- 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:
- Spring的注解积累
yijiesuifeng
spring注解
用注解来向Spring容器注册Bean。
需要在applicationContext.xml中注册:
<context:component-scan base-package=”pagkage1[,pagkage2,…,pagkageN]”/>。
如:在base-package指明一个包
<context:component-sc
- 传感器
百合不是茶
android传感器
android传感器的作用主要就是来获取数据,根据得到的数据来触发某种事件
下面就以重力传感器为例;
1,在onCreate中获得传感器服务
private SensorManager sm;// 获得系统的服务
private Sensor sensor;// 创建传感器实例
@Override
protected void
- [光磁与探测]金吕玉衣的意义
comsci
这是一个古代人的秘密:现在告诉大家
信不信由你们:
穿上金律玉衣的人,如果处于灵魂出窍的状态,可以飞到宇宙中去看星星
这就是为什么古代
- 精简的反序打印某个数
沐刃青蛟
打印
以前看到一些让求反序打印某个数的程序。
比如:输入123,输出321。
记得以前是告诉你是几位数的,当时就抓耳挠腮,完全没有思路。
似乎最后是用到%和/方法解决的。
而今突然想到一个简短的方法,就可以实现任意位数的反序打印(但是如果是首位数或者尾位数为0时就没有打印出来了)
代码如下:
long num, num1=0;
- PHP:6种方法获取文件的扩展名
IT独行者
PHP扩展名
PHP:6种方法获取文件的扩展名
1、字符串查找和截取的方法
1
$extension
=
substr
(
strrchr
(
$file
,
'.'
), 1);
2、字符串查找和截取的方法二
1
$extension
=
substr
- 面试111
文强chu
面试
1事务隔离级别有那些 ,事务特性是什么(问到一次)
2 spring aop 如何管理事务的,如何实现的。动态代理如何实现,jdk怎么实现动态代理的,ioc是怎么实现的,spring是单例还是多例,有那些初始化bean的方式,各有什么区别(经常问)
3 struts默认提供了那些拦截器 (一次)
4 过滤器和拦截器的区别 (频率也挺高)
5 final,finally final
- XML的四种解析方式
小桔子
domjdomdom4jsax
在平时工作中,难免会遇到把 XML 作为数据存储格式。面对目前种类繁多的解决方案,哪个最适合我们呢?在这篇文章中,我对这四种主流方案做一个不完全评测,仅仅针对遍历 XML 这块来测试,因为遍历 XML 是工作中使用最多的(至少我认为)。 预 备 测试环境: AMD 毒龙1.4G OC 1.5G、256M DDR333、Windows2000 Server
- wordpress中常见的操作
aichenglong
中文注册wordpress移除菜单
1 wordpress中使用中文名注册解决办法
1)使用插件
2)修改wp源代码
进入到wp-include/formatting.php文件中找到
function sanitize_user( $username, $strict = false
- 小飞飞学管理-1
alafqq
管理
项目管理的下午题,其实就在提出问题(挑刺),分析问题,解决问题。
今天我随意看下10年上半年的第一题。主要就是项目经理的提拨和培养。
结合我自己经历写下心得
对于公司选拔和培养项目经理的制度有什么毛病呢?
1,公司考察,选拔项目经理,只关注技术能力,而很少或没有关注管理方面的经验,能力。
2,公司对项目经理缺乏必要的项目管理知识和技能方面的培训。
3,公司对项目经理的工作缺乏进行指
- IO输入输出部分探讨
百合不是茶
IO
//文件处理 在处理文件输入输出时要引入java.IO这个包;
/*
1,运用File类对文件目录和属性进行操作
2,理解流,理解输入输出流的概念
3,使用字节/符流对文件进行读/写操作
4,了解标准的I/O
5,了解对象序列化
*/
//1,运用File类对文件目录和属性进行操作
//在工程中线创建一个text.txt
- getElementById的用法
bijian1013
element
getElementById是通过Id来设置/返回HTML标签的属性及调用其事件与方法。用这个方法基本上可以控制页面所有标签,条件很简单,就是给每个标签分配一个ID号。
返回具有指定ID属性值的第一个对象的一个引用。
语法:
&n
- 励志经典语录
bijian1013
励志人生
经典语录1:
哈佛有一个著名的理论:人的差别在于业余时间,而一个人的命运决定于晚上8点到10点之间。每晚抽出2个小时的时间用来阅读、进修、思考或参加有意的演讲、讨论,你会发现,你的人生正在发生改变,坚持数年之后,成功会向你招手。不要每天抱着QQ/MSN/游戏/电影/肥皂剧……奋斗到12点都舍不得休息,看就看一些励志的影视或者文章,不要当作消遣;学会思考人生,学会感悟人生
- [MongoDB学习笔记三]MongoDB分片
bit1129
mongodb
MongoDB的副本集(Replica Set)一方面解决了数据的备份和数据的可靠性问题,另一方面也提升了数据的读写性能。MongoDB分片(Sharding)则解决了数据的扩容问题,MongoDB作为云计算时代的分布式数据库,大容量数据存储,高效并发的数据存取,自动容错等是MongoDB的关键指标。
本篇介绍MongoDB的切片(Sharding)
1.何时需要分片
&nbs
- 【Spark八十三】BlockManager在Spark中的使用场景
bit1129
manager
1. Broadcast变量的存储,在HttpBroadcast类中可以知道
2. RDD通过CacheManager存储RDD中的数据,CacheManager也是通过BlockManager进行存储的
3. ShuffleMapTask得到的结果数据,是通过FileShuffleBlockManager进行管理的,而FileShuffleBlockManager最终也是使用BlockMan
- yum方式部署zabbix
ronin47
yum方式部署zabbix
安装网络yum库#rpm -ivh http://repo.zabbix.com/zabbix/2.4/rhel/6/x86_64/zabbix-release-2.4-1.el6.noarch.rpm 通过yum装mysql和zabbix调用的插件还有agent代理#yum install zabbix-server-mysql zabbix-web-mysql mysql-
- Hibernate4和MySQL5.5自动创建表失败问题解决方法
byalias
J2EEHibernate4
今天初学Hibernate4,了解了使用Hibernate的过程。大体分为4个步骤:
①创建hibernate.cfg.xml文件
②创建持久化对象
③创建*.hbm.xml映射文件
④编写hibernate相应代码
在第四步中,进行了单元测试,测试预期结果是hibernate自动帮助在数据库中创建数据表,结果JUnit单元测试没有问题,在控制台打印了创建数据表的SQL语句,但在数据库中
- Netty源码学习-FrameDecoder
bylijinnan
javanetty
Netty 3.x的user guide里FrameDecoder的例子,有几个疑问:
1.文档说:FrameDecoder calls decode method with an internally maintained cumulative buffer whenever new data is received.
为什么每次有新数据到达时,都会调用decode方法?
2.Dec
- SQL行列转换方法
chicony
行列转换
create table tb(终端名称 varchar(10) , CEI分值 varchar(10) , 终端数量 int)
insert into tb values('三星' , '0-5' , 74)
insert into tb values('三星' , '10-15' , 83)
insert into tb values('苹果' , '0-5' , 93)
- 中文编码测试
ctrain
编码
循环打印转换编码
String[] codes = {
"iso-8859-1",
"utf-8",
"gbk",
"unicode"
};
for (int i = 0; i < codes.length; i++) {
for (int j
- hive 客户端查询报堆内存溢出解决方法
daizj
hive堆内存溢出
hive> select * from t_test where ds=20150323 limit 2;
OK
Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
问题原因: hive堆内存默认为256M
这个问题的解决方法为:
修改/us
- 人有多大懒,才有多大闲 (评论『卓有成效的程序员』)
dcj3sjt126com
程序员
卓有成效的程序员给我的震撼很大,程序员作为特殊的群体,有的人可以这么懒, 懒到事情都交给机器去做 ,而有的人又可以那么勤奋,每天都孜孜不倦得做着重复单调的工作。
在看这本书之前,我属于勤奋的人,而看完这本书以后,我要努力变成懒惰的人。
不要在去庞大的开始菜单里面一项一项搜索自己的应用程序,也不要在自己的桌面上放置眼花缭乱的快捷图标
- Eclipse简单有用的配置
dcj3sjt126com
eclipse
1、显示行号 Window -- Prefences -- General -- Editors -- Text Editors -- show line numbers
2、代码提示字符 Window ->Perferences,并依次展开 Java -> Editor -> Content Assist,最下面一栏 auto-Activation
- 在tomcat上面安装solr4.8.0全过程
eksliang
Solrsolr4.0后的版本安装solr4.8.0安装
转载请出自出处:
http://eksliang.iteye.com/blog/2096478
首先solr是一个基于java的web的应用,所以安装solr之前必须先安装JDK和tomcat,我这里就先省略安装tomcat和jdk了
第一步:当然是下载去官网上下载最新的solr版本,下载地址
- Android APP通用型拒绝服务、漏洞分析报告
gg163
漏洞androidAPP分析
点评:记得曾经有段时间很多SRC平台被刷了大量APP本地拒绝服务漏洞,移动安全团队爱内测(ineice.com)发现了一个安卓客户端的通用型拒绝服务漏洞,来看看他们的详细分析吧。
0xr0ot和Xbalien交流所有可能导致应用拒绝服务的异常类型时,发现了一处通用的本地拒绝服务漏洞。该通用型本地拒绝服务可以造成大面积的app拒绝服务。
针对序列化对象而出现的拒绝服务主要
- HoverTree项目已经实现分层
hvt
编程.netWebC#ASP.ENT
HoverTree项目已经初步实现分层,源代码已经上传到 http://hovertree.codeplex.com请到SOURCE CODE查看。在本地用SQL Server 2008 数据库测试成功。数据库和表请参考:http://keleyi.com/a/bjae/ue6stb42.htmHoverTree是一个ASP.NET 开源项目,希望对你学习ASP.NET或者C#语言有帮助,如果你对
- Google Maps API v3: Remove Markers 移除标记
天梯梦
google maps api
Simply do the following:
I. Declare a global variable:
var markersArray = [];
II. Define a function:
function clearOverlays() {
for (var i = 0; i < markersArray.length; i++ )
- jQuery选择器总结
lq38366
jquery选择器
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
- 基础数据结构和算法六:Quick sort
sunwinner
AlgorithmQuicksort
Quick sort is probably used more widely than any other. It is popular because it is not difficult to implement, works well for a variety of different kinds of input data, and is substantially faster t
- 如何让Flash不遮挡HTML div元素的技巧_HTML/Xhtml_网页制作
刘星宇
htmlWeb
今天在写一个flash广告代码的时候,因为flash自带的链接,容易被当成弹出广告,所以做了一个div层放到flash上面,这样链接都是a触发的不会被拦截,但发现flash一直处于div层上面,原来flash需要加个参数才可以。
让flash置于DIV层之下的方法,让flash不挡住飘浮层或下拉菜单,让Flash不档住浮动对象或层的关键参数:wmode=opaque。
方法如下:
- Mybatis实用Mapper SQL汇总示例
wdmcygah
sqlmysqlmybatis实用
Mybatis作为一个非常好用的持久层框架,相关资料真的是少得可怜,所幸的是官方文档还算详细。本博文主要列举一些个人感觉比较常用的场景及相应的Mapper SQL写法,希望能够对大家有所帮助。
不少持久层框架对动态SQL的支持不足,在SQL需要动态拼接时非常苦恼,而Mybatis很好地解决了这个问题,算是框架的一大亮点。对于常见的场景,例如:批量插入/更新/删除,模糊查询,多条件查询,联表查询,