小欧尼思密达
小欧尼思密达

【个人总结】用深度学习进行信号的特征提取和分类

项目和资料汇总

  • 参考项目汇总
    • github项目
    • kaggle项目
    • 天池项目
  • 深度学习
    • 学习资料汇总
    • 【论文】[时频联合分析](https://blog.csdn.net/wordwarwordwar/article/details/66583536)
    • 【论文】[基于深度学习的雷达辐射源识别技术研究](https://blog.csdn.net/m0_46735338/article/details/108139541)
    • 【论文】[深度学习在识别雷达信号调制类别中的应用](https://blog.csdn.net/m0_46735338/article/details/108163961)
  • 机器学习
    • 总流程
    • sklearn
    • 细节问题
  • 信号处理
    • 信号特征及特征提取方法
  • MATLAB
    • 很有用
    • 视频教学
    • 官方文档
    • matlab应用实践

由于最近新接触了很多机器学习、深度学习的知识，以及一些项目的复现，发现资料太多需要整理一下，在不断地更新完善中，希望自己不只是收藏便学会了，嘻嘻

参考项目汇总

github项目

【SETI研究所分类太空信号】
项目概况：

最优解：

第二优解：

【声音信号比较分类——多模型】

【时间序列信号分析和分类——】

kaggle项目

  • 【VSB 电源线故障检测】CNN + LSTM用于信号分类：

  • 【泰坦尼克之灾】预测能否生还

  • 【康奈尔鸟叫声识别】使用Python进行EDA和音频处理

天池项目

  • 【泰坦尼克入门】

  • 【泰坦尼克进阶】

  • 【o2o优惠券使用预测】

深度学习

学习资料汇总

【电子书】动手学深度学习pytorch网址：

【视频】MIT 6.S191 深度学习方法(2019) /中英文字幕
【网址】递归神经网络RNN
——代码本地地址：C:\Users\jenny\学习——机器学习\神经网络\使用numpy和theano实现RNN
——代码源地址：https://github.com/dennybritz/rnn-tutorial-rnnlm

  1. RNN简介：
  2. 用Numpy and Theano实现RNN
  3. 介绍梯度消失和时间反向传播
  4. Theano实现GRU / LSTM RNN
    【代码实战】手把手教你使用 1D 卷积和 LSTM 混合模型做 EEG 信号识别

  5. 【论文】时频联合分析

  6. 【论文】基于深度学习的雷达辐射源识别技术研究

  7. 【论文】深度学习在识别雷达信号调制类别中的应用

机器学习

总流程

  1. 机器学习路线图：

  2. 机器学习模型优化之模型融合：

  3. 一个完整的机器学习项目：

sklearn

  1. sklearn常用函数及参数：

细节问题

  1. 正则化、过拟合与欠拟合：

  2. 在分类中如何处理训练集中不平衡问题：

  3. 基于EEG信号的情绪分析数据库DEAP论文调研

  4. 脑机接口EEG信号分类算法比较

信号处理

信号特征及特征提取方法

  1. 常用信号特征提取方法总结(完善中…) - 讲道理的蔡老师的文章 - 知乎
  2. matlab论坛：实现窄带干扰
    https://www.ilovematlab.cn/thread-75175-1-1.html
    https://www.ilovematlab.cn/thread-259314-1-1.html
    3.常见干扰实现：付费
    http://www.pudn.com/Download/item/id/3971740.html
  3. DME知识点https://wenku.baidu.com/view/d84c05e3de80d4d8d15a4ff8.html

MATLAB

很有用

【代码】（很有用）MATLAB仿真噪声信号、单多音信号、LFM、2ASK、2FSK、BPSK、16QAM
【视频】（很有用）Matlab理论与实践视频（很有用）：数字信号分析与实践

视频教学

【视频】b站算法工匠：matlab通信系统仿真（调制解调和信号同步）
【视频】Matlabb站教学视频：Matlab系统仿真
【视频】matlab官方视频：Matlab在信号处理中的应用
【视频】b站视频：Matlab深度学习在深度学习的应用

官方文档

【官方网页】matlab官方：

  • 波形生成
  • 信号生成和可视化
  • 时频分析
  • 频域分析实践

【官方包】

  • Signal Processing Toolbox
  • Communication Toolbox
  • 测量和特征提取
  • Signal Processing Toolbox
  • 信号生成和预处理
  • 波形生成
  • 创建均匀和非均匀时间向量
  • 信号生成和可视化

【官方项目】

  • 利用小波分析和深度学习对时间序列进行分类
  • 使用长短期记忆网络对 ECG 信号进行分类

matlab应用实践

  1. MATLAB仿真噪声信号、单多音信号、LFM、2ASK、2FSK、BPSK、16QAM
  2. I路Q路怎么画原始信号
  3. 如何用matlab仿真随机脉冲干扰
  4. 窄带干扰
  5. GPS信号和其干扰的Matlab仿真
  6. GPS信号和其干扰的Matlab仿真
  7. gps信号和干扰的matlab仿真代码
  8. matlab 产生伪随机序列
  9. 【网页文档】噪声调频、调相、调幅干扰实现
  10. 【网页文档】 线性调频信号MATLAB仿真
  11. 【网页文档】 QPSK调制与解调、I路和Q路信号
  12. 【网页文档】MATLAB不同时频信号处理方法介绍及效果对比
  13. 【网页文档】 MATLAB产生线性扫频波形
  14. 【网页文档】信号调制-3种方法：单一频率信号调制、OFDM信号调制、chirp信号调制

你可能感兴趣的:(深度学习,信号分类,机器学习,深度学习)

  • 单片机基础模块学习——PCF8591芯片 promising-w 单片机单片机学习嵌入式硬件
    一、A/D、D/A模块A——Analog模拟信号：连续变化的信号（很多传感器原始输出的信号都为此类信号）D——Digital数字信号：只有高电平和低电平两种变化（单片机芯片、微控制芯片所能处理的都是数字信号）下面是模拟信号和连续信号的区别为什么需要进行模拟信号和数字信号之间的转换呢？例如，传感器的模拟信号需要给单片机进行处理，但是单片机没法直接读取模拟信号此时需要进行A/D转换（模拟信号——>数字
  • 我们为什么要用大语言模型来迭代数据安全能力？ 大模型. 语言模型人工智能自然语言处理架构深度学习大数据大模型
    在当今科技飞速发展的时代，大语言模型无疑是最炙手可热的话题之一。从OpenAI的GPT系列到谷歌的BERT，这些拥有海量参数的模型宛如智能巨人，正重塑着自然语言处理（NLP）的格局。你或许好奇，大语言模型究竟为何如此备受瞩目？这得从自然语言处理领域的核心任务——文本分类说起。文本分类，就像是给五花八门的文本信息贴上合适的“标签”，无论是判断一封邮件是正常邮件还是垃圾邮件，分析社交媒体上的评论是积极
  • scikit-learn基本功能和示例代码 weixin_30777913 深度学习机器学习pythonscikit-learn
    scikit-learn（简称sklearn）是一个广泛使用的Python机器学习库，提供了丰富的工具和算法，涵盖了数据预处理、模型训练、评估和优化等多个方面。scikit-learn是一个功能强大的机器学习库，涵盖了数据预处理、分类、回归、聚类、降维、模型选择与评估等多个方面。通过上述代码示例，您可以快速上手并使用scikit-learn进行机器学习任务。以下是对scikit-learn主要功能
  • There was a problem confirming the ssl certificate: [SSL:CERTIFICATE_ VERIFY_ FAILED]certificate解决方案 爱编程的喵喵 Python基础课程pythonpipSSLcertificate解决方案
      大家好，我是爱编程的喵喵。双985硕士毕业，现担任全栈工程师一职，热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳，不仅形成深入且独到的理解，而且能够帮助新手快速入门。  本文主要介绍了Therewasaproblemco
  • 使用 Python 和 scikit-learn 实现 KNN 分类：以鸢尾花数据集为例 弥树子 pythonscikit-learn分类
    在机器学习的世界里，K-NearestNeighbors（KNN）算法是一种简单而强大的分类方法。它基于一个直观的想法：相似的数据点往往属于同一类别。本文将通过Python的scikit-learn库实现KNN分类，以经典的鸢尾花数据集为例，展示从数据加载到模型评估的完整流程。1.KNN算法简介KNN是一种监督学习算法，主要用于分类和回归任务。它的工作原理非常简单：对于一个新的数据点，算法会查找训
  • machine learning knn算法之使用KNN对鸢尾花数据集进行分类 知识鱼丸 machinelearning机器学习算法分类
    通过导入必要的scikit-learn导入必要的库，加载给定的数据，划分测试集和训练集之后训练预测和评估即可具体代码如下：importnumpyasnpfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportStandardS
  • DeepSeek--通向通用人工智能的深度探索者 油泼辣子多加 专业名词解释人工智能
    一、词源与全称“DeepSeek"由"Deep”（深度）与"Seek"（探索）组合而成，中文译名为"深度求索"。其全称为"深度求索人工智能基础技术研究有限公司"，英文对应"DeepSeekArtificialIntelligenceResearchInstitute"。这一命名体现了企业对深度学习技术与未知领域持续探索的双重追求。二、发展历程初创期（2023）公司成立于中国杭州，创始团队汇聚了来自
  • git clone出现fatal: unable to access Failed to connect to github.com port 443: Timed out解决方案 爱编程的喵喵 Python基础课程gitgithubtimeoutport443解决方案
      大家好，我是爱编程的喵喵。双985硕士毕业，现担任全栈工程师一职，热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳，不仅形成深入且独到的理解，而且能够帮助新手快速入门。  本文主要介绍了gitclone出现fatal:un
  • Gradio 快速构建机器学习web可视化界面心得 算法小菜鸟成长心得 python
    1.操作完成提示try:#对输入的字符串代码进行编译运行exec(get_test_code_example)gr.Info("Modeltestingcompletedsuccessfully.")except:raisegr.Error("Modeltestingfailed.")用到了gr.Info()和gr.Errot(）
  • linux git clone出现fatal: unable to access Failed to connect to github.com port 443: Timed out解决方案 herosunly C/C++/Linux解决方案linuxgitgithubtimeoutport443
      大家好，我是herosunly。985院校硕士毕业，现担任算法研究员一职，热衷于机器学习算法研究与应用。曾获得阿里云天池比赛第一名，CCF比赛第二名，科大讯飞比赛第三名。拥有多项发明专利。对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。  本文主要介绍了linuxgitclone出现fatal:unabletoaccessF
  • flask+layui学生信息管理系统 元宇宙中的程序员 flasklayuipython
    提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。一、数据库建模1、创建数据模型classStudentORM(db.Model):stu_id=d
  • Python 3.9它来啦！！！ python程序员小'鹏 python编程语言经验分享程序人生
    Python3.9，来了！小编本身就是一名python开发工程师，我自己花了三天时间整理了一套python学习教程，从最基础的python脚本到web开发，爬虫，数据分析，数据可视化，机器学习，等，这些资料有想要的小伙伴"点击"即可领取过去一年，来自世界各地的开发者们一直在致力于Python3.8的改进。Python3.9beta版本已经存在了一段时间，第一个正式版本于2020年10月5日发布。每
  • AI智能制造软件有什么用处 雪叶雨林 行业资讯AI人工智能制造
    随着信息技术与制造业的深度融合，人工智能（AI）逐渐成为提升制造效率和灵活性的重要工具。AI智能制造软件通过集成数据分析、机器学习和自动化流程，为企业提供了优化生产、降低成本和提高质量的新途径。生产过程优化实时监控与反馈AI智能制造软件能够实时收集生产线上的各类数据，如温度、压力、速度等参数，并通过机器学习算法进行分析处理。一旦检测到异常情况，系统会立即发出警报并提供改进建议，帮助企业快速响应问题
  • ModuleNotFoundError: No module named ‘pywin32_bootstrap‘解决方案 爱编程的喵喵 Python基础课程pythonModuleNotFoundwin32_bootstap解决方案
      大家好，我是爱编程的喵喵。双985硕士毕业，现担任全栈工程师一职，热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳，不仅形成深入且独到的理解，而且能够帮助新手快速入门。  本文主要介绍了ModuleNotFoundErro
  • 人脸识别的经典深度学习方法 明初啥都能学会 深度学习人工智能
    人脸识别的经典深度学习方法引言1.卷积神经网络（CNN）1.1LeNet1.2AlexNet1.3VGGNet1.4ResNet2.人脸检测2.1Viola-Jones算法2.2基于深度学习的人脸检测3.人脸特征提取3.1主成分分析（PCA）3.2人脸对齐3.2.1基于特征点的对齐3.2.2基于深度学习的对齐4.人脸识别模型4.1传统机器学习方法4.2基于深度学习的方法5.公式解读5.1卷积运算5
  • AI智能获客工具的意义是什么 雪叶雨林 AI行业资讯人工智能
    在当今竞争激烈的市场环境中，企业需要高效、精准的获客策略来维持增长和竞争力。AI智能获客工具的出现，为企业提供了一种全新的解决方案，通过自动化和智能化手段提高获客效率和质量。一、AI智能获客工具的核心价值1.1提高获客效率AI智能获客工具通过自动化流程，如自动筛选潜在客户、自动发送营销信息等，大幅减少了人力投入和时间成本，从而提高了获客效率。1.2精准定位潜在客户利用机器学习和大数据分析技术，AI
  • 【STM32】STM32外设应用 大雨淅淅 嵌入式开发stm32
    目录一、GPIO（通用输入输出）二、USART（通用同步异步收发传输器）三、ADC（模拟-数字转换器）四、TIM（定时器）STM32是意法半导体推出的一系列32位微控制器，具有丰富的外设资源。以下为你详细介绍几种常见STM32外设的应用：一、GPIO（通用输入输出）原理：GPIO是最基本的外设，可配置为输入或输出模式。当配置为输入模式时，可读取外部信号；配置为输出模式时，能向外部输出高或低电平。应
  • MicroAI™将人工智能培训引入RENESAS MCU sinat_41698914 人工智能mcubigdata
    在端点部署的人工智能技术将加快资产密集型行业的上市时间达拉斯--(美国商业资讯)--边缘原生人工智能(AI)和机器学习(ML)产品领域的先驱MicroAITM今天宣布，公司已将其MicroAIAtomML™技术与RenesasRA微控制器(MCU)产品线进行整合。与全球微控制器领导者Renesas合作将机器学习引入MCU，并借助MicroAI直接在嵌入式环境中训练机器学习模型的能力——这在业界尚属
  • 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
  • 《Kotlin核心编程》下篇 张云瀚 kotlinkotlin核心编程
    设计模式设计模式分类创建型设计模式：概念：创建型设计模式主要用于对象的创建过程，比如对象的实例化、创建对象的方式和时机等，它关注的是如何将对象的创建和使用分离，使得代码在创建对象时更加灵活、可维护和可扩展。特点：封装对象创建过程；提高灵活性；便于代码复用。常见模式：单例模式、工厂模式、抽象工厂模式、建造者模式、原型模式。结构型设计模式：概念：结构型设计模式主要用于处理类或对象的组合结构，它关注的是
  • ultralytics 是什么？ 博刻 AI学习笔记python
    ultralytics是一个用于计算机视觉任务的Python库，专注于提供高效、易用的目标检测、实例分割和图像分类工具。它最著名的功能是实现YOLO（YouOnlyLookOnce）系列模型，特别是最新的YOLOv8。1.YOLO是什么？YOLO是一种流行的目标检测算法，以其速度快和精度高而闻名。YOLO的核心思想是将目标检测问题转化为一个回归问题，直接预测目标的边界框和类别。YOLOv8是YOL
  • mysql 树形结构_MySQL 树形结构数据库设计 | 剑花烟雨江南 来B mysql树形结构
    程序设计过程中，我们常常用树形结构来表示某些数据的关联关系，如企业的部门上下级、电商平台的商品分类等等，通常而言，我们需要通过数据库来完成数据的持久化。由于关系型数据库没有一个很好的树形结构解决方案，因此设计合适的Schema以及其对应的CURD算法是关键。接下来，我们以电商商品分类结构来介绍几种解决方案。邻接表邻接表就是把所有节点都放在一张表中，然后用一个属性来记录每个节点的父节点。如下：CRE
  • Kaggle房价预测 一名小菜鸟的学习之路 深度学习pytorch深度学习机器学习python人工智能神经网络
    Kaggle房价预测作为深度学习基础篇章的总结，我们将对本章内容学以致用。下面，让我们动手实战一个Kaggle比赛：房价预测。本节将提供未经调优的数据的预处理、模型的设计和超参数的选择。我们希望读者通过动手操作、仔细观察实验现象、认真分析实验结果并不断调整方法，得到令自己满意的结果。%matplotlibinlineimporttorchimporttorch.nnasnnimportnumpya
  • C++ 与机器学习：构建高效推理引擎的秘诀 salsm C++编程魔法师c++机器学习开发语言
    随着深度学习模型逐渐从研究走向生产环境，推理能力成为部署中的关键环节。模型的推理引擎需要以极低的延迟快速处理输入数据，同时最大化地利用硬件资源。虽然Python被广泛用于模型的训练和开发，但C++却在推理领域独占鳌头，其性能优势和硬件控制能力无可替代。在这篇文章中，我们将从为什么选择C++、构建高效推理引擎的细节，以及相似的开源项目三个方面深入探讨如何利用C++打造高效的机器学习推理引擎。目录为什
  • 《动手学深度学习》(PyTorch版) chaser&upper 深度学习pytorch深度学习python
    《动手学深度学习》PyTorch版前言简介面向人群食用方法方法一方法二方法三目录原书地址引用阅读指南前言读书啦！！！本项目将《动手学深度学习》原书中MXNet代码实现改为PyTorch实现。原书作者：阿斯顿·张、李沐、扎卡里C.立顿、亚历山大J.斯莫拉以及其他社区贡献者，GitHub地址：https://github.com/d2l-ai/d2l-zh此书的中英版本存在一些不同，针对此书英文版的P
  • 从简单到深刻的认知发展 AI架构设计之禅 计算机软件编程原理与应用实践javapythonjavascriptkotlingolang架构人工智能
    认知发展，人工智能，深度学习，神经网络，机器学习，自然语言处理，计算机视觉1.背景介绍认知发展是人类从简单到复杂的思维方式演进的过程，它涉及感知、记忆、语言、推理和决策等多个方面。随着人工智能技术的飞速发展，我们开始尝试用计算机模拟人类的认知能力，构建能够学习、理解和解决复杂问题的智能系统。从早期的符号逻辑到如今的深度学习，人工智能的发展经历了多个阶段。早期的人工智能研究主要集中在规则和逻辑推理上
  • 大数据和智能数据应用架构系列教程之：大数据与人工智能 AI天才研究院 AI实战大数据AI人工智能Python实战大数据人工智能语言模型JavaPython架构设计
    作者：禅与计算机程序设计艺术1.背景介绍概述“大数据”是指海量、高维、多样化的数据集合。随着人类对数据处理和管理的需求越来越复杂，越来越依赖机器学习、人工智能等新兴技术。在过去的一段时间里，越来越多的人开始关注到“大数据”这一颗龙头。如今，“大数据”已经成为一个新的名词，它既包含了大量的数据，也带来了巨大的价值。因此，研究、开发、应用“大数据”技术也逐渐成为各行各业的专业人才需求。在这个快速发展的
  • 使用onnxruntime-web 运行yolov8-nano推理 CHEN_RUI_2200 机器学习YOLO
    ONNX（OpenNeuralNetworkExchange）模型具有以下两个特点促成了我们可以使用onnxruntime-web直接在web端上运行推理模型，为了让这个推理更直观，我选择了试验下yolov8识别预览图片：1.跨平台兼容性ONNX是一种开放的格式，可以在不同的深度学习框架之间共享模型，如PyTorch、TensorFlow、MXNet和Caffe2。这使得用户可以在一个框架中训练模
  • 人工智能学习框架：深入解析与实战指南 一ge科研小菜鸡 人工智能人工智能
    个人主页：一ge科研小菜鸡-CSDN博客期待您的关注引言随着人工智能（AI）技术的飞速发展，深度学习、强化学习和自然语言处理等领域的应用愈加广泛。掌握人工智能学习框架（如TensorFlow、PyTorch、Keras等）已成为开发智能系统、研究前沿技术的必备技能。本指南将全面介绍人工智能主流学习框架的特点、安装方法、核心功能，以及通过实践案例展示如何使用这些框架进行AI模型开发、训练与优化。1.
  • 从零开始构建一个JAVA项目 SUGERBOOM javalog4j开发语言
    本篇文章将从结构框架入手，系统介绍一个完整Java程序的结构步骤，不涉及JAVA基础代码学习。在本文章中先简单介绍Maven、Spring、MyBatis三种Java类型。一、分类介绍首先我们先来了解Java程序的类型，不同类型结构略有区别。Java程序的类型可以根据多个分类方式进行划分，以下是一些常见的分类和简要解释：构建工具类型：Maven：用于管理项目的构建、报告和文档的生成。它提供了一种标
  • 分享100个最新免费的高匿HTTP代理IP mcj8089 代理IP代理服务器匿名代理免费代理IP最新代理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/     120.198.243.130:80,中国/广东省 58.251.78.71:8088,中国/广东省 183.207.228.22:83,中国/
  • mysql高级特性之数据分区 annan211 java数据结构mongodb分区mysql
    mysql高级特性 1 以存储引擎的角度分析，分区表和物理表没有区别。是按照一定的规则将数据分别存储的逻辑设计。器底层是由多个物理字表组成。 2 分区的原理 分区表由多个相关的底层表实现，这些底层表也是由句柄对象表示，所以我们可以直接访问各个分区。存储引擎管理分区的各个底层 表和管理普通表一样(所有底层表都必须使用相同的存储引擎)，分区表的索引只是
  • JS采用正则表达式简单获取URL地址栏参数 chiangfai js地址栏参数获取
    GetUrlParam:function GetUrlParam(param){ var reg = new RegExp("(^|&)"+ param +"=([^&]*)(&|$)"); var r = window.location.search.substr(1).match(reg); if(r!=null
  • 怎样将数据表拷贝到powerdesigner (本地数据库表) Array_06 powerDesigner
    ================================================== 1、打开PowerDesigner12，在菜单中按照如下方式进行操作 file->Reverse Engineer->DataBase 点击后，弹出 New Physical Data Model 的对话框 2、在General选项卡中 Model name:模板名字，自
  • logbackのhelloworld 飞翔的马甲 日志logback
    一、概述 1.日志是啥？ 当我是个逗比的时候我是这么理解的：log.debug()代替了system.out.print(); 当我项目工作时，以为是一堆得.log文件。 这两天项目发布新版本，比较轻松，决定好好地研究下日志以及logback。 传送门1：日志的作用与方法： http://www.infoq.com/cn/articles/why-and-how-log 上面的作
  • 新浪微博爬虫模拟登陆 随意而生 新浪微博
    转载自：http://hi.baidu.com/erliang20088/item/251db4b040b8ce58ba0e1235     近来由于毕设需要，重新修改了新浪微博爬虫废了不少劲，希望下边的总结能够帮助后来的同学们。      现行版的模拟登陆与以前相比，最大的改动在于cookie获取时候的模拟url的请求
  • synchronized 香水浓 javathread
        Java语言的关键字，可用来给对象和方法或者代码块加锁，当它锁定一个方法或者一个代码块的时候，同一时刻最多只有一个线程执行这段代码。当两个并发线程访问同一个对象object中的这个加锁同步代码块时，一个时间内只能有一个线程得到执行。另一个线程必须等待当前线程执行完这个代码块以后才能执行该代码块。然而，当一个线程访问object的一个加锁代码块时，另一个线程仍然
  • maven 简单实用教程 AdyZhang maven
    1. Maven介绍  1.1. 简介 java编写的用于构建系统的自动化工具。目前版本是2.0.9，注意maven2和maven1有很大区别，阅读第三方文档时需要区分版本。 1.2. Maven资源 见官方网站；The 5 minute test，官方简易入门文档；Getting Started Tutorial，官方入门文档；Build Coo
  • Android 通过 intent传值获得null aijuans android
    我在通过intent 获得传递兑现过的时候报错，空指针,我是getMap方法进行传值，代码如下 1 2 3 4 5 6 7 8 9 public void getMap(View view){            Intent i =
  • apache 做代理 报如下错误：The proxy server received an invalid response from an upstream baalwolf response
    网站配置是apache＋tomcat,tomcat没有报错，apache报错是： The proxy server received an invalid response from an upstream server. The proxy server could not handle the request GET /. Reason: Error reading fr
  • Tomcat6 内存和线程配置 BigBird2012 tomcat6
    1、修改启动时内存参数、并指定JVM时区 （在windows server 2008 下时间少了8个小时） 在Tomcat上运行j2ee项目代码时，经常会出现内存溢出的情况，解决办法是在系统参数中增加系统参数：  window下， 在catalina.bat最前面 set JAVA_OPTS=-XX:PermSize=64M -XX:MaxPermSize=128m -Xms5
  • Karam与TDD bijian1013 KaramTDD
    一.TDD         测试驱动开发（Test-Driven Development,TDD）是一种敏捷（AGILE）开发方法论，它把开发流程倒转了过来，在进行代码实现之前，首先保证编写测试用例，从而用测试来驱动开发（而不是把测试作为一项验证工具来使用）。         TDD的原则很简单： a.只有当某个
  • [Zookeeper学习笔记之七]Zookeeper源代码分析之Zookeeper.States bit1129 zookeeper
    public enum States { CONNECTING, //Zookeeper服务器不可用，客户端处于尝试链接状态 ASSOCIATING, //？？？ CONNECTED, //链接建立，可以与Zookeeper服务器正常通信 CONNECTEDREADONLY, //处于只读状态的链接状态，只读模式可以在
  • 【Scala十四】Scala核心八：闭包 bit1129 scala
    Free variable A free variable of an expression is a variable that’s used inside the expression but not defined inside the expression. For instance, in the function literal expression (x: Int) => (x
  • android发送json并解析返回json ronin47 android
    package com.http.test; import org.apache.http.HttpResponse; import org.apache.http.HttpStatus; import org.apache.http.client.HttpClient; import org.apache.http.client.methods.HttpGet; import
  • 一份IT实习生的总结 brotherlamp PHPphp资料php教程php培训php视频
    今天突然发现在不知不觉中自己已经实习了 3 个月了，现在可能不算是真正意义上的实习吧，因为现在自己才大三，在这边撸代码的同时还要考虑到学校的功课跟期末考试。让我震惊的是，我完全想不到在这 3 个月里我到底学到了什么，这是一件多么悲催的事情啊。同时我对我应该 get 到什么新技能也很迷茫。所以今晚还是总结下把，让自己在接下来的实习生活有更加明确的方向。最后感谢工作室给我们几个人这个机会让我们提前出来
  • 据说是2012年10月人人网校招的一道笔试题-给出一个重物重量为X,另外提供的小砝码重量分别为1，3，9。。。3^N。 将重物放到天平左侧，问在两边如何添加砝码 bylijinnan java
    public class ScalesBalance { /** * 题目： * 给出一个重物重量为X,另外提供的小砝码重量分别为1，3，9。。。3^N。 （假设N无限大，但一种重量的砝码只有一个） * 将重物放到天平左侧，问在两边如何添加砝码使两边平衡 * * 分析： * 三进制 * 我们约定括号表示里面的数是三进制，例如 47=(1202
  • dom4j最常用最简单的方法 chiangfai dom4j
    要使用dom4j读写XML文档,需要先下载dom4j包,dom4j官方网站在 http://www.dom4j.org/目前最新dom4j包下载地址:http://nchc.dl.sourceforge.net/sourceforge/dom4j/dom4j-1.6.1.zip 解开后有两个包,仅操作XML文档的话把dom4j-1.6.1.jar加入工程就可以了,如果需要使用XPath的话还需要
  • 简单HBase笔记 chenchao051 hbase
     一、Client-side write buffer 客户端缓存请求 描述：可以缓存客户端的请求，以此来减少RPC的次数，但是缓存只是被存在一个ArrayList中，所以多线程访问时不安全的。 可以使用getWriteBuffer()方法来取得客户端缓存中的数据。 默认关闭。 二、Scan的Caching 描述： next( )方法请求一行就要使用一次RPC,即使
  • mysqldump导出时出现when doing LOCK TABLES daizj mysqlmysqdump导数据
    　　执行　mysqldump -uxxx -pxxx -hxxx -Pxxxx database tablename > tablename.sql　 导出表时，会报 mysqldump: Got error: 1044: Access denied for user 'xxx'@'xxx' to database 'xxx' when doing LOCK TABLES 解决
  • CSS渲染原理 dcj3sjt126com Web
      从事Web前端开发的人都与CSS打交道很多，有的人也许不知道css是怎么去工作的，写出来的css浏览器是怎么样去解析的呢？当这个成为我们提高css水平的一个瓶颈时，是否应该多了解一下呢？          一、浏览器的发展与CSS           
  • 《阿甘正传》台词 dcj3sjt126com
    Part Ⅰ: 《阿甘正传》Forrest Gump经典中英文对白 Forrest: Hello! My names Forrest. Forrest Gump. You wanna Chocolate? I could eat about a million and a half othese. My momma always said life was like a box ochocol
  • Java处理JSON dyy_gusi json
    Json在数据传输中很好用，原因是JSON 比 XML 更小、更快，更易解析。 在Java程序中，如何使用处理JSON，现在有很多工具可以处理，比较流行常用的是google的gson和alibaba的fastjson，具体使用如下： 1、读取json然后处理 class ReadJSON { public static void main(String[] args)
  • win7下nginx和php的配置 geeksun nginx
    1.  安装包准备 nginx :  从nginx.org下载nginx-1.8.0.zip php： 从php.net下载php-5.6.10-Win32-VC11-x64.zip， php是免安装文件。 RunHiddenConsole: 用于隐藏命令行窗口   2. 配置 # java用8080端口做应用服务器，nginx反向代理到这个端口即可 p
  • 基于2.8版本redis配置文件中文解释 hongtoushizi redis
    转载自： http://wangwei007.blog.51cto.com/68019/1548167        在Redis中直接启动redis-server服务时, 采用的是默认的配置文件。采用redis-server   xxx.conf 这样的方式可以按照指定的配置文件来运行Redis服务。下面是Redis2.8.9的配置文
  • 第五章 常用Lua开发库3-模板渲染 jinnianshilongnian nginxlua
    动态web网页开发是Web开发中一个常见的场景，比如像京东商品详情页，其页面逻辑是非常复杂的，需要使用模板技术来实现。而Lua中也有许多模板引擎，如目前我在使用的lua-resty-template，可以渲染很复杂的页面，借助LuaJIT其性能也是可以接受的。   如果学习过JavaEE中的servlet和JSP的话，应该知道JSP模板最终会被翻译成Servlet来执行；而lua-r
  • JZSearch大数据搜索引擎 颠覆者 JavaScript
    系统简介： 大数据的特点有四个层面：第一，数据体量巨大。从TB级别，跃升到PB级别；第二，数据类型繁多。网络日志、视频、图片、地理位置信息等等。第三，价值密度低。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。第四，处理速度快。最后这一点也是和传统的数据挖掘技术有着本质的不同。业界将其归纳为4个“V”——Volume，Variety，Value，Velocity。大数据搜索引
  • 10招让你成为杰出的Java程序员 pda158 java编程框架
    如果你是一个热衷于技术的  Java 程序员， 那么下面的 10 个要点可以让你在众多 Java 开发人员中脱颖而出。 　　 1. 拥有扎实的基础和深刻理解 OO 原则 　　对于 Java 程序员，深刻理解 Object Oriented Programming（面向对象编程）这一概念是必须的。没有 OOPS 的坚实基础，就领会不了像 Java 这些面向对象编程语言
  • tomcat之oracle连接池配置 小网客 oracle
    tomcat版本7.0 配置oracle连接池方式： 修改tomcat的server.xml配置文件： <GlobalNamingResources> <Resource name="utermdatasource" auth="Container" type="javax.sql.DataSou
  • Oracle 分页算法汇总 vipbooks oraclesql算法.net
        这是我找到的一些关于Oracle分页的算法，大家那里还有没有其他好的算法没？我们大家一起分享一下！ -- Oracle 分页算法一 select * from ( select page.*,rownum rn from (select * from help) page -- 20 = (currentPag
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他