- 成像光谱遥感技术中的AI革命:ChatGPT在遥感领域中的应用
科研的力量
人工智能ChatGPTchatgpt人工智能
课程将最新的人工智能技术与实际的遥感应用相结合,提供不仅是理论上的,而且是适用和可靠的工具和方法。无论你是经验丰富的研究人员还是好奇的从业者,本课程都将为分析和解释遥感数据开辟新的、有效的方法,使你的工作更具影响力和前沿性。遥感技术主要通过卫星和飞机从远处观察和测量我们的环境,是理解和监测地球物理、化学和生物系统的基石。ChatGPT是由OpenAI开发的最先进的语言模型,在理解和生成人类语言方面
- 遥感云大数据在灾害、水体与湿地领域典型案例实践及GPT模型应用
科研的力量
生态遥感双碳chatgptGEE卫星遥感数据
以EarthEngine(GEE)、PIE-Engine为代表全球尺度地球科学数据(尤其是卫星遥感数据)在线可视化计算和分析云平台应用越来越广泛。GEE平台存储和同步遥感领域目前常用的MODIS、Landsat和Sentinel等卫星影像、气候与天气、地球物理等方面的数据集超过80PB,同时依托全球上百万台超级服务器,提供足够的运算能力对这些数据进行处理。相比于ENVI等传统的遥感影像处理工具,G
- Sentinel-5P遥感数据下载及预处理教程【20250105】
八秒记忆的老男孩
遥感数据预处理遥感反演Sentinel-5P预处理遥感数据
Sentinel-5P是欧空局(EuropeSpaceAgency,ESA)于2017年10月13日发射的一颗全球大气污染监测卫星。卫星搭载了对流层观测仪(TroposphericMonitoringInstrument,TROPOMI),可以有效的观测全球各地大气中痕量气体组分,包括NO2、O3、SO2、HCHO、CH4和CO等重要的与人类活动密切相关的指标,加强了对气溶胶和云的观测。⛄Sent
- 【深度学习|学习笔记】预训练(Pretraining)的作用有哪些?
985小水博一枚呀
深度学习学习笔记深度学习学习笔记人工智能
【深度学习|学习笔记】预训练(Pretraining)的作用有哪些?【深度学习|学习笔记】预训练(Pretraining)的作用有哪些?文章目录【深度学习|学习笔记】预训练(Pretraining)的作用有哪些?前言✅一、提高模型性能✅二、降低训练成本✅三、迁移学习能力强✅四、模型结构验证过,可靠性高✅五、促进多模态和复杂任务发展总结如何将自己的遥感数据(输入波段为17)用作DenseNet121
- EasyFeature:智能要素提取的遥感技术创新
智绘空天
人工智能深度学习机器学习图像处理
引言传统遥感解译受制于海量数据与地物复杂性,精度与效率常陷入瓶颈。EasyFeature软件正是应对这一领域痛点的先锋解决方案,其核心“要素智能提取”特性,聚焦于云覆盖、道路、居民地/建筑物、林地、水系等关键专题信息的深度挖掘,彻底改变了工程化影像处理流程。该软件依托强大的核心技术壁垒与智能算法,不仅有效提升了信息提取精度,更将遥感解译的效率提升至全新高度,为遥感数据分析领域注入自动化能量。核心技
- GIS基础应用技术从0开始
前端小白从0开始
html5vue.js前端GISOpenLayers
一、GIS数据构成1、地图数据:包括地形图,交通图,水系图等基础地理信息,如高德路网图,中国地形图等。图1-高德卫星图+路网2、遥感数据:通过卫星,无人机等遥感设备获取的影响数据。如天地图和地块管理系统中展示的高清地图图2-卫星遥感影像与无人机影像3、属性数据:描述地理实体特征的文字和数字信息。例如一个地块的类型和面积。图3-地理元素与其属性表4、元数据:描述地理数据的内容、质量、来源等信息的数据
- 植被监测新范式!Python驱动机器学习反演NDVI/LAI关键技术解析
梦想的初衷~
生态环境遥感植被python机器学习生态环境监测
在全球气候变化与生态环境监测的重要需求下,植被参数遥感反演作为定量评估植被生理状态、结构特征及生态功能的核心技术,正面临数据复杂度提升、模型精度要求高、多源异构数据融合等挑战。人工智能(AI)技术的快速发展,尤其是机器学习与深度学习算法的突破,为解决这些难题提供了全新路径。AI凭借强大的非线性拟合能力、数据特征自动提取优势及跨模态信息融合潜力,能够高效处理遥感数据中的噪声与不确定性,显著提升植被参
- DeepSeek 赋能卫星遥感:AI 驱动数据分析新范式
奔跑吧邓邓子
DeepSeek实战DeepSeek卫星遥感数据分析人工智能应用
目录一、引言二、DeepSeek技术解析2.1DeepSeek简介2.2核心能力与优势三、卫星遥感数据分析概述3.1数据获取与特点3.2传统分析方法及挑战四、DeepSeek在卫星遥感数据分析中的应用场景4.1土地利用与覆盖监测4.2自然资源调查4.3灾害监测与预警4.4生态环境评估五、应用案例剖析5.1具体项目背景介绍5.2DeepSeek应用过程与成果展示5.3与传统方法对比优势六、面临的挑战
- 【智慧农业 × 国产大模型】智能病虫害识别与作物产量预测工程实践全流程解析
观熵
国产大模型部署实战全流程指南大数据人工智能国产大模型
【智慧农业×国产大模型】智能病虫害识别与作物产量预测工程实践全流程解析关键词国产大模型、农业AI、病虫害识别、作物产量预测、图像分类、多模态融合、时序建模、遥感数据、边缘计算、农业大数据、模型轻量化、精细化种植摘要随着农业智能化进程加速,传统依赖人力经验的病虫害识别与作物产量评估方式,已无法满足大规模、精细化生产需求。本文基于国产大模型的实际应用案例,深入解析如何构建面向田间场景的“病虫害识别+产
- 珈和科技荣登《湖北日报》头版,碧空“慧眼”让业者心中有“数”
珈和info
科技
2016年以来每年的4月24日设定为“中国航天日”,今年我们一起在家门口(今年的主场活动将在湖北武汉举办)以“极目楚天,共襄星汉”为主题迎来了第九个“中国航天日”。回望珈和科技创业十年路,始终与国家航天事业保持步调一致、快速前进,并连续6年荣获“中国商业航天30强”称号。作为2023年度“中国商业航天30强”中湖北省唯二上榜的企业,珈和科技在商业航天领域离下游产业链最近的一环——卫星遥感数据服务场
- GEE案例:基于Google Earth Engine的RUSLE土壤侵蚀模型实现与分析(恒河缓冲区)
此星光明
GEE案例分析人工智能大数据rusle土壤侵蚀模型算法gee
基于GoogleEarthEngine的RUSLE土壤侵蚀模型实现与分析(恒河缓冲区案例研究|2024-2025年度数据)1.研究背景与数据准备本研究利用修正通用土壤流失方程(RUSLE)评估恒河支流缓冲区的土壤侵蚀状况。核心数据集包括:气象数据:CHIRPS日降水数据集(计算R因子)地形数据:SRTM数字高程模型(提取LS因子)遥感数据:哨兵2号(计算C因子)、MODIS土地覆盖(提取P因子)土
- 轻松发TGRS!遥感结合小目标检测 模型达到94.2%mAP
Ai多利
目标检测人工智能计算机视觉遥感
2025深度学习发论文&模型涨点之——遥感+小目标检测遥感在军事侦察、资源勘探、环境监测等领域的应用日益广泛。然而,如何从海量的遥感数据中准确、高效地检测出小目标,已成为当前遥感图像处理领域的关键挑战之一。小目标在遥感图像中往往具有尺寸微小、背景复杂、对比度低等特点,这使得传统的检测方法难以满足实际应用的需求。近年来,随着深度学习技术的兴起,基于卷积神经网络(CNN)的检测算法为遥感小目标检测带来
- 【卫星遥感影像】国产遥感影像分类技术应用研究进展综述_论文推荐
兰小静
卫星遥感论文推荐国产遥感影像分类应用研究进展
影像分类是遥感影像信息提取中的基本问题之一和遥感影像应用的关键,为我国掌握本土信息资源自主权、满足国家的紧迫需求具有重大战略意义。本文将进行这篇遥感影像分类的论文推荐。1.论文引用[1]胡杰,张莹,谢仕义.国产遥感影像分类技术应用研究进展综述[J].计算机工程与应用,2021,57(03):1-13.2.国产遥感数据概述环境系列遥感卫星:是我国专门用于环境和灾害监测的对地观测卫星系统,主要由2颗光
- 最新AI赋能Python长时序植被遥感动态分析、物候提取、时空变异归因及RSEI生态评估
jwwkyjspt
地学植物遥感人工智能遥感植物农业
在遥感技术与人工智能深度融合的2025年,AI大模型正重塑长时序植被遥感数据分析范式。从Landsat/Sentinel卫星数据的智能化去云处理,到MODIS植被产品的AI辅助质量控制,以ChatGPT、DeepSeeK为代表的大模型技术已成为提升遥感数据处理效率与精度的核心工具——尤其在长时序植被动态监测、物候期精准提取、时空变异归因分析及生态环境质量评估等领域,展现出传统方法难以企及的技术优势
- 中国地区土地覆盖综合数据集
做科研的周师兄
数据集分享大数据
LandcoverproductsofChina时间分辨率年共享方式开放获取数据大小434.73MB数据时间范围元数据更新时间2020-07-17数据集摘要中国土地覆盖数据集包括5种产品:1)glc2000_lucc_1km_China.asc,由GLC2000项目开发的基于SPOT4遥感数据的全球土地覆盖数据中国子集,数据名称为GLC2000.GLC2000中国区域土地覆盖数据由全球覆盖数据直接
- 遥感大数据处理基础与AI大模型交互
小艳加油
人工智能GEEchatgpt遥感
公众号,【科研的力量】随着航空、航天、近地空间等多个遥感平台的不断发展,近年来遥感技术突飞猛进。由此,遥感数据的空间、时间、光谱分辨率不断提高,数据量也大幅增长,使其越来越具有大数据特征。对于相关研究而言,遥感大数据的出现为其提供了前所未有的机遇,但同时也提出了巨大的挑战。传统的工作站和服务器已经无法满足大区域、多尺度海量遥感数据处理的需要。为解决这一问题,国内外涌现了许多全球尺度地球科学数据(尤
- AI-Python机器学习与深度学习技术在植被参数反演中的核心技术应用
xiao5kou4chang6kai4
生态遥感深度学习人工智能python机器学习遥感反演植被参数生态环境
在全球气候变化与生态环境监测的重要需求下,植被参数遥感反演作为定量评估植被生理状态、结构特征及生态功能的核心技术,正面临数据复杂度提升、模型精度要求高、多源异构数据融合等挑战。人工智能(AI)技术的快速发展,尤其是机器学习与深度学习算法的突破,为解决这些难题提供了全新路径。AI凭借强大的非线性拟合能力、数据特征自动提取优势及跨模态信息融合潜力,能够高效处理遥感数据中的噪声与不确定性,显著提升植被参
- 【大模型ChatGPT +DeepSeeK+python】最新AI赋能Python长时序植被遥感动态分析、物候提取、时空变异归因及RSEI生态评估
赵钰老师
遥感DeepSeekpython人工智能chatgpt数据分析pythonarcgis
在遥感技术与人工智能深度融合的2025年,AI大模型正重塑长时序植被遥感数据分析范式。从Landsat/Sentinel卫星数据的智能化去云处理,到MODIS植被产品的AI辅助质量控制,以ChatGPT、DeepSeeK为代表的大模型技术已成为提升遥感数据处理效率与精度的核心工具——尤其在长时序植被动态监测、物候期精准提取、时空变异归因分析及生态环境质量评估等领域,展现出传统方法难以企及的技术优势
- 第36讲:作物生长预测中的时间序列建模(LSTM等)
Chh0715
lstm人工智能rnnr语言python
目录为什么用时间序列模型来预测作物生长?⛓️什么是LSTM?示例案例:预测小麦NDVI变化趋势1️⃣模拟数据构建(或使用真实遥感数据)2️⃣构建LSTM所需数据格式3️⃣构建并训练LSTM模型4️⃣模型预测与效果可视化除了LSTM,还有哪些方法?农学中的潜在应用场景✅小结在精准农业快速发展的今天,如何准确预测作物的生长状态,已成为提升农业决策效率的重要课题。特别是面对多变的气候、不同地块的管理方式
- 遥感大模型
大奎帝国
笔记
遥感大模型简介单一模态简介随着高光谱遥感技术的迅猛发展,光谱成像数据呈爆炸式增长,现有的分析方法和解译手段已不能满足全要素精细地物感知的需求,人工智能大模型的出现,为解决高光谱遥感数据信息充分提取与挖掘、实现“吃干榨净”提供了技术保障。斯坦福大学的研究定义基础模型(FM)为:指在广泛数据上训练的模型(通常使用大规模的自监督方法),可以用于广泛的下游任务(通过微调等方法)。GPT-4等是目前比较流行
- 第十九讲 XGBoost 二分类模型案例(遥感数据识别玉米与小麦地块)
Chh0715
数据挖掘人工智能r语言机器学习算法分类
案例场景:遥感数据识别玉米与小麦地块你是一名农业遥感研究者,希望根据遥感指数(如NDVI、EVI、土壤亮度等)对农田进行分类,判断地块是玉米还是小麦。步骤1:模拟数据生成我们使用dplyr和MASS生成500个样本数据,包含4个遥感特征变量与1个类别标签(玉米=1,小麦=0)。#加载所需包library(dplyr)library(ggplot2)library(xgboost)library(c
- 根据ndvi提取非水体_无人机多光谱遥感系统在河道水体富养化监测中的应用
小小黑飞飞
根据ndvi提取非水体
摘要:伴随着无人机平台的不断进步,遥感传感器日益丰富,可见光及近红外波段的高分辨率影像逐步普及,推动无人机低空遥感由侧重几何定位的测绘应用向以决策支持为目的的专题信息提取方向转变。运用分析遥感数据的数学和物理方法,开展定量遥感方面的研究,进一步将基础影像数据转化为高级专题产品,正在成为一种新的趋势。本文介绍一种面向水体污染物监测的无人机多光谱应用方法。水体富营养化防治是水污染治理中最为复杂和困难的
- CNN+Transformer实现遥感影像建筑物分割
hanfeng5268
深度学习cnntransformer人工智能
文章目录一、局部细节与全局上下文的协同建模1.CNN的局部感知优势空间局部性:平移等变性:层次化特征提取:2.Transformer的全局关联优势长距离依赖建模:动态权重分配:尺度不变性:二、多尺度特征融合能力1.CNN的多级特征金字塔2.Transformer的多头注意力机制三、对遥感数据特性的适配优化1.高分辨率影像处理局部计算优化:滑动窗口策略:2.复杂场景鲁棒性光照变化:类内差异:小目标检
- 当气象水文遇见R语言——破解时空数据的“达芬奇密码“
Yolo566Q
r语言开发语言
在气象水文科学领域,数据从来不只是简单的数字阵列。台风路径的时空跳跃、流域径流的非线性涨落、气候要素的混沌演变,这些充满不确定性的自然现象转化为数据时,呈现出多维时空交织的复杂图景。研究人员常常要在TB级遥感数据中捕捉毫米级降水变化,从百年尺度的气候序列里识别突变拐点,在非结构化的观测数据中重构三维大气场——这些看似不可能完成的任务,正是现代气象水文研究的日常挑战。传统的数据处理工具在这场博弈中频
- CASA模型-估算陆地生态系统植被净初级生产力NPP的经典模型(相关遥感数据、MODIS NDVI遥感产品预处理、气象数据预处理与空间插值、区域制图)
KY_chenzhao
人工智能大数据机器学习matlab
CASA模型(Carnegie-Ames-StanfordApproach)是一个基于光合作用和呼吸作用过程的生态系统生产力模型。在实际应用中,气象数据是CASA模型的关键输入之一,用于模拟植被的光合作用和呼吸作用。本文将介绍如何结合气象数据实现CASA模型,并提供一个实际案例CASA模型需要的气象数据主要包括:辐射(光合有效辐射PAR)温度(影响酶活性和呼吸作用)降水(影响土壤水分和植被生长)这
- 【读论文】多/高光谱图像和 LiDAR 数据联合分类方法研究(2020)
氧艺
读论文分类机器学习
【读论文】多/高光谱图像和LiDAR数据联合分类方法研究(2020)王青旺DOI文章目录摘要:关键词:结论:1.该论文研究了什么?2.创新点在哪?3.研究方法是什么?4.得到的结论是什么?摘要:地物分类识别需求的不断升级,对遥感场景解译提出了新要求:更高的空间二维解译精度和遥感场景空间三维解译。利用多源遥感数据和新型遥感技术是满足不断升级的需求的有效手段。多/高光谱成像和单波段激光雷(LightD
- Xarray的维度魔法
Python与遥感
python
前言遥感数据通常是多维的,涉及到时空四维数据(经度、纬度、时间、波段)。在这种复杂的数据结构下,如何高效、清晰地进行分析成为一个难题。今天,我们将介绍xarray库,它是处理这类多维数据的强大工具。xarray不仅能让你的代码更加简洁直观,还能使复杂的数据操作变得优雅。接下来,我们将一起探讨如何使用xarray应对遥感数据分析中的各种挑战。一、为什么选择Xarray?传统numpy数组的痛点:维度
- 【卫星分享】吉林一号卫星介绍
泽奥zeo
吉林一号图像处理RS遥感影像卫星科普
在当今数字化与信息化飞速发展的时代,卫星遥感技术已成为人类探索地球、监测环境、服务社会的重要手段。作为我国自主研发的商用遥感卫星星座,“吉林一号”凭借其卓越的技术性能和广泛的应用场景,成为了我国航天领域的一颗璀璨明珠。它不仅填补了我国在商业遥感领域的空白,还为全球用户提供了高分辨率、高质量的遥感数据服务。接下来,我们将从发展历程、技术特点、成像原理以及数据获取方式四个方面,深入解读“吉林一号”卫星
- Google Earth Engine——导入无云 Sentinel-2 图像和NDVI计算
此星光明
GEE教程训练sentinel人工智能geendvi归一化植被指数波段运算遥感
目录搜索和导入无云Sentinel-2图像Sentinel-2的背景打开GEE界面定义您感兴趣的领域查询Sentinel-2图像的存档过滤图像集合将图像添加到地图视图定义真彩色可视化参数探索影像定义假色可视化参数从波段组合中导出指数NDVI锻炼本实验的目的是介绍GoogleEarthEngine处理环境。在本练习结束时,您将能够搜索、查找和可视化范围广泛的遥感数据集。在第一个练习中,我们将重点关注
- 智能遥感新质生产力:ChatGPT、Python和OpenCV强强联合;空天地遥感数据分析的全流程;地面数据、无人机数据、卫星数据、多源数据等处理
小艳加油
DeepSeekChatGPT遥感遥感新质生产力ChatGPTOpenCV遥感数据处理
通过系统化的模块设计和丰富的实战案例,深入理解和掌握遥感数据的处理与计算。不仅涵盖了从零基础入门Python编程、OpenCV视觉处理的基础知识,还将借助ChatGPT智能支持,引导您掌握遥感影像识别和分析的进阶技术。更为重要的是,通过15个经过精心设计的真实案例,深度参与地质监测、城市规划、农业分析、生态评估等不同场景下的遥感应用实践。层层递进、结构严谨,帮助您系统性掌握从数据预处理、图像增强、
- apache 安装linux windows
墙头上一根草
apacheinuxwindows
linux安装Apache 有两种方式一种是手动安装通过二进制的文件进行安装,另外一种就是通过yum 安装,此中安装方式,需要物理机联网。以下分别介绍两种的安装方式
通过二进制文件安装Apache需要的软件有apr,apr-util,pcre
1,安装 apr 下载地址:htt
- fill_parent、wrap_content和match_parent的区别
Cb123456
match_parentfill_parent
fill_parent、wrap_content和match_parent的区别:
1)fill_parent
设置一个构件的布局为fill_parent将强制性地使构件扩展,以填充布局单元内尽可能多的空间。这跟Windows控件的dockstyle属性大体一致。设置一个顶部布局或控件为fill_parent将强制性让它布满整个屏幕。
2) wrap_conte
- 网页自适应设计
天子之骄
htmlcss响应式设计页面自适应
网页自适应设计
网页对浏览器窗口的自适应支持变得越来越重要了。自适应响应设计更是异常火爆。再加上移动端的崛起,更是如日中天。以前为了适应不同屏幕分布率和浏览器窗口的扩大和缩小,需要设计几套css样式,用js脚本判断窗口大小,选择加载。结构臃肿,加载负担较大。现笔者经过一定时间的学习,有所心得,故分享于此,加强交流,共同进步。同时希望对大家有所
- [sql server] 分组取最大最小常用sql
一炮送你回车库
SQL Server
--分组取最大最小常用sql--测试环境if OBJECT_ID('tb') is not null drop table tb;gocreate table tb( col1 int, col2 int, Fcount int)insert into tbselect 11,20,1 union allselect 11,22,1 union allselect 1
- ImageIO写图片输出到硬盘
3213213333332132
javaimage
package awt;
import java.awt.Color;
import java.awt.Font;
import java.awt.Graphics;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import javax.imagei
- 自己的String动态数组
宝剑锋梅花香
java动态数组数组
数组还是好说,学过一两门编程语言的就知道,需要注意的是数组声明时需要把大小给它定下来,比如声明一个字符串类型的数组:String str[]=new String[10]; 但是问题就来了,每次都是大小确定的数组,我需要数组大小不固定随时变化怎么办呢? 动态数组就这样应运而生,龙哥给我们讲的是自己用代码写动态数组,并非用的ArrayList 看看字符
- pinyin4j工具类
darkranger
.net
pinyin4j工具类Java工具类 2010-04-24 00:47:00 阅读69 评论0 字号:大中小
引入pinyin4j-2.5.0.jar包:
pinyin4j是一个功能强悍的汉语拼音工具包,主要是从汉语获取各种格式和需求的拼音,功能强悍,下面看看如何使用pinyin4j。
本人以前用AscII编码提取工具,效果不理想,现在用pinyin4j简单实现了一个。功能还不是很完美,
- StarUML学习笔记----基本概念
aijuans
UML建模
介绍StarUML的基本概念,这些都是有效运用StarUML?所需要的。包括对模型、视图、图、项目、单元、方法、框架、模型块及其差异以及UML轮廓。
模型、视与图(Model, View and Diagram)
&
- Activiti最终总结
avords
Activiti id 工作流
1、流程定义ID:ProcessDefinitionId,当定义一个流程就会产生。
2、流程实例ID:ProcessInstanceId,当开始一个具体的流程时就会产生,也就是不同的流程实例ID可能有相同的流程定义ID。
3、TaskId,每一个userTask都会有一个Id这个是存在于流程实例上的。
4、TaskDefinitionKey和(ActivityImpl activityId
- 从省市区多重级联想到的,react和jquery的差别
bee1314
jqueryUIreact
在我们的前端项目里经常会用到级联的select,比如省市区这样。通常这种级联大多是动态的。比如先加载了省,点击省加载市,点击市加载区。然后数据通常ajax返回。如果没有数据则说明到了叶子节点。 针对这种场景,如果我们使用jquery来实现,要考虑很多的问题,数据部分,以及大量的dom操作。比如这个页面上显示了某个区,这时候我切换省,要把市重新初始化数据,然后区域的部分要从页面
- Eclipse快捷键大全
bijian1013
javaeclipse快捷键
Ctrl+1 快速修复(最经典的快捷键,就不用多说了)Ctrl+D: 删除当前行 Ctrl+Alt+↓ 复制当前行到下一行(复制增加)Ctrl+Alt+↑ 复制当前行到上一行(复制增加)Alt+↓ 当前行和下面一行交互位置(特别实用,可以省去先剪切,再粘贴了)Alt+↑ 当前行和上面一行交互位置(同上)Alt+← 前一个编辑的页面Alt+→ 下一个编辑的页面(当然是针对上面那条来说了)Alt+En
- js 笔记 函数
征客丶
JavaScript
一、函数的使用
1.1、定义函数变量
var vName = funcation(params){
}
1.2、函数的调用
函数变量的调用: vName(params);
函数定义时自发调用:(function(params){})(params);
1.3、函数中变量赋值
var a = 'a';
var ff
- 【Scala四】分析Spark源代码总结的Scala语法二
bit1129
scala
1. Some操作
在下面的代码中,使用了Some操作:if (self.partitioner == Some(partitioner)),那么Some(partitioner)表示什么含义?首先partitioner是方法combineByKey传入的变量,
Some的文档说明:
/** Class `Some[A]` represents existin
- java 匿名内部类
BlueSkator
java匿名内部类
组合优先于继承
Java的匿名类,就是提供了一个快捷方便的手段,令继承关系可以方便地变成组合关系
继承只有一个时候才能用,当你要求子类的实例可以替代父类实例的位置时才可以用继承。
在Java中内部类主要分为成员内部类、局部内部类、匿名内部类、静态内部类。
内部类不是很好理解,但说白了其实也就是一个类中还包含着另外一个类如同一个人是由大脑、肢体、器官等身体结果组成,而内部类相
- 盗版win装在MAC有害发热,苹果的东西不值得买,win应该不用
ljy325
游戏applewindowsXPOS
Mac mini 型号: MC270CH-A RMB:5,688
Apple 对windows的产品支持不好,有以下问题:
1.装完了xp,发现机身很热虽然没有运行任何程序!貌似显卡跑游戏发热一样,按照那样的发热量,那部机子损耗很大,使用寿命受到严重的影响!
2.反观安装了Mac os的展示机,发热量很小,运行了1天温度也没有那么高
&nbs
- 读《研磨设计模式》-代码笔记-生成器模式-Builder
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/
/**
* 生成器模式的意图在于将一个复杂的构建与其表示相分离,使得同样的构建过程可以创建不同的表示(GoF)
* 个人理解:
* 构建一个复杂的对象,对于创建者(Builder)来说,一是要有数据来源(rawData),二是要返回构
- JIRA与SVN插件安装
chenyu19891124
SVNjira
JIRA安装好后提交代码并要显示在JIRA上,这得需要用SVN的插件才能看见开发人员提交的代码。
1.下载svn与jira插件安装包,解压后在安装包(atlassian-jira-subversion-plugin-0.10.1)
2.解压出来的包里下的lib文件夹下的jar拷贝到(C:\Program Files\Atlassian\JIRA 4.3.4\atlassian-jira\WEB
- 常用数学思想方法
comsci
工作
对于搞工程和技术的朋友来讲,在工作中常常遇到一些实际问题,而采用常规的思维方式无法很好的解决这些问题,那么这个时候我们就需要用数学语言和数学工具,而使用数学工具的前提却是用数学思想的方法来描述问题。。下面转帖几种常用的数学思想方法,仅供学习和参考
函数思想
把某一数学问题用函数表示出来,并且利用函数探究这个问题的一般规律。这是最基本、最常用的数学方法
- pl/sql集合类型
daizj
oracle集合typepl/sql
--集合类型
/*
单行单列的数据,使用标量变量
单行多列数据,使用记录
单列多行数据,使用集合(。。。)
*集合:类似于数组也就是。pl/sql集合类型包括索引表(pl/sql table)、嵌套表(Nested Table)、变长数组(VARRAY)等
*/
/*
--集合方法
&n
- [Ofbiz]ofbiz初用
dinguangx
电商ofbiz
从github下载最新的ofbiz(截止2015-7-13),从源码进行ofbiz的试用
1. 加载测试库
ofbiz内置derby,通过下面的命令初始化测试库
./ant load-demo (与load-seed有一些区别)
2. 启动内置tomcat
./ant start
或
./startofbiz.sh
或
java -jar ofbiz.jar
&
- 结构体中最后一个元素是长度为0的数组
dcj3sjt126com
cgcc
在Linux源代码中,有很多的结构体最后都定义了一个元素个数为0个的数组,如/usr/include/linux/if_pppox.h中有这样一个结构体: struct pppoe_tag { __u16 tag_type; __u16 tag_len; &n
- Linux cp 实现强行覆盖
dcj3sjt126com
linux
发现在Fedora 10 /ubutun 里面用cp -fr src dest,即使加了-f也是不能强行覆盖的,这时怎么回事的呢?一两个文件还好说,就输几个yes吧,但是要是n多文件怎么办,那还不输死人呢?下面提供三种解决办法。 方法一
我们输入alias命令,看看系统给cp起了一个什么别名。
[root@localhost ~]# aliasalias cp=’cp -i’a
- Memcached(一)、HelloWorld
frank1234
memcached
一、简介
高性能的架构离不开缓存,分布式缓存中的佼佼者当属memcached,它通过客户端将不同的key hash到不同的memcached服务器中,而获取的时候也到相同的服务器中获取,由于不需要做集群同步,也就省去了集群间同步的开销和延迟,所以它相对于ehcache等缓存来说能更好的支持分布式应用,具有更强的横向伸缩能力。
二、客户端
选择一个memcached客户端,我这里用的是memc
- Search in Rotated Sorted Array II
hcx2013
search
Follow up for "Search in Rotated Sorted Array":What if duplicates are allowed?
Would this affect the run-time complexity? How and why?
Write a function to determine if a given ta
- Spring4新特性——更好的Java泛型操作API
jinnianshilongnian
spring4generic type
Spring4新特性——泛型限定式依赖注入
Spring4新特性——核心容器的其他改进
Spring4新特性——Web开发的增强
Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC
Spring4新特性——Groovy Bean定义DSL
Spring4新特性——更好的Java泛型操作API
Spring4新
- CentOS安装JDK
liuxingguome
centos
1、行卸载原来的:
[root@localhost opt]# rpm -qa | grep java
tzdata-java-2014g-1.el6.noarch
java-1.7.0-openjdk-1.7.0.65-2.5.1.2.el6_5.x86_64
java-1.6.0-openjdk-1.6.0.0-11.1.13.4.el6.x86_64
[root@localhost
- 二分搜索专题2-在有序二维数组中搜索一个元素
OpenMind
二维数组算法二分搜索
1,设二维数组p的每行每列都按照下标递增的顺序递增。
用数学语言描述如下:p满足
(1),对任意的x1,x2,y,如果x1<x2,则p(x1,y)<p(x2,y);
(2),对任意的x,y1,y2, 如果y1<y2,则p(x,y1)<p(x,y2);
2,问题:
给定满足1的数组p和一个整数k,求是否存在x0,y0使得p(x0,y0)=k?
3,算法分析:
(
- java 随机数 Math与Random
SaraWon
javaMathRandom
今天需要在程序中产生随机数,知道有两种方法可以使用,但是使用Math和Random的区别还不是特别清楚,看到一篇文章是关于的,觉得写的还挺不错的,原文地址是
http://www.oschina.net/question/157182_45274?sort=default&p=1#answers
产生1到10之间的随机数的两种实现方式:
//Math
Math.roun
- oracle创建表空间
tugn
oracle
create temporary tablespace TXSJ_TEMP
tempfile 'E:\Oracle\oradata\TXSJ_TEMP.dbf'
size 32m
autoextend on
next 32m maxsize 2048m
extent m
- 使用Java8实现自己的个性化搜索引擎
yangshangchuan
javasuperword搜索引擎java8全文检索
需要对249本软件著作实现句子级别全文检索,这些著作均为PDF文件,不使用现有的框架如lucene,自己实现的方法如下:
1、从PDF文件中提取文本,这里的重点是如何最大可能地还原文本。提取之后的文本,一个句子一行保存为文本文件。
2、将所有文本文件合并为一个单一的文本文件,这样,每一个句子就有一个唯一行号。
3、对每一行文本进行分词,建立倒排表,倒排表的格式为:词=包含该词的总行数N=行号