王小白的博客
王小白的博客

Dual Adversarial Networks for Zero-shot Cross-media Retrieval 阅读笔记

Dual Adversarial Networks for Zero-shot Cross-media Retrieval 阅读笔记_第1张图片

 

Dual Adversarial Networks for Zero-shot Cross-media Retrieval (DANZCR)：由两个GAN组成，分别用于共同表示生成与原始表示重建，它们捕获底层数据结构，并加强输入数据和语义空间之间的关系，以概括已见和未见类别。DANZCR通过对抗学习方法，利用词嵌入来学习语义空间的共同表示。该方法保留了固有的跨媒体相关性，并提高了知识迁移到新类别的能力。

 

introduction

 

采用词嵌入作为语义空间，通过对抗性学习框架将不同媒体类型的数据转换到语义空间。具体地，该方法在双重结构中建立GAN，其中前向GAN从输入图像和文本中学习以在语义空间中生成共同表示;反向GAN使用生成的公共表示来重建输入图像和文本以保留原始数据结构。DANZCR方法同时执行零样本学习和相关学习，可以生成共同表示来进行零样本跨媒体检索。

主要贡献：

  • 提出对偶GANs结构，用于零样本跨媒体检索。两个GAN协作相互促进，捕获底层数据结构，并加强输入数据和语义空间之间的关系，以概括已知和未知的类别。
  • 针对零样本跨媒体检索提出了一种对抗性训练方法，该方法通过从媒体类型和类别中区分生成的共同表达 学习共同表达，以保留固有的跨媒体相关性。利用词嵌入来生成共同表示，通过对抗性训练，建模语义信息，从而增强知识向未知类别转移的能力。

 

related work

 

  • 跨媒体检索。。。
  • 零样本学习。。。
  • GAN：受图像翻译工作的启发，将零样本跨媒体检索视为输入空间和语义空间之间的域变换问题。将GAN用作每种媒体类型的双重结构的基本模块，并在多路径网络中为跨媒体数据生成通用语义表示。

 

approach

 

问题定义：

数据集：D=\left \{ D_{UD},D_{UQ},D_{SD},D_{SQ} \right \}，

其中：D_{UD}：未知类数据集，D_{UQ}：未知类查询集，D_{SD}：已知类数据集，D_{SQ}：已知类查询集。

D_{UD}=\left \{{i_n,t_n,l_n} \right \}^{N_{UD}}_{n=1} ，第n个实例的图像，文本，相关类别标签。

用D_{SD}训练，对于零样本检索用D_{UQ}测试，对于传统场景用D_{SQ}测试。

 

Architecture of DANZCR：

Dual Adversarial Networks for Zero-shot Cross-media Retrieval 阅读笔记_第2张图片

对每一个媒体类型，首先生成 original representation ，然后前向GAN从original representation生成 common representation，反向GAN将common representation转变为original representation，这是一个对偶的过程。

每个GAN都由一个生成模型和一个判别模型组成，详细的网络结构如下

1）前向GAN：类别词嵌入作为监督信息，生成语义共同表达，以建模不同媒体类型和不同类别的相关性。

         G_{FI}，D_{FI}：图像的前向生成模型，判别模型；

         G_{FT}，D_{FT}：文本的前向生成模型，判别模型。

  • 前向生成模型：用一些全连接层，从原始表达中生成共同表达。图像实例：i_n，图像的原始表达：f^i_n，共同表达：s^i_n；文本：t_n，f^t_n，s^t_n；所以有：s^i_n=G_{FI}(f^i_n),s^i_t=G_{FT}(f^t_n)（图像、文本原始表达经过前向生成模型变为图像、文本的共同表达）
  • 前向判别模型：一些全连接层，判别生成的共同表达属于哪一个媒体类型和类别。将原始表达和共同表达的连接作为输入，输出是单个值，用于预测生成的公共表示是否真实，以及判别公共表示和数据表示之间的语义相关性。D_{FI}（D_{FT}）试图判别相关类别的词嵌入s^l_n是真实的数据，生成的共同表达s^i_n、s^t_n以及不相关类别的词嵌入s^{l'}_n是假的。

Dual Adversarial Networks for Zero-shot Cross-media Retrieval 阅读笔记_第3张图片

 

（2）反向GAN:用来重构输入数据的原始表达，这使得公共表示保留数据原始结构，并且增强输入数据和语义空间之间的关系。

         G_{RI}, D_{RI}, G_{RT}, D_{RT}

  • 反向生成模型：一些全连接层，学习common representation，以重构输入数据的原始表示（reconstruction representations ）。reconstruction representation：r^i_n, r^t_n，所以r^i_n=G_{RI}(G_{FI}({f^i_n}))=G_{RI}(s^i_n).（先由正向生成模型生成common representation s^i_n，再由反向生成模型生成reconstruction representation r^i_n）
  • 反向判别模型：：一些全连接层。输入数据表示，输出单个值来预测数据表示是否真实。D_{RI}（D_{RT}）试图判别图像原始表示f^i_n是真实的，reconstruction representation 是假的。

 

由于只有少量已知类别的数据，为了进一步加强相关学习，提出了一种基于L2范数的恢复目标函数：

 

DANZCR方法的全部目标函数是：

 

优化过程：

 

（1）生成共同表达：提取图像/文本原始表示，前向生成模型生成共同表达。

（2）前向判别模型的优化：对图像和文本分别采用上升随机梯度对前向判别模型进行训练。

（3）表示重构：反向生成模型从共同表达生成重构表示（reconstruction representation）。

（4）反向判别模型的优化：通过定义随机梯度方程。

（5）前向生成模型的优化

（6）前向和反向生成模型的优化

 

Experiments 

Dual Adversarial Networks for Zero-shot Cross-media Retrieval 阅读笔记_第4张图片

 

 

 

 

 

 

 

你可能感兴趣的:(Dual Adversarial Networks for Zero-shot Cross-media Retrieval 阅读笔记)

  • ResNet（Residual Network） 不想秃头的程序 神经网络语音识别人工智能深度学习网络残差网络神经网络
    ResNet（ResidualNetwork）是深度学习中一种经典的卷积神经网络（CNN）架构，由微软研究院的KaimingHe等人在2015年提出。它通过引入残差连接（SkipConnection）解决了深度神经网络中的梯度消失问题，使得网络可以训练极深的模型（如上百层），并在图像分类、目标检测、语义分割等任务中取得了突破性成果。以下是ResNet的详细介绍：一、核心思想ResNet的核心创新是
  • Linux netstat 指令 halugin Linux指令linux运维
    Linuxnetstat指令netstat（NetworkStatistics）是Linux系统中用于查看网络状态、连接、路由表和接口统计信息的经典命令行工具。它为系统管理员和开发人员提供了强大的网络诊断功能，帮助分析网络连接、监控流量以及排查网络问题。尽管在现代Linux系统中，netstat正在被更新的工具（如ss）部分取代，但其简单性和广泛适用性使其仍然是许多场景下的首选工具。什么是nets
  • RAG 调优指南：Spring AI Alibaba 模块化 RAG 原理与使用 ApacheDubbo spring人工智能架构SpringAIRAG
    >夏冬,SpringAIAlibabaContributorRAG简介什么是RAG（检索增强生成）RAG（RetrievalAugmentedGeneration，检索增强生成）是一种结合信息检索和文本生成的技术范式。核心设计理念RAG技术就像给AI装上了「实时百科大脑」，通过先查资料后回答的机制，让AI摆脱传统模型的"知识遗忘"困境。️四大核心步骤1.文档切割→建立智能档案库核心任务:将海量文档
  • 阅读笔记(2) 单层网络:回归 a2507283885 笔记
    阅读笔记(2)单层网络:回归该笔记是DataWhale组队学习计划（共度AI新圣经：深度学习基础与概念）的Task02以下内容为个人理解，可能存在不准确或疏漏之处，请以教材为主。1.从泛函视角来看线性回归还记得线性代数里学过的“基”这个概念吗？一组基向量是一组线性无关的向量，它们通过线性组合可以张成一个向量空间。也就是说，这个空间里的任意一个向量，都可以表示成这组基的线性组合。函数其实也可以看作是
  • 蔡高厅老师 - 高等数学-阅读笔记 - 01 - 前言、函数【视频第01、02、03、】 Franklin 数学线性代数
    高等数学前言；196学时，每周6课主要内容：上册一元、多元函数数，微分学、积分学、矢量代数、空间解析几何无穷级数、微分方程，多元函数微分学和积分学目的：高等数学3基：1高等数学的基本知识2高度数学的基本理论3高等数学的基本计算方法提高数学素养培养：抽象思维、逻辑推理、辩证的思想方法、空间想象能力、分析问题、解决问题的能力为进一步学习打下必要的学习基础和初等数学不同，研究的不是常量而是变量，变量和变
  • 用 PyTorch 构建液态神经网络(LNN)：下一代动态深度学习模型 点我头像干啥 AI深度学习pytorch神经网络
    引言在深度学习领域，研究人员不断探索更接近生物神经系统工作方式的模型。液态神经网络(LiquidNeuralNetworks,LNN)正是这样一种受生物神经元动态特性启发的创新架构。本文将带你了解LNN的核心概念，并展示如何使用PyTorch实现这种前沿模型。一、什么是液态神经网络？液态神经网络是由MIT研究人员提出的一种新型神经网络架构，它模仿了生物神经系统的几个关键特性：动态连接：神经元之间的
  • 【VLAN】zerotier的安装和使用 zhuyan108 php开发语言
    一、安装1.注册ZeroTier账号访问ZeroTier官网。点击SignUp注册账号，填写邮箱和密码。登录后，进入控制台（MyNetworks）。2.创建虚拟网络在控制台点击CreateANetwork。记录生成的NetworkID（类似8056c2e21c000001），这是加入网络的唯一标识。可选配置：NetworkName：为网络命名（如MyHomeNetwork）。Private/Pub
  • Tensorflow实现经典CNN网络AlexNet 您懂我意思吧 python开发tensorflowcnn人工智能python
    1、概念AlexNet在ILSVRC-2012的比赛中获得top5错误率15.3%的突破（第二名为26.2%），其原理来源于2012年Alex的论文《ImageNetClassificationwithDeepConvolutionalNeuralNetworks》，这篇论文是深度学习火爆发展的一个里程碑和分水岭，加上硬件技术的发展，深度学习还会继续火下去。2、AlexNet网络结构由于受限于当时
  • 深入理解RAG：大语言模型时代的知识增强架构 小胡说技书 #大模型/智能体语言模型架构人工智能python大模型RAG
    在人工智能快速发展的今天，大语言模型（LLM）已经展现出令人惊叹的能力。然而，即使是最先进的模型也面临着知识更新滞后、事实性错误（幻觉）和专业领域知识不足等根本性挑战。检索增强生成（Retrieval-AugmentedGeneration，简称RAG）技术的出现，为解决这些问题提供了一个优雅而有效的方案。一、为什么需要RAG？从大模型的局限性说起1.1大语言模型的固有缺陷要理解RAG的价值，我们
  • 深度解析YOLOv8：CSPHet卷积结构如何实现极致轻量化 向哆哆 YOLO创新涨点系列YOLOyolov8架构目标检测机器学习
    文章目录一、背景介绍1.1YOLOv8的现状1.2降参数的必要性二、相关技术介绍2.1Dual思想2.2HetConv三、CSPHet结构设计3.1CSP模块的改进3.2结合HetConv3.3参数量的下降四、CSPHet的代码实现五、实验结果六、总结与展望在目标检测领域，YOLO系列算法一直以其卓越的速度和准确率受到广泛关注。随着深度学习技术的不断发展，研究人员不断探索如何进一步优化YOLO算法
  • 掌握netstat：网络诊断必备命令全解析 爱的叹息 工具开发java基础网络
    netstat（networkstatistics）是Windows和Linux系统中用于显示网络连接、路由表、接口统计信息、伪装连接、多播成员等的命令行工具。它常用于排查网络问题和查看当前系统的网络状态。一、基本语法netstat[选项]二、常用参数详解与完整示例说明✅1.netstat——显示所有活动的TCP连接作用：列出所有处于Established状态的TCP连接。netstat示例输出：
  • Cross-stitch Networks for Multi-task Learning 项目教程 童香莺Wyman
    Cross-stitchNetworksforMulti-taskLearning项目教程Cross-stitch-Networks-for-Multi-task-LearningATensorflowimplementationofthepaperarXiv:1604.03539项目地址:https://gitcode.com/gh_mirrors/cr/Cross-stitch-Network
  • 探索多任务学习的新维度：Cross-stitch Networks 计蕴斯Lowell
    探索多任务学习的新维度：Cross-stitchNetworksCross-stitch-Networks-for-Multi-task-LearningATensorflowimplementationofthepaperarXiv:1604.03539项目地址:https://gitcode.com/gh_mirrors/cr/Cross-stitch-Networks-for-Multi-t
  • 【大模型应用开发 动手做AI Agent】RAG和Agent AI智能应用 计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    RAG,Agent,大模型应用,AI,知识图谱,检索,响应生成,聊天机器人1.背景介绍近年来，大模型技术取得了飞速发展，其强大的语言理解和生成能力为人工智能应用带来了新的机遇。然而，单纯依靠大模型的零样本学习能力往往难以满足复杂场景下的应用需求。为了更好地将大模型应用于实际场景，研究者们提出了RetrievalAugmentedGeneration(RAG)和AIAgent等新兴技术。RAG技术将
  • AI大模型RAG架构详细解析（一）标准RAG、纠正型RAG、推测型RAG、融合型RAG、代理型RAG 大模型面微调_ 人工智能架构LLM大模型ai自然语言处理RAG
    在当今的AI时代，你是否想过，如果AI能够每次都从全球知识中精准地提取完美答案，那会是怎样的体验？检索增强生成（Retrieval-AugmentedGeneration，简称RAG）正是实现这一目标的幕后英雄。从ChatGPT引用来源的能力到企业AI扫描数千份文件，RAG为语言模型提供了现实世界的根基。然而，RAG并非“一刀切”的解决方案。随着时间的推移，AI研究人员设计了多种专门的RAG架构，
  • 道路点云分割+边界提取+中心线方法总结 asdbhkasgb 相关论文深度学习计算机视觉人工智能算法3d
    1.FastLIDAR-basedRoadDetectionUsingFullyConvolutionalNeuralNetworks2017流程点云数据转换为俯视图图像从激光雷达获取的点云数据是无结构的，因此需要先将其转换为适合全卷积神经网络（FCN）处理的格式。具体来说，作者在激光雷达的XY平面上创建一个网格，并将点云中的每个点分配到相应的网格单元。对每个网格单元计算一些基础统计数据，例如：平
  • TIP-2025《Data Subdivision Based Dual-Weighted Robust Principal Component Analysis》 Christo3 机器学习人工智能机器学习算法
    核心思想分析这篇论文提出了一个新颖的主成分分析（PCA）方法，称为DataSubdivisionBasedDual-WeightedRobustPrincipalComponentAnalysis(DRPCA)，旨在解决传统PCA在处理包含噪声和异常值的数据时的鲁棒性问题。其核心思想包括以下几个方面：数据细分与双权重机制：传统PCA假设数据已中心化，并使用平方l2l_2l2-范数，这对噪声和异常值
  • 大模型RAG系统面试题及参考答案 大模型大数据攻城狮 算法大模型智能体aiagentpython面试向量数据库RAG
    目录什么是RAG？它由哪些核心部分组成？RAG与传统的LLM（如GPT）生成方式有何区别？RAG的设计初衷是什么？解决了哪些问题？检索器（Retriever）在RAG中的作用是什么？生成器（Generator）如何与检索器交互？什么是向量检索（denseretrieval）与稀疏检索（sparseretrieval）？举例说明。RAG如何减少“幻觉（hallucination）”？为什么说RAG可
  • 大模型Prompt Engineer面试题及参考答案 大模型大数据攻城狮 promptLangChainpython面经工作流扣子difynlp
    什么是Few-shotPrompting？与Zero-shot、One-shot有什么区别？Few-shotPrompting是一种提示工程技术，指在向模型提出问题时，同时提供少量的示例作为参考，让模型通过这些示例理解任务要求并生成相应输出。比如询问模型“将以下句子翻译成法语”时，先给出“Hello->Bonjour”“Thankyou->Merci”这样的几个例子，再提供需要翻译的句子，模型就能
  • Spring Boot + LangChain 构建 RAG 应用 程序员丸子 langchainAI大模型语言模型自然语言处理人工智能大语言模型RAG
    使用LangChain构建RAG应用程序什么是RAG？检索增强生成（Retrieval-AugmentedGeneration,RAG）是一种结合了检索和生成两种关键技术的机器学习方法。这种方法在自然语言处理任务中特别有效，例如对话系统和问答系统。RAG的关键组件检索：•RAG首先从大型数据集或知识库中检索与用户查询相关的文档或数据。•通常使用信息检索技术，如向量搜索或关键词匹配。生成：•在检索到
  • 大模型实战干货：如何基于LangChain 在本地构建一个可运行的 RAG 系统（附完整代码） 勤奋的知更鸟 PythonAI大模型AI工具langchain
    什么是RAGRAG（Retrieval-AugmentedGeneration，检索增强生成）是一种将语言模型（如ChatGPT）与外部知识库结合的技术，使其在生成回答时能够调用真实知识来源，而不仅依赖模型本身的参数记忆。LangChain是一个构建大语言模型（LLM）应用的强大框架，提供了连接向量数据库、检索器、提示模板和LLM的模块化工具链。RAG系统结构图项目依赖安装pipinstallla
  • RAG 和微调如何抉择 成都犀牛 深度学习人工智能机器学习pytorch
    要选择RAG(Retrieval-AugmentedGeneration)还是微调(Fine-tuning)，或者两者结合，主要取决于如下数据特性应用场景资源限制模型行为的控制需求RAGvs.微调：如何选择？特性/维度RAG(检索增强生成)微调(Fine-tuning)数据特性知识不断变化/更新、信息量大、需要引用来源、数据隐私性高。数据领域特定、格式特殊、语言风格独特、知识相对稳定。知识来源外部
  • 互联网大厂Java求职面试：AI与大模型技术下的RAG系统架构设计与性能优化 在未来等你 Java场景面试宝典AI技术编程JavaSpring
    【互联网大厂Java求职面试：AI与大模型技术下的RAG系统架构设计与性能优化】文章内容面试官开场白技术总监（李明）：“郑薪苦，欢迎来到今天的面试。我是李明，负责我们公司的AI平台架构设计。今天我们将围绕一个非常前沿的场景——基于RAG（Retrieval-AugmentedGeneration）系统的架构设计与性能优化进行深入探讨。这个场景在当前的AI应用中非常重要，尤其是在企业知识库与大模型深
  • wsl 设置静态ip遇到的一些问题 （安装好后不能联网） 小妖666 tcp/ip网络协议网络
    今天安装完ubuntu24.04后不能联网，ping不通百度在Windows中的C:\Users目录下创建一个.wslconfig文件[wsl2]autoMemoryReclaim=gradualnetworkingMode=mirroreddnsTunneling=truefirewall=trueautoProxy=truewsl执行sudonano/etc/sudoers找到%sudoALL
  • Win10/11: Windows Audio无法启动 错误 0x80070005:拒绝访问 积跬步至千里PRO Windowswindows
    解决办法进入目录C:\Windows\System32，找到cmd.exe，右键->以管理员身份运行在cmd窗口中输入：netlocalgroupAdministrators/addnetworkservice，回车在cmd窗口中输入：netlocalgroupAdministrators/addlocalservice，回车右击我的电脑-管理-服务和运用程序-服务，找到WindowsAudio-
  • IGBT模块FS225R12KE3/AGDR-61CS 15306912905陈 自动化
    关键参数（基于公开资料）参数值/描述模块类型IGBT半桥模块（Half-Bridge）电压等级1200V额定电流300A（@Tc=80°C）封装AGDR-61（类似EconoDUAL3）开关频率典型值8-20kHz（取决于工况）集成功能可能包含NTC温度传感器典型应用工业变频器、UPS、新能源逆变器FS225R12KE3/AGDR-71CSFS225R12KE3/AGDR-61CSFS225R12
  • 【论文阅读笔记】《CodeS: Towards Building Open-source Language Models for Text-to-SQL 》 柠石榴 text2sql论文论文阅读笔记语言模型
    文章目录一、论文基本信息1.文章标题2.所属刊物/会议3.发表年份4.作者列表5.发表单位二、摘要三、解决问题四、创新点五、自己的见解和感想六、研究背景七、研究方法模型实验数据评估指标八、总结九、相关重要文献一、论文基本信息1.文章标题CodeS:TowardsBuildingOpen-sourceLanguageModelsforText-to-SQL2.所属刊物/会议未明确标注（会议缩写为“C
  • Retrieval-based-Voice-Conversion-WebUI 使用指南 邢琛高
    Retrieval-based-Voice-Conversion-WebUI使用指南Retrieval-based-Voice-Conversion-WebUIEasilytrainagoodVCmodelwithvoicedata<=10mins!项目地址:https://gitcode.com/gh_mirrors/ret/Retrieval-based-Voice-Conversion-We
  • Retrieval-Based Voice Conversion WebUI 教程 蒋荔卿Lorelei
    Retrieval-BasedVoiceConversionWebUI教程项目地址:https://gitcode.com/gh_mirrors/re/Retrieval-based-Voice-Conversion-WebUI1.项目介绍Retrieval-BasedVoiceConversionWebUI是一个基于VITS的简单易用的语音转换框架，特别适合制作“变声器”。它采用了顶级检索技术以
  • 论文学习——基于双种群进化的不连续和不规则可行域动态约束多目标优化 臭东西的学习笔记 学习
    论文题目：Dual-PopulationEvolutionBasedDynamicConstrainedMultiobjectiveOptimizationWithDiscontinuousandIrregularFeasibleRegions基于双种群进化的不连续和不规则可行域动态约束多目标优化（XiaoxuJiang,QingdaChen,Member,IEEE,JinliangDing,Se
  • 多线程编程之理财 周凡杨 java多线程生产者消费者理财
          现实生活中，我们一边工作，一边消费，正常情况下会把多余的钱存起来，比如存到余额宝，还可以多挣点钱，现在就有这个情况：我每月可以发工资20000万元 （暂定每月的1号），每月消费5000（租房+生活费）元（暂定每月的1号），其中租金是大头占90%，交房租的方式可以选择（一月一交，两月一交、三月一交），理财：1万元存余额宝一天可以赚1元钱，
  • [Zookeeper学习笔记之三]Zookeeper会话超时机制 bit1129 zookeeper
    首先，会话超时是由Zookeeper服务端通知客户端会话已经超时，客户端不能自行决定会话已经超时，不过客户端可以通过调用Zookeeper.close()主动的发起会话结束请求，如下的代码输出内容 Created /zoo-739160015 CONNECTEDCONNECTED .............CONNECTEDCONNECTED CONNECTEDCLOSEDCLOSED
  • SecureCRT快捷键 daizj secureCRT快捷键
    ctrl + a : 移动光标到行首ctrl + e ：移动光标到行尾crtl + b: 光标前移1个字符crtl + f: 光标后移1个字符crtl + h : 删除光标之前的一个字符ctrl + d ：删除光标之后的一个字符crtl + k ：删除光标到行尾所有字符crtl + u : 删除光标至行首所有字符crtl + w:  删除光标至行首
  • Java 子类与父类这间的转换 周凡杨 java 父类与子类的转换
        最近同事调的一个服务报错，查看后是日期之间转换出的问题。代码里是把 java.sql.Date 类型的对象 强制转换为 java.sql.Timestamp 类型的对象。报java.lang.ClassCastException。       代码：            
  • 可视化swing界面编辑 朱辉辉33 eclipseswing
          今天发现了一个WindowBuilder插件，功能好强大，啊哈哈，从此告别手动编辑swing界面代码，直接像VB那样编辑界面，代码会自动生成。       首先在Eclipse中点击help，选择Install New Software,然后在Work with中输入WindowBui
  • web报表工具FineReport常用函数的用法总结（文本函数） 老A不折腾 finereportweb报表工具报表软件java报表
    文本函数 CHAR CHAR(number):根据指定数字返回对应的字符。CHAR函数可将计算机其他类型的数字代码转换为字符。 Number:用于指定字符的数字，介于1Number:用于指定字符的数字，介于165535之间（包括1和65535）。 示例: CHAR(88)等于“X”。 CHAR(45)等于“-”。   CODE CODE(text):计算文本串中第一个字
  • mysql安装出错 林鹤霄 mysql安装
    [root@localhost ~]# rpm -ivh MySQL-server-5.5.24-1.linux2.6.x86_64.rpm Preparing...                #####################
  • linux下编译libuv aigo libuv
    下载最新版本的libuv源码，解压后执行： ./autogen.sh   这时会提醒找不到automake命令，通过一下命令执行安装（redhat系用yum，Debian系用apt-get）： # yum -y install automake # yum -y install libtool     如果提示错误：make: *** No targe
  • 中国行政区数据及三级联动菜单 alxw4616
    近期做项目需要三级联动菜单,上网查了半天竟然没有发现一个能直接用的! 呵呵,都要自己填数据....我了个去这东西麻烦就麻烦的数据上. 哎,自己没办法动手写吧. 现将这些数据共享出了,以方便大家.嗯,代码也可以直接使用   文件说明 lib\area.sql -- 县及县以上行政区划分代码（截止2013年8月31日)来源：国家统计局 发布时间：2014-01-17 15:0
  • 哈夫曼加密文件 百合不是茶 哈夫曼压缩哈夫曼加密二叉树
     在上一篇介绍过哈夫曼编码的基础知识,下面就直接介绍使用哈夫曼编码怎么来做文件加密或者压缩与解压的软件,对于新手来是有点难度的,主要还是要理清楚步骤;   加密步骤:  1,统计文件中字节出现的次数,作为权值   2,创建节点和哈夫曼树   3,得到每个子节点01串   4,使用哈夫曼编码表示每个字节  
  • JDK1.5 Cyclicbarrier实例 bijian1013 javathreadjava多线程Cyclicbarrier
    CyclicBarrier类 一个同步辅助类，它允许一组线程互相等待，直到到达某个公共屏障点 (common barrier point)。在涉及一组固定大小的线程的程序中，这些线程必须不时地互相等待，此时 CyclicBarrier 很有用。因为该 barrier 在释放等待线程后可以重用，所以称它为循环的 barrier。 CyclicBarrier支持一个可选的 Runnable 命令，
  • 九项重要的职业规划 bijian1013 工作学习
    一. 学习的步伐不停止        古人说，活到老，学到老。终身学习应该是您的座右铭。        世界在不断变化，每个人都在寻找各自的事业途径。        您只有保证了足够的技能储
  • 【Java范型四】范型方法 bit1129 java
    范型参数不仅仅可以用于类型的声明上，例如   package com.tom.lang.generics; import java.util.List; public class Generics<T> { private T value; public Generics(T value) { this.value =
  • 【Hadoop十三】HDFS Java API基本操作 bit1129 hadoop
      package com.examples.hadoop; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.FSDataInputStream; import org.apache.hadoop.fs.FileStatus; import org.apache.hadoo
  • ua实现split字符串分隔 ronin47 lua split
    LUA并不象其它许多"大而全"的语言那样，包括很多功能，比如网络通讯、图形界面等。但是LUA可以很容易地被扩展：由宿主语言(通常是C或 C++)提供这些功能，LUA可以使用它们，就像是本来就内置的功能一样。LUA只包括一个精简的核心和最基本的库。这使得LUA体积小、启动速度快，从 而适合嵌入在别的程序里。因此在lua中并没有其他语言那样多的系统函数。习惯了其他语言的字符串分割函
  • java-从先序遍历和中序遍历重建二叉树 bylijinnan java
    public class BuildTreePreOrderInOrder { /** * Build Binary Tree from PreOrder and InOrder * _______7______ / \ __10__ ___2 / \ / 4
  • openfire开发指南《连接和登陆》 开窍的石头 openfire开发指南smack
    第一步     官网下载smack.jar包     下载地址：http://www.igniterealtime.org/downloads/index.jsp#smack 第二步     把smack里边的jar导入你新建的java项目中 开始编写smack连接openfire代码 p
  • [移动通讯]手机后盖应该按需要能够随时开启 comsci 移动
        看到新的手机，很多由金属材质做的外壳，内存和闪存容量越来越大，CPU速度越来越快，对于这些改进，我们非常高兴，也非常欢迎      但是，对于手机的新设计，有几点我们也要注意      第一：手机的后盖应该能够被用户自行取下来，手机的电池的可更换性应该是必须保留的设计,
  • 20款国外知名的php开源cms系统 cuiyadll cms
    内容管理系统，简称CMS，是一种简易的发布和管理新闻的程序。用户可以在后端管理系统中发布，编辑和删除文章，即使您不需要懂得HTML和其他脚本语言，这就是CMS的优点。 在这里我决定介绍20款目前国外市面上最流行的开源的PHP内容管理系统，以便没有PHP知识的读者也可以通过国外内容管理系统建立自己的网站。 1. Wordpress WordPress的是一个功能强大且易于使用的内容管
  • Java生成全局唯一标识符 darrenzhu javauuiduniqueidentifierid
    How to generate a globally unique identifier in Java http://stackoverflow.com/questions/21536572/generate-unique-id-in-java-to-label-groups-of-related-entries-in-a-log http://stackoverflow
  • php安装模块检测是否已安装过, 使用的SQL语句 dcj3sjt126com sql
    SHOW [FULL] TABLES [FROM db_name] [LIKE 'pattern'] SHOW TABLES列举了给定数据库中的非TEMPORARY表。您也可以使用mysqlshow db_name命令得到此清单。 本命令也列举数据库中的其它视图。支持FULL修改符，这样SHOW FULL TABLES就可以显示第二个输出列。对于一个表，第二列的值为BASE T
  • 5天学会一种 web 开发框架 dcj3sjt126com Web框架framework
    web framework层出不穷，特别是ruby/python,各有10+个,php/java也是一大堆 根据我自己的经验写了一个to do list,按照这个清单，一条一条的学习，事半功倍，很快就能掌握 一共25条，即便很磨蹭，2小时也能搞定一条，25*2=50。只需要50小时就能掌握任意一种web框架 各类web框架大同小异:现代web开发框架的6大元素，把握主线，就不会迷路 建议把本文
  • Gson使用三(Map集合的处理,一对多处理) eksliang jsongsonGson mapGson 集合处理
    转载请出自出处：http://eksliang.iteye.com/blog/2175532 一、概述        Map保存的是键值对的形式，Json的格式也是键值对的，所以正常情况下，map跟json之间的转换应当是理所当然的事情。 二、Map参考实例 package com.ickes.json; import java.lang.refl
  • cordova实现“再点击一次退出”效果 gundumw100 android
    基本的写法如下： document.addEventListener("deviceready", onDeviceReady, false); function onDeviceReady() { //navigator.splashscreen.hide(); document.addEventListener("b
  • openldap configuration leaning note iwindyforest configuration
    hostname // to display the computer name hostname <changed name> // to change go to: /etc/sysconfig/network, add/modify HOSTNAME=NEWNAME to change permenately dont forget to change /etc/hosts
  • Nullability and Objective-C 啸笑天 Objective-C
    https://developer.apple.com/swift/blog/?id=25   http://www.cocoachina.com/ios/20150601/11989.html   http://blog.csdn.net/zhangao0086/article/details/44409913   http://blog.sunnyxx
  • jsp中实现参数隐藏的两种方法 macroli JavaScriptjsp
    在一个JSP页面有一个链接，//确定是一个链接?点击弹出一个页面，需要传给这个页面一些参数。//正常的方法是设置弹出页面的src="***.do?p1=aaa&p2=bbb&p3=ccc"//确定目标URL是Action来处理?但是这样会在页面上看到传过来的参数，可能会不安全。要求实现src="***.do"，参数通过其他方法传！//////
  • Bootstrap A标签关闭modal并打开新的链接解决方案 qiaolevip 每天进步一点点学习永无止境bootstrap纵观千象
    Bootstrap里面的js modal控件使用起来很方便，关闭也很简单。只需添加标签 data-dismiss="modal" 即可。 可是偏偏有时候需要a标签既要关闭modal，有要打开新的链接，尝试多种方法未果。只好使用原始js来控制。   <a href="#/group-buy" class="btn bt
  • 二维数组在Java和C中的区别 流淚的芥末 javac二维数组数组
    Java代码：   public class test03 { public static void main(String[] args) { int[][] a = {{1},{2,3},{4,5,6}}; System.out.println(a[0][1]); } }  运行结果： Exception in thread "mai
  • systemctl命令用法 wmlJava linuxsystemctl
    对比表，以 apache / httpd 为例 任务 旧指令 新指令 使某服务自动启动 chkconfig --level 3 httpd on systemctl enable httpd.service 使某服务不自动启动 chkconfig --level 3 httpd off systemctl disable httpd.service 检查服务状态 service h
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他