Du_JuneLi
Du_JuneLi

半监督目标检测yolo+FixMatch

目前实验发票印章检测，只需1张训练集即可达到0.921（mAP.5），如果用31张训练集可达到0.952（mAP.5），无标签数据均使用600张。

待填坑，敬请期待……

你可能感兴趣的:(半监督目标检测yolo+FixMatch)

  • VIT（Vision Transformer）【超详细 pytorch实现 周玄九 计算机视觉transformer深度学习人工智能
    CNN的局限性：传统的CNN通过局部卷积核提取特征，虽然可以通过堆叠多层卷积扩大感受野，但仍然依赖于局部信息的逐步聚合，难以直接建模全局依赖关系。ViT的优势：ViT使用自注意力机制（Self-Attention），能够直接捕捉图像中所有patch（图像块）之间的全局关系。这种全局建模能力在处理需要长距离依赖的任务（如图像分类、目标检测）时表现更好。全流程图像预处理+分块图像尺寸标准化，如(224
  • 机器学习——无监督学习(k-means算法) 张起灵ovo 机器学习入门机器学习算法学习
    1、K-Means聚类算法K表示超参数个数，如分成几个类别，K值就取多少。若无需求，可使用网格搜索找到最佳的K。步骤：1、随机设置K个特征空间内的点作为初始聚类中心；2、对于其他每个点计算到K个中心的距离，未知的点选择最近的一个聚类中心点作为标记种类；3、接着对标记的聚类中心之后，重新计算出每个聚类的中心点(平均值)；4、如果计算得出的新中心点与原中心点一样，那么结束，否则执行第二步。means表
  • 电力电子行业哪种工程师最挣钱 麦克斯的电子星球 电力电子工程师基础硬件工程嵌入式硬件材料工程硬件架构pcb工艺arm开发驱动开发
    电力电子产品从研发到生产需要很多工程师参与，还需要一些专业的管理人员相互配合，主要有以下这么几种职位1.项目经理主要负责项目的规划，撰写节点报告，监督项目组内各个人员的工作完成情况，还需要跟各个部门进行沟通衔接。这个工作可大可小，大部分项目经理一般都是从工程师，尤其是电力电子硬件工程师转过来的，基本上对公司的流程，技术点都十分清楚，有很多实战经验，所以这个项目经理属于技术管理，也相当于领导职位；也
  • 大语言模型原理与工程实践：Transformer 大语言模型预训练 AI天才研究院 计算ChatGPTtransformer
    大语言模型原理与工程实践：Transformer大语言模型预训练关键词：大语言模型、预训练、Transformer、自监督学习、计算资源、数据处理文章目录大语言模型原理与工程实践：Transformer大语言模型预训练1.背景介绍1.1问题的由来1.2研究现状1.3研究意义1.4本文结构2.核心概念与联系2.1大语言模型（LargeLanguageModels，LLMs）2.2预训练（Pre-tr
  • 为什么选择Linux而放弃windows，比较Windows和Mac它出色的优势在哪儿？ MAX在码字 程序人生程序员LinuxWindowsMac
    前言：MacOS全封闭，只支持自家硬件，设计风格和使用体验比较独特；Windows半封闭，虽然源码不开放，但适配市面上几乎所有的x86机器，Windows和各家硬件厂商总体是合作共建生态圈，从市场份额看，Windows是个人电脑桌面操作系统的霸主；Linux内核开放、开源，可以基于Linux内核开发一系列各种各样的操作系统（其中最著名的是Android系统），支持x86、ARM等各种硬件，是目前嵌
  • 数业有道,智赢未来：派可数据 BI 助力企业数字化升级、高质量增长 派可数据 数据要素数据仓库商业智能数据分析信息可视化大数据商业智能BI数据仓库
    前言当前，企业数字化转型经过初始探索阶段，各行各业进入高速发展百花齐放的创新应用新阶段。创新应用阶段的核心是企业应用先进的数字技术和工具，对企业多年在全领域积累的各类数据，包括财务、业务、生产、设计、设备、工艺等结构化数据，以及非结构、半结构的日志、音、视数据，通过算法深度分析并挖掘数据的价值，以此来改变和提升企业、组织或个人的运营模式、业务流程、管理方式以及价值创造能力，进而支撑企业战略目标的实
  • 华为OD机试真题：异常的打卡记录（E卷、C++） 什码情况 华为odc++开发语言面试机试算法
    华为OD机试（E卷+D卷+C卷）最新题库【超值优惠】Java/Python/C++合集题目描述考勤记录是分析和考核职工工作时间利用情况的原始依据，也是计算职工工资的原始依据，为了正确地计算职工工资和监督工资基金使用情况，公司决定对员工的手机打卡记录进行异常排查。如果出现以下两种情况，则认为打卡异常:1、实际设备号与注册设备号不一样；2、或者，同一个员工的两个打卡记录的时间小于60分钟并且打卡距离超
  • 十分钟了解大数据处理的五大关键技术及其应用 IT时代周刊 2019年5月大数据程序员编程语言hadoop
    其中主要工作环节包括：♦大数据采集、♦大数据预处理、♦大数据存储及管理、♦大数据分析及挖掘、♦大数据展现和应用(大数据检索、大数据可视化、大数据应用、大数据安全等)。一、大数据采集技术数据是指通过RFID射频数据、传感器数据、社交网络交互数据及移动互联网数据等方式获得的各种类型的结构化、半结构化(或称之为弱结构化)及非结构化的海量数据，是大数据知识服务模型的根本。重点要突破分布式高速高可靠数据爬取
  • 排序（数据结构篇） 刃神太酷啦 蓝桥杯C++组C++数据结构
    排序（数据结构篇）朴素快排的缺陷：1.基准元素选择不当，递归层数会增加，时间复杂度变高2.当有大量重复元素时，递归层数也会增加如果有一个表达式(x+y)>>1它的意思就是先将整数x和y相加，然后将结果右移一位。这实际上等同于取x和y相加后的结果的一半（向0取整）。
  • AI人工智能机器学习之聚类分析 rockfeng0 人工智能机器学习sklearn
    1、概要  本篇学习AI人工智能机器学习之聚类分析，以KMeans、AgglomerativeClustering、DBSCAN为例，从代码层面讲述机器学习中的聚类分析。2、聚类分析-简介聚类分析是一种无监督学习的方法，用于将数据集中的样本划分为不同的组（簇），使得同一组中的样本相似度较高，而不同组之间的样本相似度较低。sklearn.cluster提供了多种聚类算法K均值聚类（K-MeansCl
  • 基于matlab的帧间差法进行视频目标检测系统 挂科边缘 MATLAB项目实战matlab人工智能计算机视觉
    文章目录前言一、理论基础1.帧间差分法2.背景差分法3.光流法二、程序实现总结源码下载前言运动目标自动检测是对运动目标进行检测、提取、识别和跟踪的技术。基于视频序列的运动目标检测，一直以来都是机器视觉、智能监控系统、视频跟踪系统等领域的研究重点，是整个计算机视觉的研究难点之一。运动目标检测的结果正确性对后续的图像处理、图像理解等工作的顺利开展具有决定性的作用，所以能否将运动物体从视频序列中准确地检
  • 计算机视觉：经典数据格式(VOC、YOLO、COCO)解析与转换(附代码) 全栈你个大西瓜 人工智能计算机视觉YOLO目标跟踪人工智能数据标注目标检测COCO
    第一章：计算机视觉中图像的基础认知第二章：计算机视觉：卷积神经网络(CNN)基本概念(一)第三章：计算机视觉：卷积神经网络(CNN)基本概念(二)第四章：搭建一个经典的LeNet5神经网络(附代码)第五章：计算机视觉：神经网络实战之手势识别(附代码)第六章：计算机视觉：目标检测从简单到容易(附代码)第七章：MTCNN人脸检测技术揭秘：原理、实现与实战(附代码)第八章：探索YOLO技术：目标检测的高
  • QILSTE H6-M108HR超亮红光LED灯珠 发光二极管LED QILSTE LED 科技
    型号H6-M108HR，由QILSTE（HongKong）TechnologyCo.,Ltd生产，是一款具有超亮红光的小型SMDLED，尺寸仅为1.8x0.8x0.55mm，精巧的体积使其在紧凑空间中也能发挥出色的性能。这款LED的光电参数经过精确调控，光强范围从-230mcd至450mcd，主波长在615至630nm之间，半波宽为20nm，确保了色彩的纯正和亮度的稳定性。正向电压VF在1.8至2
  • 支持向量机（SVM）简介与应用 Jason_Orton 支持向量机算法机器学习
    目录1.什么是支持向量机？2.SVM的基本原理3.核函数与SVM的扩展4.SVM的优势与挑战5.SVM的应用场景6.总结1.什么是支持向量机？支持向量机（SupportVectorMachine，简称SVM）是一种监督学习模型，广泛应用于分类、回归等问题。SVM的核心思想是通过在高维空间中寻找一个超平面（或决策边界），使得不同类别的样本数据能够被该超平面尽可能地分开，同时最大化分类间隔（Margi
  • c语言 printf 颜色,关于printf如何输出颜色 XY LIU c语言printf颜色
    该楼层疑似违规已被系统折叠隐藏此楼查看此楼只靠签到升级太慢了，第二次发帖。。。之前一直不知道咋用printf输出颜色，找了度娘就知道了。。大一快结束了，c语言也学了半学期了，要走的路还很长啊。。。这是给和我一样的新手看的，大神们一笑而过就好。。。进入正题：cdroid是在安卓平台运行的，所以是linux下，可以这样输出颜色：//小范例#includeintmain(){printf("\033[3
  • 深入解析 DeepSeek R1：强化学习如何驱动大模型推理能力的进化 海棠AI实验室 智元启示录人工智能deeplearningDeepSeek-R1
    引言在AI竞赛日益激烈的时代，DeepSeek-AI推出了DeepSeekR1，试图以强化学习（RL）直接训练推理能力，而非仅依赖传统的监督微调（SFT）。这一思路不仅为大规模语言模型（LLMs）带来了新的训练范式，还在跨任务推理迁移上表现出潜力。本文将深入解析DeepSeekR1的架构、训练方法和对比实验，并从多维度审视其局限性与未来发展方向。同时，我们也会在文中介绍DeepSeekR1蒸馏到多
  • 【目标检测JP】番茄植株叶片病害数据集4280张8类病害YOLO+VOC（含增强） 不会仰游的河马君 数据集目标检测YOLO番茄叶片病害
    【目标检测JP】番茄植株叶片病害数据集4280张8类病害YOLO+VOC（含增强）数据集格式：VOC格式+YOLO格式压缩包内含：3个文件夹，分别存储图片、xml、txt文件JPEGImages文件夹中jpg图片总计：4280Annotations文件夹中xml文件总计：4280labels文件夹中txt文件总计：4280标签种类数：8标签名称:["BacterialSpot","EarlyBli
  • 基于 YOLO 进行车道线检测与目标检测算法研究及开发的一般步骤 pk_xz123456 python算法深度学习YOLO目标检测算法
    基于深度学习的车道线检测与目标检测在自动驾驶等领域有着重要应用，使用YOLO（YouOnlyLookOnce）进行开发是一种常见且高效的方式。以下是关于基于YOLO进行车道线检测与目标检测算法研究及开发的一般步骤和相关内容：1.环境搭建首先确保你的开发环境安装了必要的软件和库，推荐使用Python语言，以下是一些关键库：PyTorch：YOLO通常基于PyTorch实现，安装适合你系统的PyTor
  • 半精度 单精度 双精度 概述 石兴稳 大数据
    单精度、半精度和双精度通常用于描述浮点数在计算机中的表示方式，它们在位数、表示范围、精度以及应用场景等方面存在差异，以下为你详细介绍：基本概念在计算机中，浮点数是一种用于表示实数的方式，由符号位、指数位和尾数位组成。不同的精度对应着不同的位数分配，从而影响到数的表示范围和精度。具体介绍精度类型位数符号位（S）指数位（E）尾数位（M）偏差值表示范围精度半精度（FP16）16位1位5位10位15大约到
  • 2025女神节专属！“三八”妇女节魅力沙龙活动！超简单！ 帖帖小帮手 微信小程序
    在这春风送暖的美好时节，我们迎来了2025年的‘’三八国际妇女节‘’。各大商场、品牌、企业单位都在紧锣密鼓地筹备女神节宣传活动。想要吸引更多顾客，一份精美独特的活动邀请函必不可少！世界的一半，属于女性，独立而坚定。三八国际妇女节是一个专属于女性的庆典，是一个彰显女性力量和魅力的时刻。为此，绿泡泡推出三八时尚女性主题活动邀请函。为了让3.8女神节这个重要的日子更加难忘，精心策划的活动将成为活动的最佳
  • 三角函数和差角公式对于任意角的证明（代数法） Jean·Gunnhildr 高考线性代数
    前置知识：平面向量、诱导公式和差角公式的证明如下：对于每个始边为xxx轴正半轴的角θ\thetaθ，令平面向量a⃗θ\veca_{\theta}aθ是xOyxOyxOy中，以OOO为起点，方向沿着的θ\thetaθ终边的单位向量则a⃗0\veca_0a0是沿xxx正半轴上的单位向量，a⃗π2\veca_{\frac{\pi}{2}}a2π是沿yyy轴正半轴的单位向量考虑a⃗α+β\veca_{\a
  • 机器学习安全核心算法全景解析 金外飞176 网络空间安全机器学习安全算法
    机器学习安全核心算法全景解析引言机器学习系统的脆弱性正成为安全攻防的新战场。从数据投毒到模型窃取，攻击者不断突破传统防御边界。本文系统性梳理ML安全关键技术图谱，重点解析12类核心算法及其防御价值。一、数据安全防护算法1.对抗样本防御算法名称核心思想2024年最新进展典型应用场景TRADES鲁棒性-准确性权衡优化Facebook提出自监督TRADES改进版自动驾驶目标检测JacobianSVD输入
  • AI人工智能机器学习之监督线性模型 rockfeng0 人工智能机器学习sklearn
    1、概要  本篇学习AI人工智能机器监督学习框架下的线性模型，以LinearRegression线性回归和LogisticRegression逻辑回归为示例，从代码层面测试和讲述监督学习中的线性模型。2、监督学习之线性模型-简介监督学习和线性模型是的两个重要概念。监督学习是一种机器学习任务，其中模型在已标记的数据集上进行训练。线性模型是一类通过线性组合输入特征来进行预测的模型。线性模型的基本形式可
  • 动态视觉SLAM的亿点点思考（含20项最新开源代码链接）[上篇] 3Ｄ视觉工坊 3D视觉从入门到精通人工智能
    作者：泡椒味的口香糖|来源：3D视觉工坊添加微信：dddvisiona，备注：SLAM，拉你入群。文末附行业细分群。0.笔者个人体会动态环境下的视觉SLAM一直都是研究的重点和难点，但最近动态SLAM的paper越来越少，感觉主要原因是动态SLAM的框架已经固化，很难做出大的创新。现有的模板基本就是使用目标检测或者语义分割网络剔除动态特征点，然后用几何一致性做进一步的验证。笔者最近也在思考突破口，
  • 《人工智能之高维数据降维算法：PCA与LDA深度剖析》 机器学习人工智能
    在人工智能与机器学习蓬勃发展的当下，数据处理成为关键环节。高维数据在带来丰富信息的同时，也引入了计算复杂度高、过拟合风险增大以及数据稀疏性等难题。降维算法应运而生，它能将高维数据映射到低维空间，在减少维度的同时最大程度保留关键信息。主成分分析（PCA）与线性判别分析（LDA）作为两种常用的降维算法，在人工智能领域应用广泛。本文将深入探讨它们的原理。PCA：无监督的降维利器核心思想PCA基于最大方差
  • 面试技巧|软件测试面试题八股文-数据库题库 软件测试雪儿 自动化测试面试软件测试面试数据库职场和发展软件测试功能测试
    本期主要是一些原理性和实践类问题，如果你有使用数据库的相关经历，面试官大概率会深入问下面这些问题，回答上来是加分项！小编提醒：理解第一，不要死记硬背哈！可以根据面试题来展开学习相关知识点，会让你进步得更快。关系型数据库和非关系型数据库的区别？关系型数据库以表格形式存储数据，遵循严格规则，便于处理结构化数据的复杂查询；非关系型数据库更灵活，适于存储半结构化和非结构化数据，例如文档、图像。扩展问题-关
  • [C++]使用纯opencv部署yolov12目标检测onnx模型 FL1623863129 深度学习c++opencvYOLO
    yolov12官方框架：sunsmarterjie/yolov12【算法介绍】在C++中使用纯OpenCV部署YOLOv12进行目标检测是一项具有挑战性的任务，因为YOLOv12通常是用PyTorch等深度学习框架实现的，而OpenCV本身并不直接支持加载和运行PyTorch模型。然而，你可以通过一些间接的方法来实现这一目标，比如将PyTorch模型转换为ONNX格式，然后使用OpenCV的DNN
  • 支持向量机（Support Vector Machine，SVM） 不易撞的网名 支持向量机算法机器学习
    支持向量机（SupportVectorMachine，简称SVM）是一种监督学习模型，主要用于分类和回归分析。SVM的基本思想是寻找一个决策边界或超平面，使得两类样本之间的间隔最大化。这个间隔被定义为支持向量到超平面的最短距离，而支持向量就是那些恰好位于间隔边缘上的训练样本点。线性可分情况下的SVM假设我们有一组训练数据(x1,y1),(x2,y2),…,(xn,yn)(x_1,y_1),(x_2
  • DeepSeek强化学习（Reinforcement Learning）基础与实践 Evaporator Core 强化学习#DeepSeek快速入门人工智能python数据库tornado强化学习deepseek
    引言强化学习（ReinforcementLearning,RL）是机器学习的一个重要分支，专注于训练智能体（Agent）在环境中通过试错来学习最优策略。与监督学习和无监督学习不同，强化学习通过奖励信号来指导智能体的行为，使其能够在复杂的环境中做出决策。DeepSeek提供了强大的工具和API，帮助我们高效地构建和训练强化学习模型。本文将详细介绍如何使用DeepSeek进行强化学习的基础与实践，并通
  • 支持向量机 (Support Vector Machine, SVM) 数维学长986 支持向量机算法机器学习
    支持向量机(SupportVectorMachine,SVM)支持向量机（SVM）是一种广泛应用于分类、回归分析以及异常检测的监督学习算法。它基于结构风险最小化（StructuralRiskMinimization，SRM）原则，通过寻找一个最优超平面来实现数据的分类。SVM不仅可以处理线性可分问题，也能够通过核技巧（KernelTrick）处理非线性可分问题。1.基本概念超平面：在特征空间中，S
  • 关于旗正规则引擎中的MD5加密问题 何必如此 jspMD5规则加密
    一般情况下，为了防止个人隐私的泄露，我们都会对用户登录密码进行加密，使数据库相应字段保存的是加密后的字符串，而非原始密码。 在旗正规则引擎中，通过外部调用，可以实现MD5的加密，具体步骤如下： 1.在对象库中选择外部调用，选择“com.flagleader.util.MD5”，在子选项中选择“com.flagleader.util.MD5.getMD5ofStr({arg1})”； 2.在规
  • 【Spark101】Scala Promise/Future在Spark中的应用 bit1129 Promise
    Promise和Future是Scala用于异步调用并实现结果汇集的并发原语，Scala的Future同JUC里面的Future接口含义相同，Promise理解起来就有些绕。等有时间了再仔细的研究下Promise和Future的语义以及应用场景，具体参见Scala在线文档：http://docs.scala-lang.org/sips/completed/futures-promises.html
  • spark sql 访问hive数据的配置详解 daizj spark sqlhivethriftserver
    spark sql 能够通过thriftserver 访问hive数据，默认spark编译的版本是不支持访问hive，因为hive依赖比较多，因此打的包中不包含hive和thriftserver,因此需要自己下载源码进行编译，将hive，thriftserver打包进去才能够访问，详细配置步骤如下：   1、下载源码   2、下载Maven,并配置 此配置简单，就略过
  • HTTP 协议通信 周凡杨 javahttpclienthttp通信
                            一：简介  HTTPCLIENT，通过JAVA基于HTTP协议进行点与点间的通信！     二： 代码举例      测试类： import java
  • java unix时间戳转换 g21121 java
    把java时间戳转换成unix时间戳： Timestamp appointTime=Timestamp.valueOf(new SimpleDateFormat("yyyy-MM-dd HH:mm:ss").format(new Date())) SimpleDateFormat df = new SimpleDateFormat("yyyy-MM-dd hh:m
  • web报表工具FineReport常用函数的用法总结（报表函数） 老A不折腾 web报表finereport总结
    说明：本次总结中，凡是以tableName或viewName作为参数因子的。函数在调用的时候均按照先从私有数据源中查找，然后再从公有数据源中查找的顺序。   CLASS CLASS(object):返回object对象的所属的类。   CNMONEY CNMONEY(number,unit)返回人民币大写。 number:需要转换的数值型的数。 unit:单位，
  • java jni调用c++ 代码 报错 墙头上一根草 javaC++jni
    # # A fatal error has been detected by the Java Runtime Environment: # #  EXCEPTION_ACCESS_VIOLATION (0xc0000005) at pc=0x00000000777c3290, pid=5632, tid=6656 # # JRE version: Java(TM) SE Ru
  • Spring中事件处理de小技巧 aijuans springSpring 教程Spring 实例Spring 入门Spring3
    Spring 中提供一些Aware相关de接口，BeanFactoryAware、 ApplicationContextAware、ResourceLoaderAware、ServletContextAware等等，其中最常用到de匙ApplicationContextAware.实现ApplicationContextAwaredeBean，在Bean被初始后，将会被注入 Applicati
  • linux shell ls脚本样例 annan211 linuxlinux ls源码linux 源码
    #! /bin/sh - #查找输入文件的路径 #在查找路径下寻找一个或多个原始文件或文件模式 # 查找路径由特定的环境变量所定义 #标准输出所产生的结果 通常是查找路径下找到的每个文件的第一个实体的完整路径 # 或是filename :not found 的标准错误输出。 #如果文件没有找到 则退出码为0 #否则 即为找不到的文件个数 #语法 pathfind [--
  • List,Set,Map遍历方式 (收集的资源,值得看一下) 百合不是茶 listsetMap遍历方式
    List特点：元素有放入顺序，元素可重复 Map特点：元素按键值对存储，无放入顺序 Set特点：元素无放入顺序，元素不可重复（注意：元素虽然无放入顺序，但是元素在set中的位置是有该元素的HashCode决定的，其位置其实是固定的） List接口有三个实现类：LinkedList，ArrayList，Vector LinkedList：底层基于链表实现，链表内存是散乱的，每一个元素存储本身
  • 解决SimpleDateFormat的线程不安全问题的方法 bijian1013 javathread线程安全
    在Java项目中，我们通常会自己写一个DateUtil类，处理日期和字符串的转换，如下所示： public class DateUtil01 { private SimpleDateFormat dateformat = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss"); public void format(Date d
  • http请求测试实例（采用fastjson解析） bijian1013 http测试
            在实际开发中，我们经常会去做http请求的开发，下面则是如何请求的单元测试小实例，仅供参考。 import java.util.HashMap; import java.util.Map; import org.apache.commons.httpclient.HttpClient; import
  • 【RPC框架Hessian三】Hessian 异常处理 bit1129 hessian
    RPC异常处理概述   RPC异常处理指是，当客户端调用远端的服务，如果服务执行过程中发生异常，这个异常能否序列到客户端？   如果服务在执行过程中可能发生异常，那么在服务接口的声明中，就该声明该接口可能抛出的异常。   在Hessian中，服务器端发生异常，可以将异常信息从服务器端序列化到客户端，因为Exception本身是实现了Serializable的
  • 【日志分析】日志分析工具 bit1129 日志分析
    1. 网站日志实时分析工具 GoAccess http://www.vpsee.com/2014/02/a-real-time-web-log-analyzer-goaccess/ 2. 通过日志监控并收集 Java 应用程序性能数据(Perf4J) http://www.ibm.com/developerworks/cn/java/j-lo-logforperf/ 3.log.io 和
  • nginx优化加强战斗力及遇到的坑解决 ronin47 nginx 优化
    　　　先说遇到个坑，第一个是负载问题，这个问题与架构有关，由于我设计架构多了两层，结果导致会话负载只转向一个。解决这样的问题思路有两个：一是改变负载策略，二是更改架构设计。 　　　由于采用动静分离部署，而nginx又设计了静态，结果客户端去读nginx静态，访问量上来，页面加载很慢。解决：二者留其一。最好是保留apache服务器。   　　　来以下优化：   　　　
  • java-50-输入两棵二叉树A和B，判断树B是不是A的子结构 bylijinnan java
    思路来自： http://zhedahht.blog.163.com/blog/static/25411174201011445550396/ import ljn.help.*; public class HasSubtree { /**Q50. * 输入两棵二叉树A和B，判断树B是不是A的子结构。 例如，下图中的两棵树A和B，由于A中有一部分子树的结构和B是一
  • mongoDB 备份与恢复 开窍的石头 mongDB备份与恢复
    Mongodb导出与导入 1: 导入/导出可以操作的是本地的mongodb服务器,也可以是远程的. 所以,都有如下通用选项: -h host   主机 --port port    端口 -u username 用户名 -p passwd   密码 2: mongoexport 导出json格式的文件
  • [网络与通讯]椭圆轨道计算的一些问题 comsci 网络
         如果按照中国古代农历的历法，现在应该是某个季节的开始，但是由于农历历法是3000年前的天文观测数据，如果按照现在的天文学记录来进行修正的话，这个季节已经过去一段时间了。。。。。       也就是说，还要再等3000年。才有机会了，太阳系的行星的椭圆轨道受到外来天体的干扰，轨道次序发生了变
  • 软件专利如何申请 cuiyadll 软件专利申请
    软件技术可以申请软件著作权以保护软件源代码，也可以申请发明专利以保护软件流程中的步骤执行方式。专利保护的是软件解决问题的思想，而软件著作权保护的是软件代码（即软件思想的表达形式）。例如，离线传送文件，那发明专利保护是如何实现离线传送文件。基于相同的软件思想，但实现离线传送的程序代码有千千万万种，每种代码都可以享有各自的软件著作权。申请一个软件发明专利的代理费大概需要5000-8000申请发明专利可
  • Android学习笔记 darrenzhu android
    1.启动一个AVD 2.命令行运行adb shell可连接到AVD,这也就是命令行客户端 3.如何启动一个程序   am start -n package name/.activityName   am start -n com.example.helloworld/.MainActivity 启动Android设置工具的命令如下所示： # am start -
  • apache虚拟机配置，本地多域名访问本地网站 dcj3sjt126com apache
    现在假定你有两个目录，一个存在于 /htdocs/a，另一个存在于 /htdocs/b 。 现在你想要在本地测试的时候访问 www.freeman.com 对应的目录是 /xampp/htdocs/freeman ,访问 www.duchengjiu.com 对应的目录是 /htdocs/duchengjiu。 1、首先修改C盘WINDOWS\system32\drivers\etc目录下的
  • yii2 restful web服务[速率限制] dcj3sjt126com PHPyii2
    速率限制 为防止滥用，你应该考虑增加速率限制到您的API。 例如，您可以限制每个用户的API的使用是在10分钟内最多100次的API调用。 如果一个用户同一个时间段内太多的请求被接收， 将返回响应状态代码 429 (这意味着过多的请求)。 要启用速率限制, [[yii\web\User::identityClass|user identity class]] 应该实现 [[yii\filter
  • Hadoop2.5.2安装——单机模式 eksliang hadoophadoop单机部署
    转载请出自出处：http://eksliang.iteye.com/blog/2185414 一、概述        Hadoop有三种模式 单机模式、伪分布模式和完全分布模式，这里先简单介绍单机模式 ，默认情况下，Hadoop被配置成一个非分布式模式，独立运行JAVA进程，适合开始做调试工作。   二、下载地址 Hadoop 网址http:
  • LoadMoreListView+SwipeRefreshLayout（分页下拉）基本结构 gundumw100 android
    一切为了快速迭代 import java.util.ArrayList; import org.json.JSONObject; import android.animation.ObjectAnimator; import android.os.Bundle; import android.support.v4.widget.SwipeRefreshLayo
  • 三道简单的前端HTML/CSS题目 ini htmlWeb前端css题目
    使用CSS为多个网页进行相同风格的布局和外观设置时，为了方便对这些网页进行修改，最好使用（ ）。http://hovertree.com/shortanswer/bjae/7bd72acca3206862.htm   在HTML中加入<table style=”color:red; font-size:10pt”>，此为（ ）。http://hovertree.com/s
  • overrided方法编译错误 kane_xie override
    问题描述： 在实现类中的某一或某几个Override方法发生编译错误如下： Name clash: The method put(String) of type XXXServiceImpl has the same erasure as put(String) of type XXXService but does not override it   当去掉@Over
  • Java中使用代理IP获取网址内容（防IP被封，做数据爬虫） mcj8089 免费代理IP代理IP数据爬虫JAVA设置代理IP爬虫封IP
    推荐两个代理IP网站：   1. 全网代理IP：http://proxy.goubanjia.com/   2. 敲代码免费IP：http://ip.qiaodm.com/   Java语言有两种方式使用代理IP访问网址并获取内容，   方式一，设置System系统属性   // 设置代理IP System.getProper
  • Nodejs Express 报错之 listen EADDRINUSE qiaolevip 每天进步一点点学习永无止境nodejs纵观千象
    当你启动 nodejs服务报错： >node app Express server listening on port 80 events.js:85 throw er; // Unhandled 'error' event ^ Error: listen EADDRINUSE at exports._errnoException (
  • C++中三种new的用法 _荆棘鸟_ C++new
    转载自：http://news.ccidnet.com/art/32855/20100713/2114025_1.html 作者: mt 其一是new operator，也叫new表达式；其二是operator new，也叫new操作符。这两个英文名称起的也太绝了，很容易搞混，那就记中文名称吧。new表达式比较常见，也最常用，例如： string* ps = new string("
  • Ruby深入研究笔记1 wudixiaotie Ruby
    module是可以定义private方法的 module MTest def aaa puts "aaa" private_method end private def private_method puts "this is private_method" end end
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他