- 随机过程【张颢】第一章
模拟IC和AI的Learner
随机过程机器学习人工智能
学习目标随机过程主要研究多个随机变量之间的联系。主要分为两个大类:一,线性相关对线性相关的研究主要从以下方面:(1)从时域角度(2)从频域角度主要研究一个重要的过程:(3)高斯过程二,马尔可夫性主要学习:(1)离散时间的马尔可夫链(2)连续时间的马尔可夫链还会学习一个典型的过程(最简单、应用最广泛的马尔可夫过程):(3)泊松过程三,鞅(研究较少,主要用在金融方面)
- Value Iteration Adaptive Dynamic Programming for Optimal Control of Discrete-Time Nonlinear Systems
LucienLSA
学习笔记
ValueIterationAdaptiveDynamicProgrammingforOptimalControlofDiscrete-TimeNonlinearSystems,2016.QinglaiWei,Member,IEEE,DerongLiu,Fellow,IEEE,andHanquanLin对离散时间非线性系统,采用值迭代ADP算法,求解无限时域无折扣因子最优控制问题。初始值函数为任意
- 5G SPS配置
cuisidong1997
5G服务器运维
SPS配置是一种技术,用于管理和优化数据传输,特别是在无线通信领域。它涉及到为特定的数据传输需求确定最佳的参数配置,以满足不同的传输需求。SPS配置的参数包括时域资源分配、调制编码方式、频域资源分配、虚拟资源块到物理资源块的映射方式、传输功率控制命令以及传输信道到HARQ-ACK的定时间隔等。这些参数的配置旨在提高传输效率和数据质量,同时确保数据传输的可靠性和稳定性。在实施SPS配置时,关键在
- SAR图像相干斑滤波算法
fpga和matlab
MATLAB板块2:图像-特征提取处理SAR相干斑滤波
目前已有大量的雷达相干斑抑制算法,这些算法可分为成像前的多视平滑预处理和成像后的滤波两大类。而成像后的滤波又包括空域滤波和频域滤波两种。为了减少相干斑噪声,早期的方法是在SAR成像处理中,通过降低处理器带宽形成多视图子图像,然后对多视子图像进行非相干叠加来降低相干斑噪声。这种非相干叠加来降低斑点噪声的方法称为多视处理。多视处理通过牺牲SAR图像的空间分辨率为代价来对相干斑进行抑制,已不能满足空间高
- 音频处理3_时域频域
迪三
#NN_Audio音频
本节主要讲音频的时域到频域的变换和理解我们以两个正弦波的组合信号为例,生成代码如下:#生成信号t=np.linspace(0,1,1000,endpoint=False)#时间轴freq1=5#5Hzfreq2=20#20Hzsignal=np.sin(2*np.pi*freq1*t)+0.5*np.sin(2*np.pi*freq2*t)#合成信号第1幅图是时域图,第2-3幅图是频率图,分别记录
- 时序预测|基于变分模态分解-时域卷积-双向长短期记忆-注意力机制多变量时间序列预测VMD-TCN-BiLSTM-Attention
机器不会学习CL
时间序列预测智能优化算法深度学习人工智能机器学习
时序预测|基于变分模态分解-时域卷积-双向长短期记忆-注意力机制多变量时间序列预测VMD-TCN-BiLSTM-Attention文章目录前言时序预测|基于变分模态分解-时域卷积-双向长短期记忆-注意力机制多变量时间序列预测VMD-TCN-BiLSTM-Attention一、VMD-TCN-BiLSTM-Attention模型VMD-TCN-BiLSTM-Attention模型的详细原理和流程1.
- COMSOL6.0 版本新功能:求解大型瞬态声学问题
林发财
sqlite算法数据结构
COMSOLMultiphysics®软件6.0版本新增了一项功能,可以方便地对涉及使用压电器件的应用进行建模。软件内置的压电波,时域显式接口将现有的间断伽辽金方法(dG或dG-FEM)从应用于流体和线弹性材料中的声学扩展到压电介质。对于模拟传播距离相对于波长较远的声波的产生和接收,这是一种高效的可选方案。像对超声成像、无损检测(NDT)、流量计和叉指型声表面波器件等应用进行仿真,均可以使用这项功
- 通过傅里叶变换进行音频变声变调
码农飞飞
音视频处理音视频变声傅里叶变换变调不变速C++
文章目录常见音频变声算法使用Wav库读写音频文件使用pitchShift算法进行音频变调主文件完整代码工程下载地址常见音频变声算法在游戏或者一些特殊场景下为了提高娱乐性或者保护声音的特征,我们会对音频进行变声变调处理。常用的算法包括:1.基于傅里叶变换的频域算法,该类算法的优点是声音连续,不会产生断断续续的声音,缺点是算法复杂度高计算量相对比较大;2.基于时域的插值算法,该类算法的优点是计算简单,
- 基于MATLAB的QPSK调制解调仿真(仿真图超多,结果超清晰)
迎风打盹儿
数字通信原理数字信号处理matlab信号处理信息与通信程序人生
基于MATLAB的QPSK调制解调仿真(包含中间各个环节的时域波形、功率谱、频谱图、星座图和眼图、理论与仿真的误码率曲线)目录前言一、QPSK调制解调过程二、仿真结果Ⅰ、码元信噪比eb/n0=10dB时1、双极性不归零基带信号2、成型滤波(根升余弦滤波)后3、调制后4、加入高斯白噪声后5、乘载波后6、低通滤波后7、匹配滤波后8、星座图和眼图Ⅱ、码元信噪比eb/n0=-10dB时1、星座图2、眼图Ⅲ
- Multisim14.0详细安装教程图文
万里黄沙
硬件硬件工程嵌入式硬件
Multisim有强大的电路仿真和分析功能,包括电路的瞬态分析、稳态分析、时域分析、频域分析、噪声分析、失真分析和离散傅里叶分析等多种工具,在项目开发过程中,对某个电路模块进行初步分析和仿真,能节省不少时间。软件包下载链接:关注公众号:嵌入式与酒,后台回复:Multisim获取,最后面有软件包下载链接,下面是Multisim14.0的安装教程:1-下载并解压:2-在解压后的文件里,右键点击NI_C
- 【自控原理】如何求复频域表达式X(s)的Z变换
啵啵啵啵哲
控制理论数学自动化学习
应用部分分式法求取以拉普拉斯变换的象函数X(s)X(s)X(s)形式给出的函数x(t)x(t)x(t)的Z变换是很方便的,即将已知的X(s)X(s)X(s)展开成部分分式,然后求取每一部分分式项的Z变换,并将它们组合在一起.【例】求X(s)=1−e−ss2(s+1)X(s)=\frac{1-\mathrm{e}^{-s}}{s^2(s+1)}X(s)=s2(s+1)1−e−s的Z变换.【解答】将给
- 关于FFT精华/精简详解
灵哎惹,凌沃敏
C/C++fftc算法
1.对一段离散数据(N个点,比如说AD采样值)的FFT结果就是这N个点对应的复数a+bi;画到坐标轴上x轴对应的就是频率,Y轴对应的就是该点的复数的坐标点;因此FFT是将信号从时域变换到频域就是说,将原信号X轴的时间变成了频率,Y轴的点的大小值变成了该点对应的复数的坐标点。2.假设采样频率为Fs,点数为N,则本次FFT的频率分辨率为FS/N,即FFT结果的每个点的频率间隔为FS/N,则点n对应的频
- 【光学】基于matlab实现弹性FDTD二维波传播
天天Matlab代码科研顾问
物理应用matlab开发语言
✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,代码获取、论文复现及科研仿真合作可私信。个人主页:Matlab科研工作室个人信条:格物致知。更多Matlab完整代码及仿真定制内容点击智能优化算法神经网络预测雷达通信无线传感器电力系统信号处理图像处理路径规划元胞自动机无人机内容介绍摘要本文介绍了弹性有限差分时域(FDTD)方法用于求解二维弹性波传播问题的理论和实现。该方法将弹性波动
- 物联网控制原理与技术--基于Matlab/利用MATLAB进行频域分析(伯德图)的应用(超详细/设计/实验/作业/练习)
程序员老茶
物联网控制原理与技术matlab开发语言线性代数物联网
目录课程名:物联网控制原理与技术内容/作用:设计/实验/作业/练习学习:利用MATLAB进行频域分析(伯德图)一、前言二、环境与设备三、原理四、内容五、结果与分析课程名:物联网控制原理与技术内容/作用:设计/实验/作业/练习学习:利用MATLAB进行频域分析(伯德图)一、前言(1)熟练掌握运用MATLAB命令绘制控制系统伯德图的方法;(2)了解系统伯德图的一般规律及其频域指标的获取方法;(3)熟练
- 【光学】基于matlab实现弹性FDTD二维波传播
matlab科研助手
物理应用matlab开发语言
✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,代码获取、论文复现及科研仿真合作可私信。个人主页:Matlab科研工作室个人信条:格物致知。更多Matlab完整代码及仿真定制内容点击智能优化算法神经网络预测雷达通信无线传感器电力系统信号处理图像处理路径规划元胞自动机无人机内容介绍摘要本文介绍了弹性有限差分时域(FDTD)方法用于求解二维弹性波传播问题的理论和实现。该方法将弹性波动
- 【光学】基于matlab实现弹性FDTD二维波传播
Matlab科研辅导帮
物理应用matlab开发语言
✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,代码获取、论文复现及科研仿真合作可私信。个人主页:Matlab科研工作室个人信条:格物致知。更多Matlab完整代码及仿真定制内容点击智能优化算法神经网络预测雷达通信无线传感器电力系统信号处理图像处理路径规划元胞自动机无人机内容介绍摘要本文介绍了弹性有限差分时域(FDTD)方法用于求解二维弹性波传播问题的理论和实现。该方法将弹性波动
- 什么是信号卷积,信号卷积的物理意义是什么,功能有哪些
kfjh
信号处理
信号卷积是一种数学运算,用于描述两个信号在时域上的叠加、翻转和移位等操作。在信号处理领域,卷积运算具有非常广泛的应用,包括数字信号处理、图像处理、机器学习和物理工程等。信号卷积的物理意义通常与线性时不变系统(LinearTime-InvariantSystems,LTIsystems)有关。当一个输入信号通过一个线性时不变系统时,其输出信号可以通过将输入信号与系统的冲激响应(或称为滤波器、卷积核等
- 2018-10-12
快乐的大脚aaa
第八章离散时间系统的变换域分析变换域分析原因:将求解问题简单对于连续时间系统,通过L.T.,可以将原来求解微分方程问题转化为求解代数方程问题对于离散时间系统,通过Z.T.,可以将原来求解差分方程问题转化为求解代数方程问题。离散时间序列的频域分析方法离散时间系统和离散时间序列也可以通过正交分解方法,在频域进行分析。--离散时间序列傅里叶变换DTFT,Z变换的一个特例傅里叶变换的离散形式--离散傅里叶
- 汽车悬架二自由度模型搭建与仿真
极简车辆控制
半主动悬架CDC控制汽车
1、随机路面建模1)、随机路面时域公式随机路面的时域模型推导如下:我们要的是时域的路面模型,即每一时刻下,路面的高度是多少,单从上面这个公式和这个表,还没法建模,上面的拟合公式只是个参考,意思是:我们的生成的随机路面功率谱只要跟它差不多就可以,至于用什么方法生成随机路面,国标则没规定。一般用白噪声法比较多,推导过程如下所示。2)、随机路面建模及仿真由公式3.18,便可以在simulink中将模型搭
- 有感
常毓
许久未提笔,灰尘轻扬,惹得内心嘈杂。我曾希冀,只愿我成为一位诗人。一位可以将生活和心情都过成诗的人。可我不尽如意,也许少的,正是一份多愁善感的体会。自以为身处生活之中,殊不知已然背道而驰。自己被琐事困狱了手脚,却连心也蒙了灰。身边的人皆平凡,于是总是少那么一点光。真正会发光的人有多难得,遇到的时候倍加珍惜。浩瀚无垠的时域里,两个灵魂互相吸引的人遇到彼此,怕是这世上最甚的幸事了。
- 在微信小程序中浅仿ChatGPT的声音动画效果
在微信小程序中实现音频播放频率动画效果之前看了ChatGPTAPP内的语音电话效果,感觉非常不错,正好最近也用Donut开发了多端应用,涉及到AI聊天,于是就开始了粗糙的模仿。文章会涉及到以下内容:小程序内创建音频上下文、频域数据处理;本地音频、网络音频数据处理;canvas的基本用法、高清处理、坐标系转换;最后也发散了一下,请教一下大家如何实现录音过程的音频动画。效果图创建音频播放对象选择Web
- 2.1.3 毫米波雷达
人工智能
毫米波雷达更多内容,请关注:github:https://github.com/gotonote/Autopilot-Notes.git毫米波雷达(RADAR),和激光雷达的原理类似,是工作在毫米波波段(millimeterwave)探测的雷达。通常毫米波是指30~300GHz频域(波长为1~10mm)的。毫米波的波长介于微波和厘米波之间,因此毫米波雷达兼有微波雷达和光电雷达的一些优点。同厘米波导
- 三、特征提取、特征预处理
ITS_Oaij
脑电机器学习机器学习深度学习人工智能
三、特征提取、特征预处理1_特征提取1.1统计学特征1.2时域1.3频域1.4其他EEG特殊特征2_特征提取预处理(理论及Python实现)2.1归一化2.2标准化2.3特征二值化2.4特征编码2.5缺失值处理2.6样本不平衡问题1_特征提取1.1统计学特征1.2时域1.3频域1.4其他EEG特殊特征2_特征提取预处理(理论及Python实现)2.1归一化2.2标准化2.3特征二值化2.4特征编码
- MATLAB环境下一维时间序列信号的同步压缩小波包变换
哥廷根数学学派
信号处理时频分析故障诊断matlab人工智能算法计算机视觉信号处理
时频分析相较于目前的时域、频域信号处理方法在分析时变信号方面,其主要优势在于可以同时提供时域和频域等多域信号信息,并清晰的刻画了频率随时间的变化规律,已被广泛用于医学工程、地震、雷达、生物及机械等领域。线性时频分析方法是将信号分解为时域和频域中基的加权和,例如短时傅里叶变换STFT和小波变换WT。短时傅里叶变换利用短窗口沿时间尺度移动以对信号进行切片,可以获得每个片段的局部傅里叶谱,揭示信号的变化
- 隐写分析steganalysis深度学习Deep learning卷积神经网络CNN
夜 枭 子
笔记深度学习cnn神经网络
引言:图像隐写将秘密图像嵌入到载体图像,并尽可能少地修改图像的内容和统计特征,秘密信息可以在两个domain中嵌入:spatialdomain和frequencydomain.空域隐写微量修改像素值,频域隐写通常应用于JPEG图像,通过改变离散余弦变换(DCT)系数来实现。LSB算法将秘密信息嵌入到像素值的最低有效位,算法简单但改变了图像的统计特征。目前提出了许多自适应隐写算法(如空域的那三种),
- WWW 2024 | 时间序列(Time Series)和时空数据(Spatial-Temporal)论文总结
STLearner
时空数据人工智能机器学习深度学习数据挖掘智慧城市论文阅读
WWW2024已经放榜,本次会议共提交了2008篇文章,researchtracks共录用约400多篇论文,录用率为20.2%。本次会议将于2024年5月13日-17日在新加坡举办。本文总结了WWW2024有关时间序列(TimeSeries)和时空数据(Spatial-Temporal)的相关文章,部分挂在了arXiv上。时间序列Topic:时序预测,异常检测,时域频域,大模型等时空数据Topic
- OpenCV 图像处理六(傅里叶变换、模板匹配与霍夫变换)
你会魔法吗✧(≖ ◡ ≖✿)
OpenCVopencv图像处理傅里叶pycharm霍夫变换
文章目录一、傅里叶变换1.1NumPy实现和逆实现1.1.1NumPy实现傅里叶变换Demo1.1.2NumPy实现逆傅里叶变换Demo1.2OpenCV实现和逆实现1.2.1OpenCV实现傅里叶变换Demo1.2.2OpenCV实现逆傅里叶变换Demo1.3频域滤波1.3.1低频、高频1.3.2高通滤波器构造高通滤波器Demo1.3.3低通滤波器设置低通滤波器Demo二、模板匹配2.1模板匹配
- 【EEG信号处理】对信号进行模拟生成
INGg__
EEG信号处理
生成信号的目的还是主要是为了学习和探究后面的分析方法;本文主要是对方法进行整理瞬态transient瞬态信号是指的是一瞬间信号上去了,这种情况我们可以用在时域上高斯模拟peaktime=1;%secondswidth=.12;ampl=9;gaus=ampl*exp(-(EEG.times-peaktime).^2/(2*width^2));非稳态Non-stationary频率不成稳定的freq
- 2019-05-07
快乐的大脚aaa
部分响应系统奈奎斯特极限下的理想低通特性的冲激响应是函数,可达到的极限传输效率,但不可实现——从频域看是因为锐降,从时域看是因为拖尾按衰减。奈奎斯特提出的升余弦滚降技术实现:频域是滚降、时域拖尾衰减快,但缺点是频带利用率有损失,达不到2Baud/Hz的极限传输效率频域不是锐降,时域拖尾衰减速度比快,又能以2Baud/Hz的极限效率传输1、无ISI系统(全响应系统)达到极限频谱效率,必须,不可实现2
- 5G NR 频率计算
Risehuxyc
#5G_NR5G
5G中引入了频率栅格的概念,也就是小区中心频点和SSB的频域位置不能随意配置,必须满足一定规律,主要目的是为了UE能快速的搜索小区;其中三个最重要的概念是Channelraster、synchronizationraster和pointA。1、Channelraster可以理解为载波的中心频点的可选位置;一般频点值都以NR-ARFCN(NR绝对射频频率信道编号)数值间接表示,即下面表格中的Nref
- Spring中@Value注解,需要注意的地方
无量
springbean@Valuexml
Spring 3以后,支持@Value注解的方式获取properties文件中的配置值,简化了读取配置文件的复杂操作
1、在applicationContext.xml文件(或引用文件中)中配置properties文件
<bean id="appProperty"
class="org.springframework.beans.fac
- mongoDB 分片
开窍的石头
mongodb
mongoDB的分片。要mongos查询数据时候 先查询configsvr看数据在那台shard上,configsvr上边放的是metar信息,指的是那条数据在那个片上。由此可以看出mongo在做分片的时候咱们至少要有一个configsvr,和两个以上的shard(片)信息。
第一步启动两台以上的mongo服务
&nb
- OVER(PARTITION BY)函数用法
0624chenhong
oracle
这篇写得很好,引自
http://www.cnblogs.com/lanzi/archive/2010/10/26/1861338.html
OVER(PARTITION BY)函数用法
2010年10月26日
OVER(PARTITION BY)函数介绍
开窗函数 &nb
- Android开发中,ADB server didn't ACK 解决方法
一炮送你回车库
Android开发
首先通知:凡是安装360、豌豆荚、腾讯管家的全部卸载,然后再尝试。
一直没搞明白这个问题咋出现的,但今天看到一个方法,搞定了!原来是豌豆荚占用了 5037 端口导致。
参见原文章:一个豌豆荚引发的血案——关于ADB server didn't ACK的问题
简单来讲,首先将Windows任务进程中的豌豆荚干掉,如果还是不行,再继续按下列步骤排查。
&nb
- canvas中的像素绘制问题
换个号韩国红果果
JavaScriptcanvas
pixl的绘制,1.如果绘制点正处于相邻像素交叉线,绘制x像素的线宽,则从交叉线分别向前向后绘制x/2个像素,如果x/2是整数,则刚好填满x个像素,如果是小数,则先把整数格填满,再去绘制剩下的小数部分,绘制时,是将小数部分的颜色用来除以一个像素的宽度,颜色会变淡。所以要用整数坐标来画的话(即绘制点正处于相邻像素交叉线时),线宽必须是2的整数倍。否则会出现不饱满的像素。
2.如果绘制点为一个像素的
- 编码乱码问题
灵静志远
javajvmjsp编码
1、JVM中单个字符占用的字节长度跟编码方式有关,而默认编码方式又跟平台是一一对应的或说平台决定了默认字符编码方式;2、对于单个字符:ISO-8859-1单字节编码,GBK双字节编码,UTF-8三字节编码;因此中文平台(中文平台默认字符集编码GBK)下一个中文字符占2个字节,而英文平台(英文平台默认字符集编码Cp1252(类似于ISO-8859-1))。
3、getBytes()、getByte
- java 求几个月后的日期
darkranger
calendargetinstance
Date plandate = planDate.toDate();
SimpleDateFormat df = new SimpleDateFormat("yyyy-MM-dd");
Calendar cal = Calendar.getInstance();
cal.setTime(plandate);
// 取得三个月后时间
cal.add(Calendar.M
- 数据库设计的三大范式(通俗易懂)
aijuans
数据库复习
关系数据库中的关系必须满足一定的要求。满足不同程度要求的为不同范式。数据库的设计范式是数据库设计所需要满足的规范。只有理解数据库的设计范式,才能设计出高效率、优雅的数据库,否则可能会设计出错误的数据库.
目前,主要有六种范式:第一范式、第二范式、第三范式、BC范式、第四范式和第五范式。满足最低要求的叫第一范式,简称1NF。在第一范式基础上进一步满足一些要求的为第二范式,简称2NF。其余依此类推。
- 想学工作流怎么入手
atongyeye
jbpm
工作流在工作中变得越来越重要,很多朋友想学工作流却不知如何入手。 很多朋友习惯性的这看一点,那了解一点,既不系统,也容易半途而废。好比学武功,最好的办法是有一本武功秘籍。研究明白,则犹如打通任督二脉。
系统学习工作流,很重要的一本书《JBPM工作流开发指南》。
本人苦苦学习两个月,基本上可以解决大部分流程问题。整理一下学习思路,有兴趣的朋友可以参考下。
1 首先要
- Context和SQLiteOpenHelper创建数据库
百合不是茶
androidContext创建数据库
一直以为安卓数据库的创建就是使用SQLiteOpenHelper创建,但是最近在android的一本书上看到了Context也可以创建数据库,下面我们一起分析这两种方式创建数据库的方式和区别,重点在SQLiteOpenHelper
一:SQLiteOpenHelper创建数据库:
1,SQLi
- 浅谈group by和distinct
bijian1013
oracle数据库group bydistinct
group by和distinct只了去重意义一样,但是group by应用范围更广泛些,如分组汇总或者从聚合函数里筛选数据等。
譬如:统计每id数并且只显示数大于3
select id ,count(id) from ta
- vi opertion
征客丶
macoprationvi
进入 command mode (命令行模式)
按 esc 键
再按 shift + 冒号
注:以下命令中 带 $ 【在命令行模式下进行】,不带 $ 【在非命令行模式下进行】
一、文件操作
1.1、强制退出不保存
$ q!
1.2、保存
$ w
1.3、保存并退出
$ wq
1.4、刷新或重新加载已打开的文件
$ e
二、光标移动
2.1、跳到指定行
数字
- 【Spark十四】深入Spark RDD第三部分RDD基本API
bit1129
spark
对于K/V类型的RDD,如下操作是什么含义?
val rdd = sc.parallelize(List(("A",3),("C",6),("A",1),("B",5))
rdd.reduceByKey(_+_).collect
reduceByKey在这里的操作,是把
- java类加载机制
BlueSkator
java虚拟机
java类加载机制
1.java类加载器的树状结构
引导类加载器
^
|
扩展类加载器
^
|
系统类加载器
java使用代理模式来完成类加载,java的类加载器也有类似于继承的关系,引导类是最顶层的加载器,它是所有类的根加载器,它负责加载java核心库。当一个类加载器接到装载类到虚拟机的请求时,通常会代理给父类加载器,若已经是根加载器了,就自己完成加载。
虚拟机区分一个Cla
- 动态添加文本框
BreakingBad
文本框
<script> var num=1; function AddInput() { var str=""; str+="<input 
- 读《研磨设计模式》-代码笔记-单例模式
bylijinnan
java设计模式
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/
public class Singleton {
}
/*
* 懒汉模式。注意,getInstance如果在多线程环境中调用,需要加上synchronized,否则存在线程不安全问题
*/
class LazySingleton
- iOS应用打包发布常见问题
chenhbc
iosiOS发布iOS上传iOS打包
这个月公司安排我一个人做iOS客户端开发,由于急着用,我先发布一个版本,由于第一次发布iOS应用,期间出了不少问题,记录于此。
1、使用Application Loader 发布时报错:Communication error.please use diagnostic mode to check connectivity.you need to have outbound acc
- 工作流复杂拓扑结构处理新思路
comsci
设计模式工作算法企业应用OO
我们走的设计路线和国外的产品不太一样,不一样在哪里呢? 国外的流程的设计思路是通过事先定义一整套规则(类似XPDL)来约束和控制流程图的复杂度(我对国外的产品了解不够多,仅仅是在有限的了解程度上面提出这样的看法),从而避免在流程引擎中处理这些复杂的图的问题,而我们却没有通过事先定义这样的复杂的规则来约束和降低用户自定义流程图的灵活性,这样一来,在引擎和流程流转控制这一个层面就会遇到很
- oracle 11g新特性Flashback data archive
daizj
oracle
1. 什么是flashback data archive
Flashback data archive是oracle 11g中引入的一个新特性。Flashback archive是一个新的数据库对象,用于存储一个或多表的历史数据。Flashback archive是一个逻辑对象,概念上类似于表空间。实际上flashback archive可以看作是存储一个或多个表的所有事务变化的逻辑空间。
- 多叉树:2-3-4树
dieslrae
树
平衡树多叉树,每个节点最多有4个子节点和3个数据项,2,3,4的含义是指一个节点可能含有的子节点的个数,效率比红黑树稍差.一般不允许出现重复关键字值.2-3-4树有以下特征:
1、有一个数据项的节点总是有2个子节点(称为2-节点)
2、有两个数据项的节点总是有3个子节点(称为3-节
- C语言学习七动态分配 malloc的使用
dcj3sjt126com
clanguagemalloc
/*
2013年3月15日15:16:24
malloc 就memory(内存) allocate(分配)的缩写
本程序没有实际含义,只是理解使用
*/
# include <stdio.h>
# include <malloc.h>
int main(void)
{
int i = 5; //分配了4个字节 静态分配
int * p
- Objective-C编码规范[译]
dcj3sjt126com
代码规范
原文链接 : The official raywenderlich.com Objective-C style guide
原文作者 : raywenderlich.com Team
译文出自 : raywenderlich.com Objective-C编码规范
译者 : Sam Lau
- 0.性能优化-目录
frank1234
性能优化
从今天开始笔者陆续发表一些性能测试相关的文章,主要是对自己前段时间学习的总结,由于水平有限,性能测试领域很深,本人理解的也比较浅,欢迎各位大咖批评指正。
主要内容包括:
一、性能测试指标
吞吐量、TPS、响应时间、负载、可扩展性、PV、思考时间
http://frank1234.iteye.com/blog/2180305
二、性能测试策略
生产环境相同 基准测试 预热等
htt
- Java父类取得子类传递的泛型参数Class类型
happyqing
java泛型父类子类Class
import java.lang.reflect.ParameterizedType;
import java.lang.reflect.Type;
import org.junit.Test;
abstract class BaseDao<T> {
public void getType() {
//Class<E> clazz =
- 跟我学SpringMVC目录汇总贴、PDF下载、源码下载
jinnianshilongnian
springMVC
----广告--------------------------------------------------------------
网站核心商详页开发
掌握Java技术,掌握并发/异步工具使用,熟悉spring、ibatis框架;
掌握数据库技术,表设计和索引优化,分库分表/读写分离;
了解缓存技术,熟练使用如Redis/Memcached等主流技术;
了解Ngin
- the HTTP rewrite module requires the PCRE library
流浪鱼
rewrite
./configure: error: the HTTP rewrite module requires the PCRE library.
模块依赖性Nginx需要依赖下面3个包
1. gzip 模块需要 zlib 库 ( 下载: http://www.zlib.net/ )
2. rewrite 模块需要 pcre 库 ( 下载: http://www.pcre.org/ )
3. s
- 第12章 Ajax(中)
onestopweb
Ajax
index.html
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/
- Optimize query with Query Stripping in Web Intelligence
blueoxygen
BO
http://wiki.sdn.sap.com/wiki/display/BOBJ/Optimize+query+with+Query+Stripping+in+Web+Intelligence
and a very straightfoward video
http://www.sdn.sap.com/irj/scn/events?rid=/library/uuid/40ec3a0c-936
- Java开发者写SQL时常犯的10个错误
tomcat_oracle
javasql
1、不用PreparedStatements 有意思的是,在JDBC出现了许多年后的今天,这个错误依然出现在博客、论坛和邮件列表中,即便要记住和理解它是一件很简单的事。开发者不使用PreparedStatements的原因可能有如下几个: 他们对PreparedStatements不了解 他们认为使用PreparedStatements太慢了 他们认为写Prepar
- 世纪互联与结盟有感
阿尔萨斯
10月10日,世纪互联与(Foxcon)签约成立合资公司,有感。
全球电子制造业巨头(全球500强企业)与世纪互联共同看好IDC、云计算等业务在中国的增长空间,双方迅速果断出手,在资本层面上达成合作,此举体现了全球电子制造业巨头对世纪互联IDC业务的欣赏与信任,另一方面反映出世纪互联目前良好的运营状况与广阔的发展前景。
众所周知,精于电子产品制造(世界第一),对于世纪互联而言,能够与结盟