- 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:
- [星球大战]阿纳金的背叛
comsci
本来杰迪圣殿的长老是不同意让阿纳金接受训练的.........
但是由于政治原因,长老会妥协了...这给邪恶的力量带来了机会
所以......现代的地球联邦接受了这个教训...绝对不让某些年轻人进入学院
- 看懂它,你就可以任性的玩耍了!
aijuans
JavaScript
javascript作为前端开发的标配技能,如果不掌握好它的三大特点:1.原型 2.作用域 3. 闭包 ,又怎么可以说你学好了这门语言呢?如果标配的技能都没有撑握好,怎么可以任性的玩耍呢?怎么验证自己学好了以上三个基本点呢,我找到一段不错的代码,稍加改动,如果能够读懂它,那么你就可以任性了。
function jClass(b
- Java常用工具包 Jodd
Kai_Ge
javajodd
Jodd 是一个开源的 Java 工具集, 包含一些实用的工具类和小型框架。简单,却很强大! 写道 Jodd = Tools + IoC + MVC + DB + AOP + TX + JSON + HTML < 1.5 Mb
Jodd 被分成众多模块,按需选择,其中
工具类模块有:
jodd-core &nb
- SpringMvc下载
120153216
springMVC
@RequestMapping(value = WebUrlConstant.DOWNLOAD)
public void download(HttpServletRequest request,HttpServletResponse response,String fileName) {
OutputStream os = null;
InputStream is = null;
- Python 标准异常总结
2002wmj
python
Python标准异常总结
AssertionError 断言语句(assert)失败 AttributeError 尝试访问未知的对象属性 EOFError 用户输入文件末尾标志EOF(Ctrl+d) FloatingPointError 浮点计算错误 GeneratorExit generator.close()方法被调用的时候 ImportError 导入模块失
- SQL函数返回临时表结构的数据用于查询
357029540
SQL Server
这两天在做一个查询的SQL,这个SQL的一个条件是通过游标实现另外两张表查询出一个多条数据,这些数据都是INT类型,然后用IN条件进行查询,并且查询这两张表需要通过外部传入参数才能查询出所需数据,于是想到了用SQL函数返回值,并且也这样做了,由于是返回多条数据,所以把查询出来的INT类型值都拼接为了字符串,这时就遇到问题了,在查询SQL中因为条件是INT值,SQL函数的CAST和CONVERST都
- java 时间格式化 | 比较大小| 时区 个人笔记
7454103
javaeclipsetomcatcMyEclipse
个人总结! 不当之处多多包含!
引用 1.0 如何设置 tomcat 的时区:
位置:(catalina.bat---JAVA_OPTS 下面加上)
set JAVA_OPT
- 时间获取Clander的用法
adminjun
Clander时间
/**
* 得到几天前的时间
* @param d
* @param day
* @return
*/
public static Date getDateBefore(Date d,int day){
Calend
- JVM初探与设置
aijuans
java
JVM是Java Virtual Machine(Java虚拟机)的缩写,JVM是一种用于计算设备的规范,它是一个虚构出来的计算机,是通过在实际的计算机上仿真模拟各种计算机功能来实现的。Java虚拟机包括一套字节码指令集、一组寄存器、一个栈、一个垃圾回收堆和一个存储方法域。 JVM屏蔽了与具体操作系统平台相关的信息,使Java程序只需生成在Java虚拟机上运行的目标代码(字节码),就可以在多种平台
- SQL中ON和WHERE的区别
avords
SQL中ON和WHERE的区别
数据库在通过连接两张或多张表来返回记录时,都会生成一张中间的临时表,然后再将这张临时表返回给用户。 www.2cto.com 在使用left jion时,on和where条件的区别如下: 1、 on条件是在生成临时表时使用的条件,它不管on中的条件是否为真,都会返回左边表中的记录。
- 说说自信
houxinyou
工作生活
自信的来源分为两种,一种是源于实力,一种源于头脑.实力是一个综合的评定,有自身的能力,能利用的资源等.比如我想去月亮上,要身体素质过硬,还要有飞船等等一系列的东西.这些都属于实力的一部分.而头脑不同,只要你头脑够简单就可以了!同样要上月亮上,你想,我一跳,1米,我多跳几下,跳个几年,应该就到了!什么?你说我会往下掉?你笨呀你!找个东西踩一下不就行了吗?
无论工作还
- WEBLOGIC事务超时设置
bijian1013
weblogicjta事务超时
系统中统计数据,由于调用统计过程,执行时间超过了weblogic设置的时间,提示如下错误:
统计数据出错!
原因:The transaction is no longer active - status: 'Rolling Back. [Reason=weblogic.transaction.internal
- 两年已过去,再看该如何快速融入新团队
bingyingao
java互联网融入架构新团队
偶得的空闲,翻到了两年前的帖子
该如何快速融入一个新团队,有所感触,就记下来,为下一个两年后的今天做参考。
时隔两年半之后的今天,再来看当初的这个博客,别有一番滋味。而我已经于今年三月份离开了当初所在的团队,加入另外的一个项目组,2011年的这篇博客之后的时光,我很好的融入了那个团队,而直到现在和同事们关系都特别好。大家在短短一年半的时间离一起经历了一
- 【Spark七十七】Spark分析Nginx和Apache的access.log
bit1129
apache
Spark分析Nginx和Apache的access.log,第一个问题是要对Nginx和Apache的access.log文件进行按行解析,按行解析就的方法是正则表达式:
Nginx的access.log解析正则表达式
val PATTERN = """([^ ]*) ([^ ]*) ([^ ]*) (\\[.*\\]) (\&q
- Erlang patch
bookjovi
erlang
Totally five patchs committed to erlang otp, just small patchs.
IMO, erlang really is a interesting programming language, I really like its concurrency feature.
but the functional programming style
- log4j日志路径中加入日期
bro_feng
javalog4j
要用log4j使用记录日志,日志路径有每日的日期,文件大小5M新增文件。
实现方式
log4j:
<appender name="serviceLog"
class="org.apache.log4j.RollingFileAppender">
<param name="Encoding" v
- 读《研磨设计模式》-代码笔记-桥接模式
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/
/**
* 个人觉得关于桥接模式的例子,蜡笔和毛笔这个例子是最贴切的:http://www.cnblogs.com/zhenyulu/articles/67016.html
* 笔和颜色是可分离的,蜡笔把两者耦合在一起了:一支蜡笔只有一种
- windows7下SVN和Eclipse插件安装
chenyu19891124
eclipse插件
今天花了一天时间弄SVN和Eclipse插件的安装,今天弄好了。svn插件和Eclipse整合有两种方式,一种是直接下载插件包,二种是通过Eclipse在线更新。由于之前Eclipse版本和svn插件版本有差别,始终是没装上。最后在网上找到了适合的版本。所用的环境系统:windows7JDK:1.7svn插件包版本:1.8.16Eclipse:3.7.2工具下载地址:Eclipse下在地址:htt
- [转帖]工作流引擎设计思路
comsci
设计模式工作应用服务器workflow企业应用
作为国内的同行,我非常希望在流程设计方面和大家交流,刚发现篇好文(那么好的文章,现在才发现,可惜),关于流程设计的一些原理,个人觉得本文站得高,看得远,比俺的文章有深度,转载如下
=================================================================================
自开博以来不断有朋友来探讨工作流引擎该如何
- Linux 查看内存,CPU及硬盘大小的方法
daizj
linuxcpu内存硬盘大小
一、查看CPU信息的命令
[root@R4 ~]# cat /proc/cpuinfo |grep "model name" && cat /proc/cpuinfo |grep "physical id"
model name : Intel(R) Xeon(R) CPU X5450 @ 3.00GHz
model name :
- linux 踢出在线用户
dongwei_6688
linux
两个步骤:
1.用w命令找到要踢出的用户,比如下面:
[root@localhost ~]# w
18:16:55 up 39 days, 8:27, 3 users, load average: 0.03, 0.03, 0.00
USER TTY FROM LOGIN@ IDLE JCPU PCPU WHAT
- 放手吧,就像不曾拥有过一样
dcj3sjt126com
内容提要:
静悠悠编著的《放手吧就像不曾拥有过一样》集结“全球华语世界最舒缓心灵”的精华故事,触碰生命最深层次的感动,献给全世界亿万读者。《放手吧就像不曾拥有过一样》的作者衷心地祝愿每一位读者都给自己一个重新出发的理由,将那些令你痛苦的、扛起的、背负的,一并都放下吧!把憔悴的面容换做一种清淡的微笑,把沉重的步伐调节成春天五线谱上的音符,让自己踏着轻快的节奏,在人生的海面上悠然漂荡,享受宁静与
- php二进制安全的含义
dcj3sjt126com
PHP
PHP里,有string的概念。
string里,每个字符的大小为byte(与PHP相比,Java的每个字符为Character,是UTF8字符,C语言的每个字符可以在编译时选择)。
byte里,有ASCII代码的字符,例如ABC,123,abc,也有一些特殊字符,例如回车,退格之类的。
特殊字符很多是不能显示的。或者说,他们的显示方式没有标准,例如编码65到哪儿都是字母A,编码97到哪儿都是字符
- Linux下禁用T440s,X240的一体化触摸板(touchpad)
gashero
linuxThinkPad触摸板
自打1月买了Thinkpad T440s就一直很火大,其中最让人恼火的莫过于触摸板。
Thinkpad的经典就包括用了小红点(TrackPoint)。但是小红点只能定位,还是需要鼠标的左右键的。但是自打T440s等开始启用了一体化触摸板,不再有实体的按键了。问题是要是好用也行。
实际使用中,触摸板一堆问题,比如定位有抖动,以及按键时会有飘逸。这就导致了单击经常就
- graph_dfs
hcx2013
Graph
package edu.xidian.graph;
class MyStack {
private final int SIZE = 20;
private int[] st;
private int top;
public MyStack() {
st = new int[SIZE];
top = -1;
}
public void push(i
- Spring4.1新特性——Spring核心部分及其他
jinnianshilongnian
spring 4.1
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- 配置HiveServer2的安全策略之自定义用户名密码验证
liyonghui160com
具体从网上看
http://doc.mapr.com/display/MapR/Using+HiveServer2#UsingHiveServer2-ConfiguringCustomAuthentication
LDAP Authentication using OpenLDAP
Setting
- 一位30多的程序员生涯经验总结
pda158
编程工作生活咨询
1.客户在接触到产品之后,才会真正明白自己的需求。
这是我在我的第一份工作上面学来的。只有当我们给客户展示产品的时候,他们才会意识到哪些是必须的。给出一个功能性原型设计远远比一张长长的文字表格要好。 2.只要有充足的时间,所有安全防御系统都将失败。
安全防御现如今是全世界都在关注的大课题、大挑战。我们必须时时刻刻积极完善它,因为黑客只要有一次成功,就可以彻底打败你。 3.
- 分布式web服务架构的演变
自由的奴隶
linuxWeb应用服务器互联网
最开始,由于某些想法,于是在互联网上搭建了一个网站,这个时候甚至有可能主机都是租借的,但由于这篇文章我们只关注架构的演变历程,因此就假设这个时候已经是托管了一台主机,并且有一定的带宽了,这个时候由于网站具备了一定的特色,吸引了部分人访问,逐渐你发现系统的压力越来越高,响应速度越来越慢,而这个时候比较明显的是数据库和应用互相影响,应用出问题了,数据库也很容易出现问题,而数据库出问题的时候,应用也容易
- 初探Druid连接池之二——慢SQL日志记录
xingsan_zhang
日志连接池druid慢SQL
由于工作原因,这里先不说连接数据库部分的配置,后面会补上,直接进入慢SQL日志记录。
1.applicationContext.xml中增加如下配置:
<bean abstract="true" id="mysql_database" class="com.alibaba.druid.pool.DruidDataSourc