- Halcon学习笔记——Region特征类算子(1)
一楼二栋
算法机器学习
Region特征类算子region_features(Regions::Features:Value)*计算区域的形状特征*输入参数:*Regions————待检测区域*Features————要检测的特征(默认值:'area',可选值见Region特征图所示)*输出参数:*Value————计算的特征*Features可以输入单个或者多个特征,例如['area','anisometry']sel
- Halcon学习笔记——Tuple类算子
一楼二栋
学习
数组运算y:=[1,2,10,5,0,10]x:=[10,10,20,0,5,-10]a:=[10.5,-10.5,0,3]b:=[3.1415,0,1.5708,0.785]c:=[2,1,-2,3,5,-10]d:=[3,-10.5,0,5]tuple_abs(a,Abs)*计算一个元组的绝对值*元组中的元素为整型,则返回绝对值也为整型,为浮点型,则返回浮点型,可以混合*[10.5,10.5,
- Halcon学习笔记——Region类算子(1)
一楼二栋
学习
connection(Region:ConnectedRegions::)*将不相连的区域都分割成单独的区域*Region:输入,ConnectedRegions:输出union1(Region:RegionUnion::)*将各自独立的区域合并成一整块区域(返回所有输入区域的并集)*Region:输入,RegionUnion:输出*与connection()相反union2(Region1,Re
- halcon学习笔记(一)毛边检测 仿射变换+标准区域登陆检测内外边缘毛边
weixin_44482092
halcon算法人工智能计算机视觉
一、中级视频教程毛刺检测:实现功能,检测突出产品外围突出的毛刺:1.先获取背景的区域,用binary_threshold()获取背景区域A;2.背景区域进行闭运算得到闭运算区域B3.用difference()算子计算AB两个区域的补集C;4.对C进行开运算,使边缘平滑。记得到边缘突出的毛刺使用到的算子:binary_threshold()自动全局阈值,得到背景获背景和前景,适合使用在背景和前景差异
- HALCON学习笔记(八)——HALCON相关实例和算法
weixin_45482443
HALCON
字符分割和识别字符识别(OCR)是在图像中识别字符的过程。主要包括在图像中的单个字符分割出来,将分割出来的字符进行分类两个部分。实例:dev_update_window('off')read_image(Image,'printer_chip/printer_chip_01')get_image_size(Image,Width,Height)dev_close_window()dev_open_
- Halcon学习笔记
诗仙&李白
机器视觉学习笔记
目录一.简介一.简介Halcon和OpenCV在工业应用中的区别:OpenCV的精度没Halcon高;OpenCV没有模板匹配,Halcon有,而且Halcon匹配的精度更高。
- halcon学习笔记-01.Halcon简介
zxmyoung
Halcon图像处理机器学习
1.概述HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包,拥有应用广泛的机器视觉集成开发环境,用户可以利用其开放式结构快速开发图像处理和机器视觉软件。其集成开发环境HDevelop可在Windows、Linux、UNLX系统下使用。使用HDevelop进行编程的过程一般是,在HDevelop环境中编写算法部分,使用C++、C#、VB等开发应用程序,从HDevelop中导出算法代
- HalCon学习笔记6
工大陈
机器视觉halcon学习算法
halcon的数据结构之region、xld机器视觉的任务之一就是识别图像中的包含某种特性的区域,比如执行一个阈值分割处理,因此至少我们还需要一种数据结构,它可以表示一副图像中一个任意的像素子集,我们把区域定义为离散平面的任意子集使用halcon算子threshold来看看得到区域的效果,其中红色部分就是灰度值在123到255的所有像素点的集合,他们将作为一个整体作为一个区域,使用变量Region
- halcon学习笔记
Alphapeople
学习笔记
读取图片:read_image(Image,'C:/test.png')Halcon的一些基本数据结构:(1)Image:指Halcon的图像类型,由矩阵数据组成,矩阵中的每个值表示一个像素。Image中含有单通道或者多通道的颜色信息。(2)Region:指图像中的一块区域。该区域数据由点的坐标组成,表达的意义类似于一个范围。可以用Region来创建一个感兴趣区域(RegionofInterest
- Halcon学习笔记_03:Blob分析
PaQiuQiu
Halcon玩转机器视觉Blob分析
Blob分析由以下步骤组成:采集图像->提取ROI->图像或ROI对齐->修正图像->图像预处理->提取分割参数->分割图像->区域预处理->提取特征->将结果转为世界坐标->可视化显示1.修正图像图像或区域对齐问题:(SolutionGuideIII-Cinsection3.4)2.图像预处理消除噪声的相关函数:mean_image()gauss_image()相对高斯滤波速度快,效果不完美的函
- HALCON学习笔记之blob分析+特征(定位) 11
学习ing的青年
计算机视觉
blob分析+特征(定位)*采集图像dev_close_window()dev_update_off()read_image(ImageOrig,'blister/blister_reference')dev_open_window_fit_image(ImageOrig,0,0,-1,-1,WindowHandle)set_display_font(WindowHandle,14,'mono',
- HalCon学习笔记3
工大陈
机器视觉halcon学习计算机视觉图像处理
一、实例透视形变图像校正透视形变图形校正步骤如下1.读取图像,并对图像进行简单的处理,分割出目标形变区域2.获取形变区域的轮廓,并计算出顶点坐标信息3.利用上一步得出的坐标信息,计算投影变换矩阵4.进行投影变换二、实现代码1.将图像转化为灰度图像rgb1_to_gray(Image_display,GrayImage)rgb1_to_gray将RGB图像转换为灰度图像RGB图像的三个通道作为输入图
- Halcon学习笔记——条形码的定位与识别
weixin_30708329
数据结构与算法c#
一维码的原理与结构条码基本原理是利用条纹和间隔或宽窄条纹(间隔)构成二进制的”0“和”1“,反映的是某种信息。一维条码数据结构,分四个区域。组成分别为静区、起始/终止符、校验符、数据符。一维条码的意识形态结构,分三条。构成一维码的基本单元是模块,模块是指条码中最窄的条或空;构成条码的条或空称为一个单元,一个单元包含多个或单个模块;一个单元包含的模块数量由编码方式决定,即形成了不同的码制。一维码的定
- Halcon学习笔记:xyz_attrib_to_object_model_3d示例
Leon_Chan0
HALCON
Halcon学习笔记:xyz_attrib_to_object_model_3d——从X、Y和Z图像中创建3D对象模型同时附加属性xyz_attrib_to_object_model_3d.hdevThisexampleprogramshowstheusageoftheprocedurexyz_attrib_to_object_model_3d.Itcanbeusedtocreate3Dobjec
- Halcon相机标定及利用标定结果测距
Mechantronic Bao
Halcon机器视觉计算机视觉图像处理视觉检测
Halcon相机标定及导出标定板实际圆心距离(Halcon学习笔记)首先,采集一组标定板不同位姿图片,利用Halcon标定助手进行标定。在Halcon标定助手中可以通过勾选使用示例中“将测量结果变换到世界坐标系中”导出标定板其中两点中心距。以下为手工编写测两点中心距程序的流程:在此基础上,如下所示,在标定板放置平面上放置一把游标卡尺,测量卡尺上每两个1之间的实际距离:实验测量距离分别为10.118
- Halcon齿轮测量
Mechantronic Bao
Halcon机器视觉视觉检测图像处理计算机视觉
Halcon齿轮测量(Halcon学习笔记)齿轮灰度图像如下:Halcon齿轮测量设计流程首先进行阈值分割并利用面积特征选取出齿轮部分:创建圆的XLD轮廓:进行尺寸测量:生成测量结果并显示:Halcon代码如下:*ImageAcquisition01:CodegeneratedbyImageAcquisition01read_image(Image,'D:/机器视觉学习资料/Halcon学习/案例
- halcon学习笔记--图像数据结构,connection和opening算子使用注意事项
lfw2019
机器视觉halcon
一、机器视觉应用中的三种基本数据结构:1、图像2、区域3、轮廓亚像素轮廓比图像像素分辨率精度更高,亚像素数据可以通过亚像素阈值分割或亚像素边缘提取来获得二、write_image(Image::Format,FillColor,FileName:)按指定格式保存图片,可将图片保存在本地。三、write_region()将区域保存在本地四、tuple_concat(::T1,T2:Concat)将两
- Halcon学习笔记02——透视形变的车牌识别
weixin_43710224
Halcon学习笔记图像识别
1程序流程整体流程如下图所示:首先通过RGB→HSV在颜色空间进行Blob分析提取车牌区域,提取区域如下图所示:可以发现图片出现了透视变换,由于拍摄视角未正视车牌,因此矩形的车牌变成了斜四边形。因此需要对该区域进行透视变换,其核心算子如下:获取变换矩阵:hom_vector_to_proj_hom_mat2d(::Px,Py,Pw,Qx,Qy,Qw,Method:HomMat2D)其中Px,Py分
- HALCON学习笔记
工大陈
机器视觉halcon学习算法
一、第一个halcon程序初次接触视觉算法,对很多概念还是一个很模糊的状态。第一次使用halcon,根据B站联为智能教育的教学视频进行学习记录1.读取图片*Readinganimage:read_image(Image,'mreut')*Reading3imagesintoanimagearray:read_image(Images,['ic0','ic1','ic2'])HALCON算子:rea
- HalCon学习笔记
工大陈
机器视觉halcon学习c++
一、连接相机算子open_framegrabber:连接相机并设置一些基本的采集参数,如选择相机类型和指定采集设备Parameters:1.HorizontalResolution:水平相对分辨率,如果是1,说明采集的图宽度和原图一样大,是2,表示采集的图宽度是原图的两倍,默认为12.VerticalResolution:垂直相对分辨率,如果是1,说明采集的图宽度和原图一样大3.ImageWidt
- HALCON学习笔记(五)——图像分割
weixin_45482443
HALCON
图像分割:将图像中具有特殊意义的不同区域划分开来,这些区域是不交互的。一般采用的图像分割方法有阈值分割,边缘检测,区域生长,霍夫变换等。阈值分割阈值分割:按图像灰度幅度进行分割的方法,把图像的灰度分成不同的等级,然后用设置灰度阈值的方法确定有意义的区域或要分割物体的边界。难点:无法确定图像分割生成区域的数目阈值的确定(阈值选取过高,容易把大量的目标误判为背景;阈值选取过低,容易把大量的背景误判为目
- halcon学习笔记4-字符识别(包括汉字识别)
丶听涛
halcon计算机视觉图像识别ocr
本篇笔记着重写的是如何训练汉字字符,让电脑能够识别出来汉字1.使用系统训练好的文件完成车牌的识别首先我在网上随便找了一直车牌图像然后灰度化再进行阈值操作下一步连通区域后进行特征选择,因为识别中文要训练,这里就先识别英文和数字,后面会有中文的识别详解。因为这里的车牌看起来跟基本是水平的,就不用矫正了。识别前需要将灰度图反转一下(因为我选的字体’Industrial_0-9A-Z_NoRej.omc’
- halcon学习笔记
beaconlight
halcon
API:erision_circle()opening_clrcle()腐蚀命令对原图像信息的丢失比open命令更为严重select_shape()dev_close_window()dev_open_window()需要在窗口显示信息前需要进行这两部操作,获取窗口ID图片处理一般流程采集》预处理(去噪声)》特征处理API:decompose3将一张图装换成三个色域的图Convertathree-
- Halcon学习笔记之测量系列-卡尺测量
小丶锦
计算机视觉图像处理图像识别
介绍完简单的一维测量之后,下面我们来介绍下常用的卡尺测量。Halcon中的Metrology方法即为卡尺工具,可用来拟合线,圆,这种方法对于目标比背景很明显的图像尺寸测量是很方便的,不需要用blob进行边缘提取等,但缺点也很明显,需要目标的相对位置基本不变才行。大致的步骤如图所示:下面我直接用代码来演示,如何用halcon进行卡尺测量。供测量用的图像如下。代码如下:read_image(Image
- [Halcon学习笔记]标定常用的Halcon标定板规格及说明
halcon
1、介绍大多数标定的要求都是以实心圆或方格来作为标志点,所以一般的标定板为棋盘格或矩阵圆点图,高精度的相机标定过程中,大多是以比较明确的特征点来作为参考,所以通过识别标定板的圆形,拟合出精确的中心位置,然后再通过已知的标定模板参数来消除投影造成的形心误差。2、标定板规格标定板的大小要大于全视野的1/3,小于全视野,一般建议使用2/3视野大小的标定板,而且标定板要靠近视野中心,这样中心有效区域的标定
- [Halcon学习笔记]机器视觉缺陷检测常用方法对比总结
halcon
1、介绍缺陷检测时机器视觉需求中最复杂难度较大的一类需求。究其原因,主要是在项目开发过程中首先要保证检测的稳定性和精度,又要实现缺陷检测的通用性,常见的缺陷:凹凸、污点瑕疵、划痕、裂缝、伤痕、毛刺等等类型种类繁杂,缺陷检测不同于尺寸、二维码、OCR识别等算法。后者的应用场景比较单一,基本使用一些成熟的算法实现,最多增加一些定位、图像增强的算法,应用门槛相对较低,也比较容易做成通用的产品或工具。但缺
- Halcon学习笔记之定位测量项目案例
J。in
图像处理机器视觉计算机视觉图像处理图像识别
前面我已经逐个介绍了一维测量,卡尺测量以及相关的模板匹配内容,那么这篇文章呢,我们就完整的介绍下如何去使用模板匹配和测量去完成一个简单的测量项目,这里还是只介绍像素精度的情况下的,有关相机标定的内容后面会单独讲解,话不多说了,我们直奔主题!原图如下(这也是halcon里面案例的图片集):代码如下:read_image(Image,'C:/Users/Public/Documents/MVTec/H
- Halcon学习笔记之模板匹配-基于形状的多模板匹配
小丶锦
图像处理机器视觉图像识别图像处理计算机视觉
基于形状的模板匹配在我们实际的项目中应用最广,同时在一些项目中,光是选中一个目标作为匹配的模板,效果可能还达不到我们所需要达到的要求或者我们所需要检测的目标存在多个特征需要去判别,所以这个时候可以考虑多模板匹配,以增加特征的个数来提高精度或者去得到所需要查找的多个不同特征目标。直接上原图,供创建模板的图片:代码如下:read_image(Image,'C:/Users/Administrator/
- Halcon学习笔记之模板匹配-基于形状的匹配
小丶锦
图像识别图像处理计算机视觉
上篇文章主要介绍的是基于形状的匹配的算子各个参数所具备的作用,这篇文章主要介绍下如何在halcon中去使用这些算子完成基于形状的情况下找到我们的目标,同时我们也介绍下适用于缩放的模板查找。模板图片如下:代码如下:read_image(Image,'C:/Users/Administrator/Desktop/基于形状的匹配/1.jpg')rgb1_to_gray(Image,GrayImage)d
- Halcon学习笔记之OCR系列-环形字符,斜体字
J。in
机器学习ocr
这篇文章主要是介绍下我经历的一些比较难已提取OCR部分的图片,从而介绍下一些特别的处理方式。第一种:差分高斯diff_of_gauss(近似拉普拉斯高斯)原图如下:一般的方法基本提取不出来相应的字符。那我们可以通过差分高斯这个算子直接得出很好的效果图,代码以及效果图如下:read_image(Image,'C:/Users/Administrator/Desktop/3.bmp')rgb1_to_
- java封装继承多态等
麦田的设计者
javaeclipsejvmcencapsulatopn
最近一段时间看了很多的视频却忘记总结了,现在只能想到什么写什么了,希望能起到一个回忆巩固的作用。
1、final关键字
译为:最终的
&
- F5与集群的区别
bijian1013
weblogic集群F5
http请求配置不是通过集群,而是F5;集群是weblogic容器的,如果是ejb接口是通过集群。
F5同集群的差别,主要还是会话复制的问题,F5一把是分发http请求用的,因为http都是无状态的服务,无需关注会话问题,类似
- LeetCode[Math] - #7 Reverse Integer
Cwind
java题解MathLeetCodeAlgorithm
原题链接:#7 Reverse Integer
要求:
按位反转输入的数字
例1: 输入 x = 123, 返回 321
例2: 输入 x = -123, 返回 -321
难度:简单
分析:
对于一般情况,首先保存输入数字的符号,然后每次取输入的末位(x%10)作为输出的高位(result = result*10 + x%10)即可。但
- BufferedOutputStream
周凡杨
首先说一下这个大批量,是指有上千万的数据量。
例子:
有一张短信历史表,其数据有上千万条数据,要进行数据备份到文本文件,就是执行如下SQL然后将结果集写入到文件中!
select t.msisd
- linux下模拟按键输入和鼠标
被触发
linux
查看/dev/input/eventX是什么类型的事件, cat /proc/bus/input/devices
设备有着自己特殊的按键键码,我需要将一些标准的按键,比如0-9,X-Z等模拟成标准按键,比如KEY_0,KEY-Z等,所以需要用到按键 模拟,具体方法就是操作/dev/input/event1文件,向它写入个input_event结构体就可以模拟按键的输入了。
linux/in
- ContentProvider初体验
肆无忌惮_
ContentProvider
ContentProvider在安卓开发中非常重要。与Activity,Service,BroadcastReceiver并称安卓组件四大天王。
在android中的作用是用来对外共享数据。因为安卓程序的数据库文件存放在data/data/packagename里面,这里面的文件默认都是私有的,别的程序无法访问。
如果QQ游戏想访问手机QQ的帐号信息一键登录,那么就需要使用内容提供者COnte
- 关于Spring MVC项目(maven)中通过fileupload上传文件
843977358
mybatisspring mvc修改头像上传文件upload
Spring MVC 中通过fileupload上传文件,其中项目使用maven管理。
1.上传文件首先需要的是导入相关支持jar包:commons-fileupload.jar,commons-io.jar
因为我是用的maven管理项目,所以要在pom文件中配置(每个人的jar包位置根据实际情况定)
<!-- 文件上传 start by zhangyd-c --&g
- 使用svnkit api,纯java操作svn,实现svn提交,更新等操作
aigo
svnkit
原文:http://blog.csdn.net/hardwin/article/details/7963318
import java.io.File;
import org.apache.log4j.Logger;
import org.tmatesoft.svn.core.SVNCommitInfo;
import org.tmateso
- 对比浏览器,casperjs,httpclient的Header信息
alleni123
爬虫crawlerheader
@Override
protected void doGet(HttpServletRequest req, HttpServletResponse res) throws ServletException, IOException
{
String type=req.getParameter("type");
Enumeration es=re
- java.io操作 DataInputStream和DataOutputStream基本数据流
百合不是茶
java流
1,java中如果不保存整个对象,只保存类中的属性,那么我们可以使用本篇文章中的方法,如果要保存整个对象 先将类实例化 后面的文章将详细写到
2,DataInputStream 是java.io包中一个数据输入流允许应用程序以与机器无关方式从底层输入流中读取基本 Java 数据类型。应用程序可以使用数据输出流写入稍后由数据输入流读取的数据。
- 车辆保险理赔案例
bijian1013
车险
理赔案例:
一货运车,运输公司为车辆购买了机动车商业险和交强险,也买了安全生产责任险,运输一车烟花爆竹,在行驶途中发生爆炸,出现车毁、货损、司机亡、炸死一路人、炸毁一间民宅等惨剧,针对这几种情况,该如何赔付。
赔付建议和方案:
客户所买交强险在这里不起作用,因为交强险的赔付前提是:“机动车发生道路交通意外事故”;
如果是交通意外事故引发的爆炸,则优先适用交强险条款进行赔付,不足的部分由商业
- 学习Spring必学的Java基础知识(5)—注解
bijian1013
javaspring
文章来源:http://www.iteye.com/topic/1123823,整理在我的博客有两个目的:一个是原文确实很不错,通俗易懂,督促自已将博主的这一系列关于Spring文章都学完;另一个原因是为免原文被博主删除,在此记录,方便以后查找阅读。
有必要对
- 【Struts2一】Struts2 Hello World
bit1129
Hello world
Struts2 Hello World应用的基本步骤
创建Struts2的Hello World应用,包括如下几步:
1.配置web.xml
2.创建Action
3.创建struts.xml,配置Action
4.启动web server,通过浏览器访问
配置web.xml
<?xml version="1.0" encoding="
- 【Avro二】Avro RPC框架
bit1129
rpc
1. Avro RPC简介 1.1. RPC
RPC逻辑上分为二层,一是传输层,负责网络通信;二是协议层,将数据按照一定协议格式打包和解包
从序列化方式来看,Apache Thrift 和Google的Protocol Buffers和Avro应该是属于同一个级别的框架,都能跨语言,性能优秀,数据精简,但是Avro的动态模式(不用生成代码,而且性能很好)这个特点让人非常喜欢,比较适合R
- lua set get cookie
ronin47
lua cookie
lua:
local access_token = ngx.var.cookie_SGAccessToken
if access_token then
ngx.header["Set-Cookie"] = "SGAccessToken="..access_token.."; path=/;Max-Age=3000"
end
- java-打印不大于N的质数
bylijinnan
java
public class PrimeNumber {
/**
* 寻找不大于N的质数
*/
public static void main(String[] args) {
int n=100;
PrimeNumber pn=new PrimeNumber();
pn.printPrimeNumber(n);
System.out.print
- Spring源码学习-PropertyPlaceholderHelper
bylijinnan
javaspring
今天在看Spring 3.0.0.RELEASE的源码,发现PropertyPlaceholderHelper的一个bug
当时觉得奇怪,上网一搜,果然是个bug,不过早就有人发现了,且已经修复:
详见:
http://forum.spring.io/forum/spring-projects/container/88107-propertyplaceholderhelper-bug
- [逻辑与拓扑]布尔逻辑与拓扑结构的结合会产生什么?
comsci
拓扑
如果我们已经在一个工作流的节点中嵌入了可以进行逻辑推理的代码,那么成百上千个这样的节点如果组成一个拓扑网络,而这个网络是可以自动遍历的,非线性的拓扑计算模型和节点内部的布尔逻辑处理的结合,会产生什么样的结果呢?
是否可以形成一种新的模糊语言识别和处理模型呢? 大家有兴趣可以试试,用软件搞这些有个好处,就是花钱比较少,就算不成
- ITEYE 都换百度推广了
cuisuqiang
GoogleAdSense百度推广广告外快
以前ITEYE的广告都是谷歌的Google AdSense,现在都换成百度推广了。
为什么个人博客设置里面还是Google AdSense呢?
都知道Google AdSense不好申请,这在ITEYE上也不是讨论了一两天了,强烈建议ITEYE换掉Google AdSense。至少,用一个好申请的吧。
什么时候能从ITEYE上来点外快,哪怕少点
- 新浪微博技术架构分析
dalan_123
新浪微博架构
新浪微博在短短一年时间内从零发展到五千万用户,我们的基层架构也发展了几个版本。第一版就是是非常快的,我们可以非常快的实现我们的模块。我们看一下技术特点,微博这个产品从架构上来分析,它需要解决的是发表和订阅的问题。我们第一版采用的是推的消息模式,假如说我们一个明星用户他有10万个粉丝,那就是说用户发表一条微博的时候,我们把这个微博消息攒成10万份,这样就是很简单了,第一版的架构实际上就是这两行字。第
- 玩转ARP攻击
dcj3sjt126com
r
我写这片文章只是想让你明白深刻理解某一协议的好处。高手免看。如果有人利用这片文章所做的一切事情,盖不负责。 网上关于ARP的资料已经很多了,就不用我都说了。 用某一位高手的话来说,“我们能做的事情很多,唯一受限制的是我们的创造力和想象力”。 ARP也是如此。 以下讨论的机子有 一个要攻击的机子:10.5.4.178 硬件地址:52:54:4C:98
- PHP编码规范
dcj3sjt126com
编码规范
一、文件格式
1. 对于只含有 php 代码的文件,我们将在文件结尾处忽略掉 "?>" 。这是为了防止多余的空格或者其它字符影响到代码。例如:<?php$foo = 'foo';2. 缩进应该能够反映出代码的逻辑结果,尽量使用四个空格,禁止使用制表符TAB,因为这样能够保证有跨客户端编程器软件的灵活性。例
- linux 脱机管理(nohup)
eksliang
linux nohupnohup
脱机管理 nohup
转载请出自出处:http://eksliang.iteye.com/blog/2166699
nohup可以让你在脱机或者注销系统后,还能够让工作继续进行。他的语法如下
nohup [命令与参数] --在终端机前台工作
nohup [命令与参数] & --在终端机后台工作
但是这个命令需要注意的是,nohup并不支持bash的内置命令,所
- BusinessObjects Enterprise Java SDK
greemranqq
javaBOSAPCrystal Reports
最近项目用到oracle_ADF 从SAP/BO 上调用 水晶报表,资料比较少,我做一个简单的分享,给和我一样的新手 提供更多的便利。
首先,我是尝试用JAVA JSP 去访问的。
官方API:http://devlibrary.businessobjects.com/BusinessObjectsxi/en/en/BOE_SDK/boesdk_ja
- 系统负载剧变下的管控策略
iamzhongyong
高并发
假如目前的系统有100台机器,能够支撑每天1亿的点击量(这个就简单比喻一下),然后系统流量剧变了要,我如何应对,系统有那些策略可以处理,这里总结了一下之前的一些做法。
1、水平扩展
这个最容易理解,加机器,这样的话对于系统刚刚开始的伸缩性设计要求比较高,能够非常灵活的添加机器,来应对流量的变化。
2、系统分组
假如系统服务的业务不同,有优先级高的,有优先级低的,那就让不同的业务调用提前分组
- BitTorrent DHT 协议中文翻译
justjavac
bit
前言
做了一个磁力链接和BT种子的搜索引擎 {Magnet & Torrent},因此把 DHT 协议重新看了一遍。
BEP: 5Title: DHT ProtocolVersion: 3dec52cb3ae103ce22358e3894b31cad47a6f22bLast-Modified: Tue Apr 2 16:51:45 2013 -070
- Ubuntu下Java环境的搭建
macroli
java工作ubuntu
配置命令:
$sudo apt-get install ubuntu-restricted-extras
再运行如下命令:
$sudo apt-get install sun-java6-jdk
待安装完毕后选择默认Java.
$sudo update- alternatives --config java
安装过程提示选择,输入“2”即可,然后按回车键确定。
- js字符串转日期(兼容IE所有版本)
qiaolevip
TODateStringIE
/**
* 字符串转时间(yyyy-MM-dd HH:mm:ss)
* result (分钟)
*/
stringToDate : function(fDate){
var fullDate = fDate.split(" ")[0].split("-");
var fullTime = fDate.split("
- 【数据挖掘学习】关联规则算法Apriori的学习与SQL简单实现购物篮分析
superlxw1234
sql数据挖掘关联规则
关联规则挖掘用于寻找给定数据集中项之间的有趣的关联或相关关系。
关联规则揭示了数据项间的未知的依赖关系,根据所挖掘的关联关系,可以从一个数据对象的信息来推断另一个数据对象的信息。
例如购物篮分析。牛奶 ⇒ 面包 [支持度:3%,置信度:40%] 支持度3%:意味3%顾客同时购买牛奶和面包。 置信度40%:意味购买牛奶的顾客40%也购买面包。 规则的支持度和置信度是两个规则兴
- Spring 5.0 的系统需求,期待你的反馈
wiselyman
spring
Spring 5.0将在2016年发布。Spring5.0将支持JDK 9。
Spring 5.0的特性计划还在工作中,请保持关注,所以作者希望从使用者得到关于Spring 5.0系统需求方面的反馈。