qq_41950131
qq_41950131

高分一号（GF-1）卫星影像数据介绍

1、高分一号（GF-1）卫星影像数据介绍
高分一号（GF-1）卫星影像数据介绍
2、ENVI下高分一号WFV数据FLAASH大气校正
ENVI下高分一号WFV数据FLAASH大气校正
3、 ENVI5.3SP1下GF1-WFV数据全自动正射校正
ENVI5.3SP1下GF1-WFV数据全自动正射校正
4、 ENVI扩展工具：中国国产卫星支持工具
ENVI扩展工具：中国国产卫星支持工具
5、【ArcGIS对国产卫星的支持2：高分一号卫星】篇7、大规模影像管理
ArcGIS对国产卫星的支持2：高分一号卫星】篇7、大规模影像管理](https://blog.csdn.net/arcgis_all/article/details/22058145?utm_source=tuicool&utm_medium=referral)
6、高分一号预处理
高分一号预处理

你可能感兴趣的:(遥感)

  • 基于python深度学习遥感影像地物分类与目标识别、分割实践技术应用 xiao5kou4chang6kai4 深度学习遥感勘测python深度学习分类
    专题一：深度学习发展与机器学习深度学习的历史发展过程机器学习，深度学习等任务的基本处理流程梯度下降算法讲解不同初始化，学习率对梯度下降算法的实例分析从机器学习到深度学习算法专题二深度卷积网络、卷积神经网络、卷积运算的基本原理池化操作，全连接层，以及分类器的作用BP反向传播算法的理解一个简单CNN模型代码理解特征图，卷积核可视化分析专题三TensorFlow与keras介绍与入门TensorFlow
  • 探索TotalSegmentator：一款强大的全场景图像分割工具 计蕴斯Lowell
    探索TotalSegmentator：一款强大的全场景图像分割工具项目地址:https://gitcode.com/gh_mirrors/to/TotalSegmentator项目简介是一个开源的、基于深度学习的全场景图像分割框架。它由开发者Wasserth创建，旨在为医学影像分析、自动驾驶、遥感图像处理等多个领域提供高效且准确的像素级分类能力。该项目的亮点在于其模型的通用性和易用性，能够处理多种
  • 遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR） 岁月如歌，青春不败 生态遥感目标检测cnntransformer遥感遥感影像
    我国高分辨率对地观测系统重大专项已全面启动，高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成，将成为保障国家安全的基础性和战略性资源。未来10年全球每天获取的观测数据将超过10PB，遥感大数据时代已然来临。一：深度卷积网络知识1.深度学习在遥感图像识别中的范式和问题2.深度学习的历史发展历程3.机器学习，深度学习等任务的基本处理流程4.卷积神经网络的基本原理5
  • 近地面无人机植被定量遥感与生理参数反演 岁月如歌，青春不败 生态遥感无人机遥感植被遥感生态科学生态模型植被科学农林
    一：近十年近地面无人机植被遥感文献分析，传感器选择，观测方式及质量控制要点1.1.近十余年无人机植被遥感文献分析文献分析软件VOSviewer的使用无人机植被遥感的重点研究方向、研究机构、科学家家1.2.无人机遥感的特点及与卫星遥感的差异核心优势与四大基本特点无人机与卫星遥感影像的成像方式差异异1.3.无人机传感器类型、特点及选择消费级RGB相机的简要成像几何与光谱特点多光谱相机成像类型与核心问题
  • 无人机遥感技术：从植被监测到生理参数反演的进阶之路 KY_chenzhao 无人机植被遥感参数反演
    在当今的生态学和农林业研究中，无人机遥感技术已经成为获取植被信息的重要手段。它不仅能够快速覆盖大面积区域，还能提供高分辨率的多光谱和高光谱数据，为植被健康监测、生长状况评估和生理参数反演提供了强大的技术支持。今天，我们就来深入了解一下无人机遥感技术在植被定量监测中的应用。一、无人机遥感：为何备受青睐？无人机遥感技术结合了无人机的灵活性和遥感传感器的高精度，能够快速获取植被的多维度信息。与传统的卫星
  • 一文读懂遥感技术在农险服务全流程的应用与价值 珈和info 遥感
    农业保险作为分散农业风险、提高农业生产积极性、保障农民收入稳定的重要金融政策工具，其效能直接关系到农业生产的稳定与农村经济的繁荣。然而，传统农业保险业务在信息获取、风险评估等方面的局限性日益凸显。转型之际，科技手段应如何精准地介入到农险业务的发展中来？承保、理赔、风险评估等关键业务环节能否实现从重经验到重数据的转变？已实现商业化应用的遥感技术是否能突破局限，在成本、精度、算法等维度更贴合农险业务的
  • 【案例教程】无人机遥感图像拼接及处理 weixin_贾 GIS无人机遥感无人机图像拼接多光谱Photoscan软件
    无人机遥感图像采集流程:无人机遥感监测介绍无人机航线规划设计无人机飞行软件操作无人机航拍一般过程无人机遥感图像拼接软件操作:Photoscan软件介绍软件基本操作与实践遥感图像拼接的一般流程遥感图像分组拼接与点云分类无人机遥感图像拼接典型案例：基于无人机航拍的单体三维建模案例基于普通相机拍摄的单体三维建模案例基于无人机航拍的正射影像制图案例利用批处理实现无人机航拍制图案例利用地面控制点提高制图精度
  • 遥感影像建筑物提取 V搜xhliang0246 人工智能计算机视觉深度学习python开发语言
    遥感影像建筑物提取是一项重要的地理信息处理任务，它在城市规划、环境监测、人口估算和土地覆盖制图等领域具有广泛的应用价值。以下是对遥感影像建筑物提取的详细解析：一、数据采集数据采集是建筑物提取的基础步骤。应选择具有高空间分辨率和多光谱信息的遥感影像，以确保提取的准确性。常用的遥感影像数据包括航空影像和卫星影像：航空影像：拍摄于飞机上，具有较高的空间分辨率，适用于小区域的建筑物提取。卫星影像：拍摄于卫
  • 【语义分割专题文章】 BoostingIsm Segmentationpython
    本栏聚焦在语义分割的相关算法，专栏内文章的代码均已实现。一、数据篇【遥感】【道路】篇：【语义分割】【专题系列】一、MassachusettsRoadsDataset马萨诸塞州道路数据集获取二、CNN篇Unet(2015)：【语义分割】【专题系列】二、Unet语义分割代码实战PSPNet(2017)：【语义分割】【专题系列】三、PSPNet语义分割代码实战Linknet(2017)FPN(Featu
  • 无人机遥感在农林信息提取中的实现方法与GIS融合制图教程 岁月如歌，青春不败 生态遥感无人机农业科学林业科学GIS制图遥感生态学
    遥感技术作为一种空间大数据手段，能够从多时、多维、多地等角度，获取大量的农情数据。数据具有面状、实时、非接触、无伤检测等显著优势，是智慧农业必须采用的重要技术之一。一：综合态势分析1.1研究区及作物品种分析（1）形态指标分析（2）生理生化指标分析（3）胁迫指标分析（4）产量指标分析（5）综合分析1.2无人机平台分析：析目前常用于农林行业的无人机平台。1.3无人机机载传感器分析：析目前常用于农林行业
  • 无人机图像拼接数据在GIS中的处理与分析、可视化与制图；无人机航拍；无人机生态环境监测、图像处理与GIS数据分析 WangYan2022 遥感生态无人机图像处理数据分析ArcGIS生态环境监测
    ArcGIS作为地理信息系统领域最主流的GIS平台软件，空间数据处理和分析功能强大，十分适用于地表空间监测数据的读写、管理、分析与可视化。本教程融合无人机生态环境监测技术和ArcGIS数据分析技术，通过具体案例分析与软件操作实践，详细介绍包括无人机多源遥感影像数据采集（可见光、多光谱、激光雷达等）、影像数据拼接、空间数据编辑、空间数据分析、空间数据专题制图等流程的一条完整作业“流水线”，期望能够为
  • 如何训练自己的数据集之——无人机视觉定位数据集，视觉定位，无人机视觉定位数据集无人机图像的空间分辨率 计算机c9硕士算法工程师 数据集遥感类数据集无人机类数据集无人机卫星影像空间无人机视觉定位数据集遥感影像视觉定位
    无人机视觉定位数据集，将无人机拍摄的地面俯视图与相应的遥感影像进行匹配，可以实现无人机的精确快速定位，且不会产生误差累积，能作为当前无人机组合导航系统的重要补充，无人机影像收集自国内多个地区，涵盖不同地形特征和大部分国内地区；匹配的底图影像则是从谷歌地图获取的卫星图像。数据集旨在通过提供多样化的数据来支持无人机视觉定位模型的训练和测试。该数据集包含6,742幅无人机图像和11幅卫星影像。无人机图像
  • 农业信息技术知识点（一） 虫洞没有虫 农业信息技术重点总结考研笔记课程设计其他
    第一章1.信息是什么？信息是信息源所发生的各种信号和消息经过传递被人们所感知、接受、认识和理解的内容的统称。2.信息技术是什么？信息技术是指获取、处理、传递、存储、使用信息的技术，是能够扩展人们的信息功能的技术。3.信息采集技术，信息处理技术，信息传递技术，信息控制技术①信息采集技术：是指能有效地扩展人类感觉器官的感知域、灵敏度、分辨力和作用范围的技术，包括传感、测量、识别和遥感遥测技术。②信息传
  • GEE 训练教程——基于Sentinel-2数据的SAVI 和 NDVI 图层添加到地图上的可视化分析 此星光明 GEE教程训练开发语言sentinelgeesavindvi可视化教程
    目录简介指数函数expression(expression,map)Arguments:Returns:Image代码解释代码结果简介GEE训练教程——基于Sentinel-2数据的SAVI和NDVI图层添加到地图上的可视化分析指数SAVI（Soil-AdjustedVegetationIndex）和NDVI（NormalizedDifferenceVegetationIndex）都是用于遥感数据
  • 使用U-Net处理Postdam数据集进行语义分割任务 如何从准备数据到训练和评估一个基于U-Net的模型。训练使用遥感影像分析研究语义分割数据集 计算机C9硕士_算法工程师 语义分割unet
    使用U-Net处理Postdam数据集进行语义分割任务如何从准备数据到训练和评估一个基于U-Net的模型。训练使用遥感影像分析研究数据集文章目录1.安装依赖2.数据准备创建自定义的数据加载器3.模型定义4.训练模型5.可视化预测结果Postdam数据集遥感影像-语义分割数据集：Postdam数据集像素大小512＊512训练图片为.tif标签图片为.tif数据集(train3678张val920张)
  • 遥感数据快速使用及地物含量计算 Yolo566Q 遥感经验分享遥感
    更多资讯，关注公众号：Ai科研学术社；（联系方式见文章底部）随着我国高分系列、欧比特系列、自然资源卫星系列等卫星数据的获取，以及美国Headwall、芬兰SPECIM、挪威HySpex、我国双利合谱、智科远达、中科谱光等无人机数据的兴起，遥感数据越来越易得。这些多源数据，在与典型地面点结合后，将发挥巨大的理论价值，计算出具体的地物含量信息，伴随而来的创新性成果也不胜枚举。所以，本课程将手把手，一起
  • “卫星-无人机-地面”遥感数据快速使用及地物含量计算的实现方法实践 梦想的初衷~ 遥感生态环境无人机遥感
    在与上千学员交流过程中，发现科研、生产和应用多源遥感数据时，能快速上手，发挥数据的时效性，尽快出创新性成果，是目前的学员最迫切的需求。特别是按照“遥感数据获取-处理-分析-计算-制图”全流程的答疑解惑，是对学员最具有实际帮助意义的课程内容。针对这一情况，特设计了本课程。随着我国高分系列、欧比特系列、自然资源卫星系列等卫星数据的获取，以及美国Headwall、芬兰SPECIM、挪威HySpex、我国
  • “卫星-无人机-地面”遥感数据快速使用方法 小新很忙 遥感经验分享
    在与上千学员交流过程中，发现科研、生产和应用多源遥感数据时，能快速上手，发挥数据的时效性，尽快出创新性成果，是目前的学员最迫切的需求。特别是按照“遥感数据获取-处理-分析-计算-制图”全流程的答疑解惑，是对学员最具有实际帮助意义的课程内容。针对这一情况，特设计了本课程。随着我国高分系列、欧比特系列、自然资源卫星系列等卫星数据的获取，以及美国Headwall、芬兰SPECIM、挪威HySpex、我国
  • AI助力精准农业：从数据到行动的智能革命 Echo_Wish 人工智能前沿技术人工智能
    AI助力精准农业：从数据到行动的智能革命农业，作为人类最古老的产业，正经历着一场前所未有的智能化变革。从传统的经验种植到现代化机械农业，再到今天的人工智能（AI）精准农业，科技的每一次跃迁都在提高农业生产效率，降低资源浪费，并增强粮食安全。AI之所以能在农业中大显身手，主要依赖于数据驱动的智能决策。通过卫星遥感、无人机、传感器、气象数据等多维度信息，AI可以帮助农民精准施肥、智能灌溉、预测病虫害，
  • GEE python——gee_pyccd基于连续监测变化检测（Continuous Change Detection and Classification, CCDC） 此星光明 GEE-PYTHONpython开发语言geeccdc变化检测py连续性
    目录简介gee_pyccdPyCCDCCDC算法代码1代码2结果简介gee_pyccd协调在GoogleEarthEngine数据上使用PyCCD的脚本。此存储库与Google或USGS没有正式关联。gee_pyccd是一个基于GoogleEarthEngine平台的Python库，用于对遥感时间序列数据进行变化检测和趋势分析。它实现了基于连续监测变化检测（ContinuousChangeDete
  • 遥感中的反演 ximenchuixuezijin 工作农业算法金山网络io
    反演在遥感中是什么意思？按楼主的需求回答：一句话--遥感的本质是反演。具体解释：遥感的本质是反演，而从反演的数学来源讲，反演研究所针对的首先是数学模型。因此，遥感反演的基础是描述遥感信号或遥感数据与地表应用之间的关系模型，也就是说，遥感模型是遥感反演研究的对象。要进行遥感反演研究，首先要解决的问题是对地表遥感像元信息的地学描述。遥感像元尺度上的地学描述是十分有意义的课题，由于地球表面是一个复杂的系
  • matlab神经网络遥感反演,基于BP神经网络的盐渍土盐分遥感反演模型研究 老许的花开 matlab神经网络遥感反演
    采用遥感技术和BP神经网络技术,结合野外实测的盐渍土光谱特征和实验室化验的土壤含盐数据,对盐渍土盐分的遥感反演进行了模型的设计与编程实现。BP神经网络模型的预测精度在62.5%,明显高于传统统计模型的预测精度,表明BP神经网络能较好地模拟土壤含盐量与光谱数据之间的关系,可用于建立土壤盐分遥感反演模型。更多还原【Abstract】Theresearchonsalinityinversionfromr
  • 遥感图像建筑房屋树木水体分割数据集labelme格式2026张5类别 FL1623863129 数据集计算机视觉人工智能深度学习
    数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件)图片数量(jpg文件个数)：2026标注数量(json文件个数)：2026标注类别数：5标注类别名称:["Tree","building","Tin_Shade","farmland","water"]每个类别标注的框数：Treecount=64782buildingcount=52980Tin_Shade
  • 几种不同数据采集的概念：遥测、遥控、遥信、遥调、遥视、遥感 CServer_01 bigdata物联网
    遥测、遥控、遥信、遥调、遥视、遥感、遥视：这几种技术在概念上容易混淆，在数据自动采集中常常用到，各自有不同的用途，下面加以简述：遥测(Telemetry)：通过远程传输数据来监测远程系统中的各种物理量。如:电压、电流、频率等，数据通过远程系统种的传感器、PLC等方式获取后传输到远方。遥信(Teleprotection):通过远程传输信号来传递系统状态和故障信息。如:当发生故时，遥信系统可以远程传输
  • 基于深度学习的遥感目标检测系统：UI界面、R-CNN模型与数据集准备 2025年数学建模美赛 R-CNN检测系统人工智能深度学习r语言cnnpythonui目标检测
    一、引言遥感图像中的目标检测在很多领域，如环境监测、土地利用、城市规划、农业资源监测等方面有着广泛应用。遥感图像具有高分辨率和丰富的空间信息，但同时也带来了目标检测中的许多挑战，特别是在目标尺度变化、遮挡和复杂背景的情况下。因此，采用深度学习技术，尤其是卷积神经网络（CNN）和区域卷积神经网络（R-CNN），在遥感图像目标检测中取得了显著的成果。本文将详细介绍基于深度学习的遥感目标检测系统，使用R
  • 遥感深度学习过程中图像分割的尺寸对模型训练结果的影响 司南锤 深度学习遥感深度学习人工智能
    1.计算资源与显存占用大尺寸图像：需要更高的显存和计算资源，可能限制训练时的批大小（batchsize），甚至导致无法训练。解决方案：通常将大图裁剪为小尺寸的补丁（patches），例如256x256或512x512。小尺寸图像：显存占用低，但可能丢失全局上下文信息（如大面积地物分布），影响模型对复杂场景的理解。2.模型感受野与上下文信息小尺寸输入：模型感受野受限，可能无法捕捉大范围地物（如河流、
  • 使用小尺寸的图像进行逐像素语义分割训练，出现样本不均衡训练效果问题 司南锤 深度学习遥感计算机视觉人工智能机器学习
    在使用小尺寸图像进行逐像素语义分割训练时，确实可能出现样本不均衡问题，且这种问题可能比大尺寸图像更显著。1.小尺寸图像如何加剧样本不均衡？(1)局部裁剪导致类别分布偏差问题：遥感图像中某些类别（如道路、建筑）可能稀疏分布。小尺寸裁剪后，部分训练样本可能完全不含某些类别（例如一块纯农田的补丁），导致模型对这些类别缺乏学习机会。示例：原图中“道路”占比5%，若裁剪为256x256的小图，部分小图中可能
  • 使用 rasterstats 库进行栅格与矢量数据的空间分析 xyt556_CUMT 人工智能
    在地理信息系统（GIS）领域，栅格数据和矢量数据是两类常见的数据类型。栅格数据通常代表像素网格，如遥感影像或土地利用图，而矢量数据则通常表示具体的地理实体，如行政区划或土地边界。如何有效地结合这两类数据进行空间分析是许多地理研究中的关键问题。rasterstats是一个用于处理栅格和矢量数据的Python库，提供了便捷的工具来实现栅格统计、空间叠加分析等。本文将介绍如何使用rasterstats库
  • 【深度学习|地学应用】遥感与深度学习：揭示梦柯冰川奥秘的前沿应用与实践解析 985小水博一枚呀 深度学习地学应用深度学习人工智能
    【深度学习|地学应用】遥感与深度学习：揭示梦柯冰川奥秘的前沿应用与实践解析【深度学习|地学应用】遥感与深度学习：揭示梦柯冰川奥秘的前沿应用与实践解析文章目录【深度学习|地学应用】遥感与深度学习：揭示梦柯冰川奥秘的前沿应用与实践解析前言一、使用高分6号遥感影像结合深度学习对梦柯冰川的研究方向1.冰川边界自动化提取2.冰川变化动态监测3.冰川分类与分布特征分析二、梦柯冰川（MunkuGlacier）的
  • CVPR 2024 无人机/遥感/卫星图像方向总汇（航空图像和交叉视角定位） 点云SLAM 图形图像处理深度学习计算机视觉遥感卫星图像交叉视觉定位CVPR
    1、UAV、RemoteSensing、SatelliteImage(无人机/遥感/卫星图像)UnleashingUnlabeledData:AParadigmforCross-ViewGeo-Localization⭐codeRethinkingTransformersPre-trainingforMulti-SpectralSatelliteImagery⭐codeAerialLifting:
  • 统一思想认识 永夜-极光 思想
    1.统一思想认识的基础,才能有的放矢  原因:    总有一种描述事物的方式最贴近本质,最容易让人理解.    如何让教育更轻松,在于找到最适合学生的方式.          难点在于,如何模拟对方的思维基础选择合适的方式.   &
  • Joda Time使用笔记 bylijinnan javajoda time
    Joda Time的介绍可以参考这篇文章： http://www.ibm.com/developerworks/cn/java/j-jodatime.html 工作中也常常用到Joda Time，为了避免每次使用都查API，记录一下常用的用法：     /** * DateTime变化（增减） */ @Tes
  • FileUtils API eksliang FileUtilsFileUtils API
    转载请出自出处：http://eksliang.iteye.com/blog/2217374 一、概述 这是一个Java操作文件的常用库，是Apache对java的IO包的封装，这里面有两个非常核心的类FilenameUtils跟FileUtils，其中FilenameUtils是对文件名操作的封装;FileUtils是文件封装，开发中对文件的操作，几乎都可以在这个框架里面找到。 非常的好用。
  • 各种新兴技术 不懂事的小屁孩 技术
    1:gradle Gradle 是以 Groovy 语言为基础，面向Java应用为主。基于DSL（领域特定语言）语法的自动化构建工具。 现在构建系统常用到maven工具，现在有更容易上手的gradle， 搭建java环境: http://www.ibm.com/developerworks/cn/opensource/os-cn-gradle/ 搭建android环境： http://m
  • tomcat6的https双向认证 酷的飞上天空 tomcat6
    1.生成服务器端证书 keytool -genkey -keyalg RSA -dname "cn=localhost,ou=sango,o=none,l=china,st=beijing,c=cn" -alias server -keypass password -keystore server.jks -storepass password -validity 36
  • 托管虚拟桌面市场势不可挡 蓝儿唯美
    用户还需要冗余的数据中心，dinCloud的高级副总裁兼首席营销官Ali Din指出。该公司转售一个MSP可以让用户登录并管理和提供服务的用于DaaS的云自动化控制台，提供服务或者MSP也可以自己来控制。 在某些情况下，MSP会在dinCloud的云服务上进行服务分层，如监控和补丁管理。 MSP的利润空间将根据其参与的程度而有所不同，Din说。 “我们有一些合作伙伴负责将我们推荐给客户作为个
  • spring学习——xml文件的配置 a-john spring
    在Spring的学习中，对于其xml文件的配置是必不可少的。在Spring的多种装配Bean的方式中，采用XML配置也是最常见的。以下是一个简单的XML配置文件： <?xml version="1.0" encoding="UTF-8"?> <beans xmlns="http://www.springframework.or
  • HDU 4342 History repeat itself 模拟 aijuans 模拟
    来源：http://acm.hdu.edu.cn/showproblem.php?pid=4342 题意：首先让求第几个非平方数，然后求从1到该数之间的每个sqrt(i)的下取整的和。 思路：一个简单的模拟题目，但是由于数据范围大，需要用__int64。我们可以首先把平方数筛选出来，假如让求第n个非平方数的话，看n前面有多少个平方数，假设有x个，则第n个非平方数就是n+x。注意两种特殊情况，即
  • java中最常用jar包的用途 asia007 java
    java中最常用jar包的用途 jar包用途axis.jarSOAP引擎包commons-discovery-0.2.jar用来发现、查找和实现可插入式接口，提供一些一般类实例化、单件的生命周期管理的常用方法.jaxrpc.jarAxis运行所需要的组件包saaj.jar创建到端点的点到点连接的方法、创建并处理SOAP消息和附件的方法，以及接收和处理SOAP错误的方法.  w
  • ajax获取Struts框架中的json编码异常和Struts中的主控制器异常的解决办法 百合不是茶 jsjson编码返回异常
    一:ajax获取自定义Struts框架中的json编码  出现以下 问题:       1,强制flush输出  json编码打印在首页 2, 不强制flush js会解析json 打印出来的是错误的jsp页面   却没有跳转到错误页面 3,  ajax中的dataType的json 改为text 会
  • JUnit使用的设计模式 bijian1013 java设计模式JUnit
    JUnit源代码涉及使用了大量设计模式 1、模板方法模式（Template Method）         定义一个操作中的算法骨架，而将一些步骤延伸到子类中去，使得子类可以不改变一个算法的结构，即可重新定义该算法的某些特定步骤。这里需要复用的是算法的结构，也就是步骤，而步骤的实现可以在子类中完成。   
  • Linux常用命令（摘录） sunjing crondchkconfig
    chkconfig --list   查看linux所有服务 chkconfig --add servicename 添加linux服务 netstat -apn | grep 8080  查看端口占用 env 查看所有环境变量 echo $JAVA_HOME 查看JAVA_HOME环境变量   安装编译器 yum install -y gcc
  • 【Hadoop一】Hadoop伪集群环境搭建 bit1129 hadoop
     结合网上多份文档，不断反复的修正hadoop启动和运行过程中出现的问题，终于把Hadoop2.5.2伪分布式安装起来，跑通了wordcount例子。Hadoop的安装复杂性的体现之一是，Hadoop的安装文档非常多，但是能一个文档走下来的少之又少，尤其是Hadoop不同版本的配置差异非常的大。Hadoop2.5.2于前两天发布，但是它的配置跟2.5.0，2.5.1没有分别。 &nb
  • Anychart图表系列五之事件监听 白糖_ chart
    创建图表事件监听非常简单：首先是通过addEventListener('监听类型',js监听方法)添加事件监听，然后在js监听方法中定义具体监听逻辑。 以钻取操作为例，当用户点击图表某一个point的时候弹出point的name和value，代码如下： <script> //创建AnyChart var chart = new AnyChart(); //添加钻取操作&quo
  • Web前端相关段子 braveCS web前端
    Web标准：结构、样式和行为分离   使用语义化标签 0）标签的语义：使用有良好语义的标签，能够很好地实现自我解释，方便搜索引擎理解网页结构，抓取重要内容。去样式后也会根据浏览器的默认样式很好的组织网页内容，具有很好的可读性，从而实现对特殊终端的兼容。 1）div和span是没有语义的：只是分别用作块级元素和行内元素的区域分隔符。当页面内标签无法满足设计需求时，才会适当添加div
  • 编程之美-24点游戏 bylijinnan 编程之美
    import java.util.ArrayList; import java.util.Arrays; import java.util.HashSet; import java.util.List; import java.util.Random; import java.util.Set; public class PointGame { /**编程之美
  • 主页面子页面传值总结 chengxuyuancsdn 总结
    1、showModalDialog returnValue是javascript中html的window对象的属性,目的是返回窗口值,当用window.showModalDialog函数打开一个IE的模式窗口时,用于返回窗口的值 主界面 var sonValue=window.showModalDialog("son.jsp"); 子界面 window.retu
  • [网络与经济]互联网+的含义 comsci 互联网+
          互联网+后面是一个人的名字 = 网络控制系统       互联网+你的名字 =  网络个人数据库       每日提示:如果人觉得不舒服,千万不要外出到处走动,就呆在床上,玩玩手游,更不能够去开车,现在交通状况不
  • oracle 创建视图 with check option daizj 视图vieworalce
    我们来看下面的例子： create or replace view testview as select empno,ename from emp where ename like ‘M%’ with check option; 这里我们创建了一个视图，并使用了with check option来限制了视图。 然后我们来看一下视图包含的结果： select * from testv
  • ToastPlugin插件在cordova3.3下使用 dibov Cordova
        自己开发的Todos应用，想实现“ 再按一次返回键退出程序 ”的功能，采用网上的ToastPlugins插件，发现代码或文章基本都是老版本，运行问题比较多。折腾了好久才弄好。下面吧基于cordova3.3下的ToastPlugins相关代码共享。       ToastPlugin.java package&nbs
  • C语言22个系统函数 dcj3sjt126com cfunction
    C语言系统函数一、数学函数下列函数存放在math.h头文件中Double floor(double num) 求出不大于num的最大数。Double fmod(x, y) 求整数x/y的余数。Double frexp(num, exp); double num; int *exp; 将num分为数字部分（尾数）x和 以2位的指数部分n，即num=x*2n，指数n存放在exp指向的变量中，返回x。D
  • 开发一个类的流程 dcj3sjt126com 开发
    本人近日根据自己的开发经验总结了一个类的开发流程。这个流程适用于单独开发的构件，并不适用于对一个项目中的系统对象开发。开发出的类可以存入私人类库，供以后复用。   以下是开发流程： 1. 明确类的功能，抽象出类的大概结构 2. 初步设想类的接口 3. 类名设计（驼峰式命名） 4. 属性设置(权限设置) 判断某些变量是否有必要作为成员属
  • java 并发 shuizhaosi888 java 并发
    能够写出高伸缩性的并发是一门艺术   在JAVA SE5中新增了3个包 java.util.concurrent java.util.concurrent.atomic java.util.concurrent.locks 在java的内存模型中，类的实例字段、静态字段和构成数组的对象元素都会被多个线程所共享，局部变量与方法参数都是线程私有的，不会被共享。
  • Spring Security（11）——匿名认证 234390216 Spring SecurityROLE_ANNOYMOUS匿名
    匿名认证 目录 1.1     配置 1.2     AuthenticationTrustResolver          对于匿名访问的用户，Spring Security支持为其建立一个匿名的AnonymousAuthenticat
  • NODEJS项目实践0.2[ express,ajax通信...] 逐行分析JS源代码 Ajaxnodejsexpress
      一、前言         通过上节学习，我们已经        ubuntu系统搭建了一个可以访问的nodejs系统，并做了nginx转发。本节原要做web端服务 及 mongodb的存取，但写着写着，web端就
  • 在Struts2 的Action中怎样获取表单提交上来的多个checkbox的值 lhbthanks javahtmlstrutscheckbox
    第一种方法：获取结果String类型 在 Action 中获得的是一个 String 型数据，每一个被选中的 checkbox 的 value 被拼接在一起，每个值之间以逗号隔开(,)。 所以在 Action 中定义一个跟 checkbox 的 name 同名的属性来接收这些被选中的 checkbox 的 value 即可。 以下是实现的代码： 前台 HTML 代码：
  • 003.Kafka基本概念 nweiren hadoopkafka
    Kafka基本概念：Topic、Partition、Message、Producer、Broker、Consumer。 Topic：             消息源（Message）的分类。 Partition：             Topic物理上的分组，一
  • Linux环境下安装JDK roadrunners jdklinux
    1、准备工作 创建JDK的安装目录： mkdir -p /usr/java/   下载JDK，找到适合自己系统的JDK版本进行下载： http://www.oracle.com/technetwork/java/javase/downloads/index.html   把JDK安装包下载到/usr/java/目录，然后进行解压： tar -zxvf jre-7
  • Linux忘记root密码的解决思路 tomcat_oracle linux
    1：使用同版本的linux启动系统，chroot到忘记密码的根分区passwd改密码 　　2：grub启动菜单中加入init=/bin/bash进入系统，不过这时挂载的是只读分区。根据系统的分区情况进一步判断. 　　3: grub启动菜单中加入 single以单用户进入系统. 　　4:用以上方法mount到根分区把/etc/passwd中的root密码去除 　　例如: 　　ro
  • 跨浏览器 HTML5 postMessage 方法以及 message 事件模拟实现 xueyou jsonpjquery框架UIhtml5
    postMessage 是 HTML5 新方法，它可以实现跨域窗口之间通讯。到目前为止，只有 IE8+, Firefox 3, Opera 9, Chrome 3和 Safari 4 支持，而本篇文章主要讲述 postMessage 方法与 message 事件跨浏览器实现。postMessage 方法 JSONP 技术不一样，前者是前端擅长跨域文档数据即时通讯，后者擅长针对跨域服务端数据通讯，p
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他