入realworldnoises1、addnoisetoaudioclips学习如何将噪声加入到audiodata中,后续可以将不同SNR的噪声加入原始信号
- 声纹识别资源汇总(不断更新)
郭小儒
声纹识别学习pandaspython语音识别深度学习机器翻译
目录一、任务说明二、指标三、声纹识别研究现状四、数据集开源(1)VoxCeleb:(2)WSJandLibriSpeechCorpus(3)VOiCESDataset(4)EnglishMulti-speakerCorpusforVoiceCloning五、开源代码1、Alize2、MSRIdentityToolkit3、d-vector4、LSTMwithGE2Eloss5、y-vector调研
- 2023年12月20日学习总结
郭小儒
学习数据库
今日todolist:学习kaggle中storesales中的dartforcasting大概搜集一个声纹识别的报告(老师给的新项目)学习时不刷手机okkkkkkkkkkkkkk开始目录1.时间序列预测-acompleteguide(1)时序预测有三条规则:(2)时序数据timeseriesdata的组成(3)分析的流程1.importlibraries2.导入数据并且初步查看数据3.EDA:e
- 基于d-vector的声纹识别(作为初学者的小总结)
郭小儒
声纹识别python人工智能
基于d-vector的声纹识别(作为初学者的小总结)——2023年12月22日目录基于d-vector的声纹识别(作为初学者的小总结:wink:)——2023年12月22日0、简要介绍1、数据data2、数据预处理3、数据增强dataaugmentation(1)增加白噪声addingwhitenoise(2)更改音高changingpitch(3)增加背景噪声4、创建模型0、简要介绍目的是使用d
- 音频特效生成与算法 3
_Rye_
音频技术音视频语音识别人工智能
15|AI变声:音频AI技术的集大成者AI技术在音频领域发展十分迅速。除了之前介绍的降噪、回声消除以及丢包补偿等方向可以用AI模型来提升音质听感之外,AI模型还有很多有趣的应用。其中比较常见的有ASR(AutomaticSpeechRecognition)可以理解为语音转文字,TTS(TextToSpeech)文字转语音和VPR(VoicePrintRecognition)声纹识别等。在之前说的音
- Speaker Verification,声纹验证详解——语音信号处理学习(九)
LotusCL
声音信号处理学习信号处理学习语音识别人工智能
参考文献:SpeakerVerification哔哩哔哩bilibili2020年3月新番李宏毅人类语言处理独家笔记声纹识别-16-知乎(zhihu.com)(2)MetaLearning–Metric-based(1/3)-YouTube如何理解等错误率(EER,EqualErrorRate)?请不要只给定义-知乎(zhihu.com)本次省略所有引用论文目录一、Introduction模型的简
- 最强大脑第二场战平听音神童!百度大脑小度声纹识别技术解析
付江
百度人工智能
日前,继在江苏卫视《最强大脑》第四季“人机大战”首轮任务跨年龄人脸识别竞赛中击败人类顶级选手后,在上周五晚上,百度的小度机器人再次在声纹识别任务上迎战名人堂选手——11岁的“听音神童”孙亦廷,双方最终以1:1打成平手。被称为“鬼才之眼”的水哥(王昱珩)宣布再度出山,将在下周的第三轮比赛中与“小度”在图像识别方面一决高下。本轮题目规则为:从“千里眼”到“顺风耳”,节目组将第二场比赛范围划定在“听”的
- 2023CPEM电力人工智能大会,联丰迅声斩获“声纹识别技术创新奖”
科技赋能生活
人工智能
没有什么能够阻挡人类对美好未来的向往。11月的贵阳,秋色宜人,天高水远。电力大咖齐聚美丽的林城,聚焦电力人工智能高质量发展之路,碰撞创新智慧,畅想绿色未来。2023年11月3日,第4届电力人工智能大会暨第2届电力行业数字化转型大会在贵州贵阳圆满落下帷幕。本届大会由CPEM全国电力设备管理网、国家能源智能电网(上海)研发中心、复杂能源系统智能计算教育部工程研究中心、中国电子劳动学会双碳和能源创新工作
- 说话人识别声纹识别CAM++,ECAPA-TDNN等算法
loong_XL
深度学习语音识别
参考:https://www.modelscope.cn/models?page=1&tasks=speaker-verification&type=audiohttps://github.com/alibaba-damo-academy/3D-Speaker/blob/main/requirements.txt单个声纹比较可以直接modelscope包运行frommodelscope.pipel
- 基于深度学习的语音识别系统构建
周南音频科技教育学院(AI湖湘学派)
音频算法设计研究开发语音识别人工智能信号处理
加我微信hezkz17进数字音频系统研究开发交流答疑(课题组)项目内容:1.语音识别系统构建:负责基于kaldi的混合语音识别模型系统的构建,包括训练数据的搜集与处理,模型训练测试、rescore解码流程和上线部署等;2.声纹识别系统构建:使用cnn+aam-softmax的模型结构提取说话人声纹特征(embedding),然后在声纹库内进行声纹相似度的检索匹配;3.语种识别算法:使用类似声纹识别
- 多分类loss学习记录
weixin_43870390
分类学习数据挖掘
这里简单的记录在人脸识别/声纹识别中常用的分类loss。详细原理可以参考其他博客。扩展资料1扩展资料2L-softmaxA-softmaxAM-softmaxL-softmax:基于softmax加入了margin,Wx改写为||w||||x||cos(角度),将角度变为了m角度A-softmax:a=Angular,归一化||w||为1,b=0,W*x变成了cos(theta),只优化角度AM-
- 进阶课1——声纹识别
AI 智能服务
AI训练师人工智能语音识别深度学习人机交互搜索引擎
声纹识别是一种生物识别技术,也称为说话人识别,包括说话人辨认和说话人确认两种技术。该技术通过将声信号转换成电信号,再使用计算机进行识别,不同的任务和应用会使用不同的声纹识别技术,例如在缩小刑侦范围时可能需要辨认技术,而在银行交易时则需要确认技术。1.概述2.声纹识别原理声纹识别的技术原理可以分为两个主要步骤:特征提取和模式匹配(模式识别)。在特征提取阶段,声纹识别系统会提取并选择对说话人的声纹具有
- 声纹识别与声源定位(一)
shadowismine
语音识别
针对目前智能计算机及大规模数据的发展,依据大脑处理语音、图像数据方法的deeplearning技术应运而生。deeplearning技术是应用于音频信号识别,模仿大脑的语音信号学习、识别的模式。在音频信号处理的过程中,运用deeplearning进行音频数据的特征提取和训练,将大幅度提高音频信号识别的准确性。首先看下Speakerrecognition声纹识别,声纹是由人类的“发音机理”所产生的,
- 声纹识别与声源定位(二)
shadowismine
语音识别
一、引言什么是声源定位(SoundSourceLocalization,SSL)技术?声源定位技术是指利用多个麦克风在环境不同位置点对声信号进行测量,由于声信号到达各麦克风的时间有不同程度的延迟,利用算法对测量到的声信号进行处理,由此获得声源点相对于麦克风的到达方向(包括方位角、俯仰角)和距离等。当谈及到声源定位,我们很容易联想到人耳定位,人的单耳和双耳都具有定位的能力。在单耳定位中,耳廓各部位会
- 一种基于语音识别的防溺水系统的技术背景
李姝瑶
语音识别人工智能
基于语音识别的防溺水系统是利用语音识别技术来实现对水中人员溺水情况的检测和预警。语音识别技术是计算机科学中的一个分支,主要用于将人类语音转化为文本或命令,并进行计算机处理。在基于语音识别的防溺水系统中,通常会使用语音识别软件来实现对语音的识别和转化,并通过计算机算法分析语音特征,来判断水中人员是否有溺水的风险。为了提高系统的准确性,通常还会使用其他技术来帮助识别和分析水中人员的声音,比如声纹识别技
- 样本量极少如何机器学习?看看这篇Few-Shot Learning综述
人工智能与算法学习
python神经网络机器学习人工智能深度学习
1.样本量极少可以训练机器学习模型吗?在训练样本极少的情况下(几百个、几十个甚至几个样本),现有的机器学习和深度学习模型普遍无法取得良好的样本外表现,用小样本训练的模型很容易陷入对小样本的过拟合以及对目标任务的欠拟合。但基于小样本的模型训练又在工业界有着广泛的需求(单用户人脸和声纹识别、药物研发、推荐冷启动、欺诈识别等样本规模小或数据收集成本高的场景),Few-ShotLearning(小样本学习
- ASM系列五 利用TreeApi 解析生成Class
lijingyao8206
ASM字节码动态生成ClassNodeTreeAPI
前面CoreApi的介绍部分基本涵盖了ASMCore包下面的主要API及功能,其中还有一部分关于MetaData的解析和生成就不再赘述。这篇开始介绍ASM另一部分主要的Api。TreeApi。这一部分源码是关联的asm-tree-5.0.4的版本。
在介绍前,先要知道一点, Tree工程的接口基本可以完
- 链表树——复合数据结构应用实例
bardo
数据结构树型结构表结构设计链表菜单排序
我们清楚:数据库设计中,表结构设计的好坏,直接影响程序的复杂度。所以,本文就无限级分类(目录)树与链表的复合在表设计中的应用进行探讨。当然,什么是树,什么是链表,这里不作介绍。有兴趣可以去看相关的教材。
需求简介:
经常遇到这样的需求,我们希望能将保存在数据库中的树结构能够按确定的顺序读出来。比如,多级菜单、组织结构、商品分类。更具体的,我们希望某个二级菜单在这一级别中就是第一个。虽然它是最后
- 为啥要用位运算代替取模呢
chenchao051
位运算哈希汇编
在hash中查找key的时候,经常会发现用&取代%,先看两段代码吧,
JDK6中的HashMap中的indexFor方法:
/**
* Returns index for hash code h.
*/
static int indexFor(int h, int length) {
- 最近的情况
麦田的设计者
生活感悟计划软考想
今天是2015年4月27号
整理一下最近的思绪以及要完成的任务
1、最近在驾校科目二练车,每周四天,练三周。其实做什么都要用心,追求合理的途径解决。为
- PHP去掉字符串中最后一个字符的方法
IT独行者
PHP字符串
今天在PHP项目开发中遇到一个需求,去掉字符串中的最后一个字符 原字符串1,2,3,4,5,6, 去掉最后一个字符",",最终结果为1,2,3,4,5,6 代码如下:
$str = "1,2,3,4,5,6,";
$newstr = substr($str,0,strlen($str)-1);
echo $newstr;
- hadoop在linux上单机安装过程
_wy_
linuxhadoop
1、安装JDK
jdk版本最好是1.6以上,可以使用执行命令java -version查看当前JAVA版本号,如果报命令不存在或版本比较低,则需要安装一个高版本的JDK,并在/etc/profile的文件末尾,根据本机JDK实际的安装位置加上以下几行:
export JAVA_HOME=/usr/java/jdk1.7.0_25  
- JAVA进阶----分布式事务的一种简单处理方法
无量
多系统交互分布式事务
每个方法都是原子操作:
提供第三方服务的系统,要同时提供执行方法和对应的回滚方法
A系统调用B,C,D系统完成分布式事务
=========执行开始========
A.aa();
try {
B.bb();
} catch(Exception e) {
A.rollbackAa();
}
try {
C.cc();
} catch(Excep
- 安墨移动广 告:移动DSP厚积薄发 引领未来广 告业发展命脉
矮蛋蛋
hadoop互联网
“谁掌握了强大的DSP技术,谁将引领未来的广 告行业发展命脉。”2014年,移动广 告行业的热点非移动DSP莫属。各个圈子都在纷纷谈论,认为移动DSP是行业突破点,一时间许多移动广 告联盟风起云涌,竞相推出专属移动DSP产品。
到底什么是移动DSP呢?
DSP(Demand-SidePlatform),就是需求方平台,为解决广 告主投放的各种需求,真正实现人群定位的精准广
- myelipse设置
alafqq
IP
在一个项目的完整的生命周期中,其维护费用,往往是其开发费用的数倍。因此项目的可维护性、可复用性是衡量一个项目好坏的关键。而注释则是可维护性中必不可少的一环。
注释模板导入步骤
安装方法:
打开eclipse/myeclipse
选择 window-->Preferences-->JAVA-->Code-->Code
- java数组
百合不是茶
java数组
java数组的 声明 创建 初始化; java支持C语言
数组中的每个数都有唯一的一个下标
一维数组的定义 声明: int[] a = new int[3];声明数组中有三个数int[3]
int[] a 中有三个数,下标从0开始,可以同过for来遍历数组中的数
- javascript读取表单数据
bijian1013
JavaScript
利用javascript读取表单数据,可以利用以下三种方法获取:
1、通过表单ID属性:var a = document.getElementByIdx_x_x("id");
2、通过表单名称属性:var b = document.getElementsByName("name");
3、直接通过表单名字获取:var c = form.content.
- 探索JUnit4扩展:使用Theory
bijian1013
javaJUnitTheory
理论机制(Theory)
一.为什么要引用理论机制(Theory)
当今软件开发中,测试驱动开发(TDD — Test-driven development)越发流行。为什么 TDD 会如此流行呢?因为它确实拥有很多优点,它允许开发人员通过简单的例子来指定和表明他们代码的行为意图。
TDD 的优点:
&nb
- [Spring Data Mongo一]Spring Mongo Template操作MongoDB
bit1129
template
什么是Spring Data Mongo
Spring Data MongoDB项目对访问MongoDB的Java客户端API进行了封装,这种封装类似于Spring封装Hibernate和JDBC而提供的HibernateTemplate和JDBCTemplate,主要能力包括
1. 封装客户端跟MongoDB的链接管理
2. 文档-对象映射,通过注解:@Document(collectio
- 【Kafka八】Zookeeper上关于Kafka的配置信息
bit1129
zookeeper
问题:
1. Kafka的哪些信息记录在Zookeeper中 2. Consumer Group消费的每个Partition的Offset信息存放在什么位置
3. Topic的每个Partition存放在哪个Broker上的信息存放在哪里
4. Producer跟Zookeeper究竟有没有关系?没有关系!!!
//consumers、config、brokers、cont
- java OOM内存异常的四种类型及异常与解决方案
ronin47
java OOM 内存异常
OOM异常的四种类型:
一: StackOverflowError :通常因为递归函数引起(死递归,递归太深)。-Xss 128k 一般够用。
二: out Of memory: PermGen Space:通常是动态类大多,比如web 服务器自动更新部署时引起。-Xmx
- java-实现链表反转-递归和非递归实现
bylijinnan
java
20120422更新:
对链表中部分节点进行反转操作,这些节点相隔k个:
0->1->2->3->4->5->6->7->8->9
k=2
8->1->6->3->4->5->2->7->0->9
注意1 3 5 7 9 位置是不变的。
解法:
将链表拆成两部分:
a.0-&
- Netty源码学习-DelimiterBasedFrameDecoder
bylijinnan
javanetty
看DelimiterBasedFrameDecoder的API,有举例:
接收到的ChannelBuffer如下:
+--------------+
| ABC\nDEF\r\n |
+--------------+
经过DelimiterBasedFrameDecoder(Delimiters.lineDelimiter())之后,得到:
+-----+----
- linux的一些命令 -查看cc攻击-网口ip统计等
hotsunshine
linux
Linux判断CC攻击命令详解
2011年12月23日 ⁄ 安全 ⁄ 暂无评论
查看所有80端口的连接数
netstat -nat|grep -i '80'|wc -l
对连接的IP按连接数量进行排序
netstat -ntu | awk '{print $5}' | cut -d: -f1 | sort | uniq -c | sort -n
查看TCP连接状态
n
- Spring获取SessionFactory
ctrain
sessionFactory
String sql = "select sysdate from dual";
WebApplicationContext wac = ContextLoader.getCurrentWebApplicationContext();
String[] names = wac.getBeanDefinitionNames();
for(int i=0; i&
- Hive几种导出数据方式
daizj
hive数据导出
Hive几种导出数据方式
1.拷贝文件
如果数据文件恰好是用户需要的格式,那么只需要拷贝文件或文件夹就可以。
hadoop fs –cp source_path target_path
2.导出到本地文件系统
--不能使用insert into local directory来导出数据,会报错
--只能使用
- 编程之美
dcj3sjt126com
编程PHP重构
我个人的 PHP 编程经验中,递归调用常常与静态变量使用。静态变量的含义可以参考 PHP 手册。希望下面的代码,会更有利于对递归以及静态变量的理解
header("Content-type: text/plain");
function static_function () {
static $i = 0;
if ($i++ < 1
- Android保存用户名和密码
dcj3sjt126com
android
转自:http://www.2cto.com/kf/201401/272336.html
我们不管在开发一个项目或者使用别人的项目,都有用户登录功能,为了让用户的体验效果更好,我们通常会做一个功能,叫做保存用户,这样做的目地就是为了让用户下一次再使用该程序不会重新输入用户名和密码,这里我使用3种方式来存储用户名和密码
1、通过普通 的txt文本存储
2、通过properties属性文件进行存
- Oracle 复习笔记之同义词
eksliang
Oracle 同义词Oracle synonym
转载请出自出处:http://eksliang.iteye.com/blog/2098861
1.什么是同义词
同义词是现有模式对象的一个别名。
概念性的东西,什么是模式呢?创建一个用户,就相应的创建了 一个模式。模式是指数据库对象,是对用户所创建的数据对象的总称。模式对象包括表、视图、索引、同义词、序列、过
- Ajax案例
gongmeitao
Ajaxjsp
数据库采用Sql Server2005
项目名称为:Ajax_Demo
1.com.demo.conn包
package com.demo.conn;
import java.sql.Connection;import java.sql.DriverManager;import java.sql.SQLException;
//获取数据库连接的类public class DBConnec
- ASP.NET中Request.RawUrl、Request.Url的区别
hvt
.netWebC#asp.nethovertree
如果访问的地址是:http://h.keleyi.com/guestbook/addmessage.aspx?key=hovertree%3C&n=myslider#zonemenu那么Request.Url.ToString() 的值是:http://h.keleyi.com/guestbook/addmessage.aspx?key=hovertree<&
- SVG 教程 (七)SVG 实例,SVG 参考手册
天梯梦
svg
SVG 实例 在线实例
下面的例子是把SVG代码直接嵌入到HTML代码中。
谷歌Chrome,火狐,Internet Explorer9,和Safari都支持。
注意:下面的例子将不会在Opera运行,即使Opera支持SVG - 它也不支持SVG在HTML代码中直接使用。 SVG 实例
SVG基本形状
一个圆
矩形
不透明矩形
一个矩形不透明2
一个带圆角矩
- 事务管理
luyulong
javaspring编程事务
事物管理
spring事物的好处
为不同的事物API提供了一致的编程模型
支持声明式事务管理
提供比大多数事务API更简单更易于使用的编程式事务管理API
整合spring的各种数据访问抽象
TransactionDefinition
定义了事务策略
int getIsolationLevel()得到当前事务的隔离级别
READ_COMMITTED
- 基础数据结构和算法十一:Red-black binary search tree
sunwinner
AlgorithmRed-black
The insertion algorithm for 2-3 trees just described is not difficult to understand; now, we will see that it is also not difficult to implement. We will consider a simple representation known
- centos同步时间
stunizhengjia
linux集群同步时间
做了集群,时间的同步就显得非常必要了。 以下是查到的如何做时间同步。 在CentOS 5不再区分客户端和服务器,只要配置了NTP,它就会提供NTP服务。 1)确认已经ntp程序包: # yum install ntp 2)配置时间源(默认就行,不需要修改) # vi /etc/ntp.conf server pool.ntp.o
- ITeye 9月技术图书有奖试读获奖名单公布
ITeye管理员
ITeye
ITeye携手博文视点举办的9月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。 9月试读活动回顾:http://webmaster.iteye.com/blog/2118112本次技术图书试读活动的优秀奖获奖名单及相应作品如下(优秀文章有很多,但名额有限,没获奖并不代表不优秀):
《NFC:Arduino、Andro