- MATLAB|【免费】概率神经网络的分类预测--基于PNN的变压器故障诊断
电力程序小学童
机器预测matlab神经网络分类预测
目录主要内容部分代码结果一览下载链接主要内容《MATLAB神经网络43个案例分析》共有43章,内容涵盖常见的神经网络(BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等)以及相关智能算法(SVM、决策树、随机森林、极限学习机等)。同时,部分章节也涉及了常见的优化算法(遗传算法、蚁群算法等)与神经网络的结合问题。此外,《MATLAB神经网络43个案例分析
- 2022-05-28
更清新的2023
为什么自己定很多计划都坚持不下去?你有没有在年初时定过像减肥、读书、学外语等这些计划,是不是到了年底偶然想起年初定过的计划,心理不禁有些愧疚:又没坚持下来,随即又安慰自己:这一年太忙了,根本没时间去做,明年一定会完成计划,每年反复如此,但目标似乎也总是没有完成。我自己也定过很多目标,比如,今年要看多少本书,要减重多少公斤等等,刚开始都热情满满,但往往坚持不了多久就放弃了,除了责怪自己不够自律外,一
- 达尔文的自然选择
大龙10
书名:代码本色:用编程模拟自然系统作者:DanielShiffman译者:周晗彬ISBN:978-7-115-36947-5第9章目录9.3达尔文的自然选择 在研究遗传算法之前,我们要先学习达尔文进化学说中的3个基本法则。如果要正确地模拟自然选择,我们必须同时实现这3个要素。1、遗传子代必须以某种方式继承父代的特性。如果生物存活的时间足够长,繁殖的概率也足够大,那么它们的特征将会传递给下一代。2
- 蛙跳算法例子
依然风yrlf
算法python
蛙跳算法(JumpingFrogAlgorithm,简称JFA)是一种仿生优化算法,模拟了青蛙在搜索食物时的跳跃行为。该算法通过模拟青蛙的跳跃过程来寻找最优解,适用于连续优化、离散优化和多目标优化等问题。下面是一个详细的蛙跳算法示例,用于解决一维连续优化问题:importnumpyasnp#定义目标函数defobjective_function(x):return(x-2)**2-1#定义蛙跳算法
- 基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度(MATLAB)
2301_78492934
matlab开发语言
1.微电网微电网多目标优化调度模型是为了实现微电网系统的经济和环境双重优化目标而建立的。该模型以微电网的运行成本和环境保护成本之和最小为目标,参考文献采用改进的粒子群算法(PSO)对优化模型进行求解。该模型主要包括两个核心模块:系统仿真模块和运行优化模块。系统仿真模块使用能量模型对系统调度方案的经济和环境指标进行评估。通过对微电网系统的各个组件(如发电机、储能装置、负荷等)进行建模和仿真,可以得到
- 计算机设计大赛 深度学习交通车辆流量分析 - 目标检测与跟踪 - python opencv
iuerfee
python
文章目录0前言1课题背景2实现效果3DeepSORT车辆跟踪3.1DeepSORT多目标跟踪算法3.2算法流程4YOLOV5算法4.1网络架构图4.2输入端4.3基准网络4.4Neck网络4.5Head输出层5最后0前言优质竞赛项目系列,今天要分享的是**基于深度学习得交通车辆流量分析**该项目较为新颖,适合作为竞赛课题方向,学长非常推荐!学长这里给一个题目综合评分(每项满分5分)难度系数:3分工
- GA-kmedoid 遗传算法优化K-medoids聚类
2301_78492934
机器学习支持向量机人工智能matlab聚类
遗传算法优化K-medoids聚类是一种结合了遗传算法和K-medoids聚类算法的优化方法。遗传算法是一种基于自然选择和遗传机制的随机优化算法,它通过模拟生物进化过程中的遗传、交叉、变异等操作来寻找问题的最优解。而K-medoids聚类算法是一种基于划分的聚类方法,它通过选择K个数据点作为簇中心,将数据点分配到最近的簇中心,以最小化每个数据点到其所属簇中心的距离之和。K-medoids聚类算法是
- 基于YOLOv8与ByteTrack的车辆行人多目标检测与追踪系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标追踪、运动物体追踪
阿_旭
深度学习实战AI应用软件开发实战计算机视觉python行人车辆追踪目标追踪YOLOv8深度学习
《博主简介》小伙伴们好,我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。✌更多学习资源,可关注公-仲-hao:【阿旭算法与机器学习】,共同学习交流~感谢小伙伴们点赞、关注!《------往期经典推荐------》一、AI应用软件开发实战专栏【链接】项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体
- 多目标检测与跟踪技术详解
小厂程序猿
目标检测人工智能计算机视觉
导言在计算机视觉领域,多目标检测与跟踪(Multi-ObjectTracking,MOT)是一个至关重要的研究方向。它涉及到在视频序列中同时跟踪多个目标,如行人、车辆等。本文将深入探讨多目标检测与跟踪的核心算法和相关挑战。1.基于检测的跟踪算法这类算法首先进行目标检测,然后根据检测到的目标位置进行跟踪。代表性的方法包括JDE(JointDetectionandEmbedding)和SORT(Sim
- 岁月如歌《把握驾驭课堂的主宰》
王丽娜河南商丘彭庄小学
于老师说想要驾驭课堂,主要是能够主宰教学目标,而教学目标的实现分三方面:1.坚持改变多目标导致无目标的情况,不被教材牵着鼻子走。2.制定教学目标去明确、具体、切实可行,不千篇一律,不笼而统之。目标能否具体,明确,相当程度考教师对教材勾线的把握。要把握住文章的个性有多种途径与老师分享了有三条第一条:抓住文章的基调;第二条:抓最动人最精彩的笔墨;第三条:通过比较,把握特色。3.教学内容不能与教学目标脱
- 二八定律
咖啡与浓茶
1、80/20法则20世纪初意大利统计学家、经济学家维尔弗雷多·帕累托提出的,他指出:在任何特定群体中,重要的因子通常只占少数,而不重要的因子则占多数,因此只要能控制具有重要性的少数因子即能控制全局。这个原理经过多年的演化,已变成当今管理学界所熟知的二八法则——即80%的公司利润来自20%的重要客户,其余20%的利润则来自80%的普通客户。2、对于目标每个人都有很多目标,但有20%的关键目标,决定
- 互联网加竞赛 多目标跟踪算法 实时检测 - opencv 深度学习 机器视觉
Mr.D学长
pythonjava
文章目录0前言2先上成果3多目标跟踪的两种方法3.1方法13.2方法24TrackingByDetecting的跟踪过程4.1存在的问题4.2基于轨迹预测的跟踪方式5训练代码6最后0前言优质竞赛项目系列,今天要分享的是深度学习多目标跟踪实时检测该项目较为新颖,适合作为竞赛课题方向,学长非常推荐!学长这里给一个题目综合评分(每项满分5分)难度系数:3分工作量:3分创新点:4分更多资料,项目分享:ht
- MATLAB遗传算法求解车间调度问题——模型建立和实例设计(画甘特图)
麦哥MATLAB
matlab甘特图
1.基本概念车间调度是指根据产品制造的合理需求分配加工车间顺序,从而达到合理利用产品制造资源、提高企业经济效益的目的。车间调度问题从数学上可以描述为有n个待加工的零件要在m台机器上加工。问题需要满足的条件包括每个零件的各道工序使用每台机器不多于1次,每个零件都按照一定的顺序进行加工。车间调度问题实例:现共有6个工件,在10台机器上加工,每个工件都要经过6道加工工序,每个工序可选择机器序号如表一所列
- 遗传算法解释
大吉大利都吃鸡
算法python开发语言人工智能
遗传算法是一种基于自然遗传和进化规律的人工智能算法。它通过模拟生物进化的过程,来解决各种复杂问题。遗传算法的基本流程如下:初始化:随机生成一些解作为初始种群;评估:评估每个解的适应度,根据适应度的高低决定哪些解具有更好的进化前景;交叉:选择适应度较高的两个解,并将它们的特征结合到一起形成一个新的解;变异:对新的解进行随机的突变,以增加它的多样性;替代:在每一代的结束,用新的解替换适应度较低的解。这
- 【目标跟踪】提供一种简单跟踪测距方法(c++)
读书猿
目标跟踪c++人工智能
文章目录一、前言二、c++代码2.1、Tracking2.2、KalmanTracking2.3、Hungarian2.4、TrackingInfo三、调用示例四、结果一、前言在许多目标检测应用场景中,完完全全依赖目标检测对下游是很难做出有效判断,如漏检。检测后都会加入跟踪进行一些判断或者说补偿。而在智能驾驶中,还需要目标位置信息,所以还需要测距。往期博客介绍了许多处理复杂问题的,而大部分时候我们
- Evolutionary algorithm (遗传算法)介绍
Longlongaaago
机器学习算法数据挖掘人工智能
Evolutionaryalgorithm(遗传算法)介绍Evolutionaryalgorithm遗传算法,实际上也是机器学习里面一个很重要的分支。为什么呢,因为他在之前几十年也是和深度学习一样非常火热流行。现在也有很多人在利用遗传算法做相关研究,还是比较流行的算法之一。Evolutionaryalgorithm算法是受到自然界的一些启发,通过种群优化去解决一些相关的任务,比如做数独,解决一些实
- 让坚持成为一种习惯
妈咪的幸福
每天坚持完成一件自己喜欢的事,每天坚持读一本好书,每天坚持锻炼一下身体,每天坚持写一篇日记……我喜欢的事情想要坚持做下去的事情很多,但是真正能坚持到最后的却少之又少。我是一个自律性很差的人,一件事情开始时我会给自己定很多目标,但一旦开始实施起来我又会给自己找好多放弃的理由。比如:我想坚持每天早上送完孩子上学后,就去郊外走走,锻炼锻炼身体,放松一下心情。可是没几天我就不想走了,原因是早上容易下雨,早
- 如果你想实现2019的目标,一定要关注这几点(干货)
青梅一歌
2019来了,你2018年立的Flag完成了多少呢?最近朋友圈都在晒2019年新目标,你是不是也在忙着制定各种目标和计划呢?我要减肥20斤。我要看48本书。我要出国旅行两次。我要考教师资格证。我要考研、出国读书。我要去一家更好的公司。我要暴富、暴美、暴瘦。........2019我们有很多目标和愿望,但回首2018年,可能计划就只是计划,我们仍然没有去实现。2019了,你还想继续这个样子吗?那么我
- 互➕兴成长计划7月学习心得体会(翠屏058罗礼平)
scentsun1983
从7月1日开始,我们已经进行了一个月的互加兴成长计划的学习,每周进行一本书,一颗星,一朵云,一本帐,一平台的学习。内容非常丰富容量也非常大,经过一个月来的学习引起我许多思考,接下来我叙述一下我这个月的一些心得体会。一、不忘初心牢记使命“不忘初心牢记使命”这不仅仅是一句政治口号,而我们应该落实到实际行动上。很多老师一开始的时候都给自己订立了许多目标,制订了许多规划,雄心壮志意气风发。可是经历了几年的
- 使用遗传算法求解一个简单的极值问题,最小化一个具有多个变量的目标函数。
依然风yrlf
算法matlab
下面是一个更详细的MATLAB示例,演示如何使用遗传算法求解一个简单的极值问题。在这个例子中,我们将尝试最小化一个具有多个变量的目标函数。%定义目标函数fitnessFunction=@(x)sum(x.^2);%Rosenbrock函数%定义遗传算法参数options=optimoptions('ga',...'MaxGenerations',100,...%最大迭代次数'PopulationS
- 最美人间四月天,愿你知足且上进,温柔而坚定!
小糯米的日记本
文|小佳三月已过,2020年已经过去四分之一,同时我们迎来了人间最美的四月天。四月是一个充满希望的季节,万物复苏,春暖花开,在这样的季节里,我们也应该更加热爱生活。每到新的一个月或者新的一年总有人喜欢立下各种各样的flag。我也有过许多随着时间而散去的计划,所以这个月我就不给自己定太多目标了,简单的几个好习惯希望自己继续能坚持就好。1.日更继续真正的日更我还只坚持了三天,在四月份的伊始,我跟自己说
- 遗传算法实现
qq_51497433
matlab开发语言算法
遗传算法(GeneticAlgorithm,GA)是一种模拟自然选择和遗传学原理的搜索启发式算法,它是由约翰·霍兰德(JohnHolland)在20世纪70年代提出的。遗传算法在解决优化和搜索问题时非常有效,特别是在解空间大且复杂时。该算法使用了生物进化中的选择、交叉(杂交)和变异等概念。遗传算法通常包括以下步骤:初始化:随机生成一个初始种群。种群由一定数量的个体组成,每个个体代表一个解。评估:计
- 生活中至少要以一种方式持续获取你不知道的信息
王盐老师
我的一个长期生活感悟是:生活中至少要以一种方式持续获取你不知道的信息,不管你看书,上网,还是听身边专业人士讲。人的日常很多目标、行为和思维完全是受惯性支配,没有任何合理性可言,但处于惯性之下又根本发现不了有什么不妥。当接受新的信息之后,往往会对这个惯性造成冲击,你会发现有些目标毫无意义,有些行为十分可笑,有些思维本质上就是错的。在这个持续自我修正的过程中不断接近真实的世界,你的目标、行为和思维的有
- 多目标优化:以嵌套单目标粒子群实现(Python)
总裁余(余登武)
最优化实战例子python
文章目录一、算法讲解粒子群复杂约束求解方法多目标优化二、将单目标算法改为多目标一、算法讲解粒子群见链接粒子群算法求解无约束优化问题源码实现粒子群算法求解带约束优化问题源码实现复杂约束求解方法优化算法求解复杂约束问题策略(以粒子群算法为例讲解求解复杂约束问题的多种策略)多目标优化NSGA2讲解nsga2多目标优化之核心知识点(快速非支配排序、拥挤距离、精英选择策略)详解(python实现)多目标遗传
- MOPSO 多目标粒子群python实现
_年_
进化计算多目标优化MOPSO多目标粒子群
参考:https://blog.csdn.net/m0_38097087/article/details/79818348http://yarpiz.com/59/ypea121-mopsoCoelloCAC,PulidoGT,LechugaMS.Handlingmultipleobjectiveswithparticleswarmoptimization[J].IEEETransactionso
- 利用多目标粒子群优化(MOPSO)算法对全加器中的晶体管大小进行重新调整以达到功率优化:详细步骤与Python实现
快撑死的鱼
python算法解析算法python开发语言
简介:随着技术的不断进步,微电子行业始终追求在保持性能的同时降低功率消耗。全加器作为数字电路中的基本元素,其功率优化显得尤为关键。本文将详细介绍如何使用一种称为多目标粒子群优化(MOPSO)的进化算法,重新调整晶体管的大小,以优化全加器中的功率。此外,我们还将提供Python代码实现,供读者参考和使用。具体的项目实现过程,我们已经准备了一个完整的项目文件,您可以下载以获取更多细节。1.多目标粒子群
- 多目标优化(Python):多目标粒子群优化算法(MOPSO)求解ZDT1、ZDT2、ZDT3、ZDT4、ZDT6(提供Python代码)
优化算法MATLAB与Python
Python优化算法python算法开发语言人工智能强化学习
一、多目标粒子群优化算法多目标粒子群优化算法(MOPSO)是一种用于解决多目标优化问题的进化算法。它基于粒子群优化算法(PSO),通过引入多个目标函数和非支配排序来处理多目标问题。MOPSO的基本思想是将问题转化为在多维搜索空间中寻找一组最优解的问题。每个解被称为一个粒子,它在搜索空间中移动,并根据自身的经验和群体的经验进行调整。粒子的位置表示解的候选解,速度表示解的搜索方向和步长。MOPSO的算
- 【MATLAB】GA_BP神经网络回归预测算法
Lwcah
MATLAB回归预测算法算法matlab神经网络
有意向获取代码,请转文末观看代码获取方式~也可转原文链接获取~1基本定义GA_BP神经网络回归预测算法结合了遗传算法(GeneticAlgorithm,GA)和BP神经网络(BackpropagationNeuralNetwork,BPNN),用于解决回归预测问题。下面将详细介绍该算法的原理:BP神经网络回归模型:BP神经网络是一种前向人工神经网络,具有输入层、隐藏层和输出层。每个神经元都与下一层
- (一)利用人工智能编写自进化程序
IT凡哥
英特尔实验室的两位研究人员,利用遗传算法和图灵完备语言,号称实现了首个能够自动编程的AI系统“AIProgrammer”。文章共三篇,以下是网络翻译的详细内容:介绍计算机程序有可能自己编写程序吗?人类的软件开发者有一天会被他们掌握的电脑所取代吗?就像农民、装配线工人和电话接线员一样,下一个会是软件开发人员吗?虽然这种想法看起来有些牵强,但实际上可能比我们想象的更接近。本文描述了一个实验,以产生一个
- 坐电梯的感悟
宏_c2a5
想问大家一个问题:你进入电梯后一般会怎么做?是按下你要去的楼层等待到达,还是要看下电梯外面有没有伙伴,然后再按要去的楼层,还是进入电梯后就开始发呆?我今天乘电梯时碰到了一个送外卖的小哥,他进入电梯后的第一个动作是把关门键按下,然后再按自己要去的楼层。可能这是长期使用电梯,得出来最有效率的一种方式,但这何尝不是我们做出改变需要采取的一种方式;我们想从当前的状态去到更高的状态,我们需要往往想了好多目标
- 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