- 机器学习与深度学习资料
JasonDing1354
【MachineLearning】
《BriefHistoryofMachineLearning》介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机、神经网络、决策树、SVM、Adaboost到随机森林、DeepLearning.《DeepLearninginNeuralNetworks:AnOverview》介绍:这是瑞士人工智能实验室JurgenSchmidhuber写的最新版本《神经网络与深度学习综述》本综述的特点是以
- 通用无线设备对码软件_通用软件无线电平台USRP-LW N310
weixin_39793319
通用无线设备对码软件
USRP-LWN310http://www.luowave.com产品综述:USRP-LWN310是一种网络的软件定义无线电(SDR),它提供了部署大规模的可靠的和容错性的分布式无线系统。USRP-LWN310通过引入远程执行任务的能力简化了对SDR系统的控制和管理,如更新软件,重新启动,工厂复位、自检,主机/ARM调试以及监控系统运行。USRP-LWN310是目前SDR市场上通道数量最为密集的产
- python-个人笔记
尘叶风凌
个人笔记python
入门python运行Python简单教程Python综述python是什么Python是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。Python的设计具有很强的可读性,相比其他语言经常使用英文关键字,其他语言的一些标点符号,它具有比其他语言更有特色语法结构。Python是一种解释型语言:这意味着开发过程中没有了编译这个环节。类似于PHP和Perl语言。Python是交互式语
- 物联网串口综述
reset2021
物联网物联网
串口(SerialPort)是一种用于设备之间传输数据的接口,其特点是以一条信号线依次传输数据位,因此它是一种“serial”通信方式。以下是对串口的一些关键点进行总结:1.基本概念串口通信:是一种基于RS-232(或RS-485、RS-422等标准)的同步或异步通信接口,主要用于设备间的数据传输。串口接口:通常使用DB9或DB25连接器,常见于电脑、嵌入式系统、工业控制设备等。2.工作原理数据在
- 救命!论文被知网判定AI生成?别慌!手把手教你3分钟自救
chatpaper001
人工智能自然语言处理深度学习AIGCAI写作
最近知网搞了个大动作!2025年2月13日刚更新的学术检测系统,直接把论文圈炸了锅。新上线的AIGC检测2.13版本,连文献综述都可能被打上"AI生成"标签!这次更新有多狠?看这3点就知道1️⃣AI检测准到离谱现在连固定模板的内容都可能中标。比如摘要、引言这些套路化部分,一不小心就被系统盯上。2️⃣专业术语成雷区理论名词、机构名称用多了,系统直接亮红灯。上周有个同学写"Transformer模型"
- 【AI学习】2024年末一些AI总结的摘录
bylander
AI学习人工智能gpt学习
看到不少的总结,边摘录边思考。尤其是这句话:“人类真正的问题是:我们拥有旧石器时代的情感、中世纪的制度和神一般的技术”。22024生成模型综述来自@爱可可-爱生活2024年见证了AI领域的重大飞跃。从OpenAI的主导地位到Claude的异军突起,从xAI到中国的DeepSeek和Qwen,整个行业呈现出百花齐放的态势。让我们梳理2024年的关键进展,并展望2025年的研究方向。大语言模型:架构创
- 点云配准(点云拼接)论文综述
点云SLAM
点云数据处理技术点云数据处理点云配准DeepICPICP深度学习配准方法特征匹配
点云配准(点云拼接)论文综述1.引言点云配准(PointCloudRegistration)是三维计算机视觉与机器人感知领域的核心任务,其目标是通过几何变换将多个点云对齐至统一坐标系,形成完整的场景表示。该技术广泛应用于自动驾驶、增强现实、工业检测、医学影像等领域。随着传感器技术(如LiDAR、RGB-D相机)的进步与深度学习的发展,点云配准方法经历了从传统优化算法到数据驱动模型的演变。本文系统综
- 论文学习3:深度学习增强的光声成像(PAI)的最新进展(综述)
superace7911
基于机器学习的光声图像处理机器学习图像处理
原文链接有空可以细看,这里中列出了文中提到的部分研究结果写作大纲1.引言光声成像(PAI)的介绍,它结合了光学和超声成像的优点,为生物医学成像提供了一种有前景的模态。深度学习(DL)在解决PAI中存在的技术限制(如硬件限制、生物特征信息缺乏等)方面的潜力。2.DL方法的原理介绍DL的子集:监督学习、无监督学习和强化学习。详细说明代表性DL架构:卷积神经网络(CNN)、U-形神经网络(U-Net)和
- 对比学习小综述
wintercoming111
学习
对比学习的目标是将相似样本的表示(Representation)拉近,不相似样本的表示拉远。通过数据增强、损失函数、表示学习目标等步骤实现。分类(1)基于单视角的方法(InstanceDiscrimination)典型代表:SimCLR,MoCo特点:将每个样本视为一个独立类,无需额外的标注信息。适用场景:数据无标注或弱标注的场景。(2)基于聚类的方法(Clustering-BasedContra
- DeepSeek助力科研工作
CodeJourney.
数据库算法架构
在科研领域,传统工作模式面临诸多挑战。科研人员往往需要耗费大量时间和精力在文献综述、技术报告生成和数据分析等基础工作上。据统计,科研人员约三分之一的工作时间都花在查阅和梳理文献上,这不仅效率低下,还容易遗漏重要信息,尤其在信息爆炸的今天,海量的文献资料让科研人员不堪重负。而数据分析的复杂性也使得研究进展缓慢,难以快速从数据中挖掘出有价值的信息。但随着人工智能技术的发展,这些问题迎来了转机,Deep
- 如何避免论文查重中的误判
kexiaoya2013
论文笔记论文阅读
毕业季临近,论文查重成了大家关注的焦点。谁也不想因为查重误判而影响毕业,那么如何有效避免论文查重中的误判呢?理解查重原理:查重系统以连续13字符以上相似为判定标准。避免大段直接引用,对必须引用的内容用引号标注并注明出处,同时加入个人分析。高频术语可用同义词或代词替代。处理公式、表格和图片:直接复制可能导致重复率上升。用公式编辑器重写公式,调整表格结构或文字描述数据,复杂图表可转为图片。整合文献综述
- 【AI大模型应用开发】【RAG评估】1. 通俗易懂:深度理解RAGAS评估方法的原理与应用
同学小张
大模型人工智能gptlangchainRAG经验分享学习笔记
大家好,我是同学小张,日常分享AI知识和实战案例欢迎点赞+关注,持续学习,持续干货输出。+v:jasper_8017一起交流,一起进步。微信公众号也可搜【同学小张】本站文章一览:上篇文章【AI大模型应用开发】【RAG评估】0.综述:一文了解RAG评估方法、工具与指标,我们盘点了当前RAG系统评估的一些主流方法、工具和评估指标。本文我们针对其中的RAGAS评估方法进行详细介绍。我们将深入其原理,理解
- 深度学习-123-综述之AI人工智能与DL深度学习简史1956到2024
皮皮冰燃
深度学习人工智能深度学习
文章目录1AI与深度学习的简史1.1人工智能的诞生(1956)1.2早期人工神经网络(1940-1960年代)1.3多层感知器MLP(1960年代)1.4反向传播(1970-1980年代)1.5第二次黑暗时代(1990-2000年代)1.6深度学习的复兴(21世纪末至今)1.6.1CNN卷积神经网络(1980-2010)1.6.2RNN递归神经网络(1986-2017)1.6.3Transform
- 领航-跟随型编队 (六)避障问题综述
丑萌硬件媛
编队控制自动驾驶
领航-跟随型编队避障问题指编队在运动过程中,领航机器人根据某种方式获取与识别前方障碍物,同时编队整体采取一定方法及时规避障碍物与防止内部碰撞,涉及到障碍物检测、编队避障规划、编队避碰协调,运动控制等问题。本文在总结现有文献的基础上,将编队避障问题主要分解为在以下几个方面[7-10]:(1)避障规划与避碰协调问题。即在实现单个移动机器人路径规划问题的基础上,如何建立一个控制模型并以某种运动规则实现个
- 计算机学报论文字数要求,常见EI学报综述类文章分析
文艺范理工生
综述文章计算机学报研究进展内容分析学术出版物
想写篇综述文章,所以对一些学报进行了简单分析,呵呵自己对期刊没有一视同仁,所以分析得有祥有略。一、《软件学报》综述类文章分析(2008.1-2010.11,共82篇)1、题目:(1)直接描述研究内容(48,58.5%)a)MIMO多跳无线网b)标识路由关键技术c)车用自组网信息广播d)复杂嵌入式实时系统体系结构设计与分析语言-AADLe)高速长距离网络传输协议f)广域网分布式Web爬虫g)互联网无
- 鸿蒙-状态管理V2
Huang兄
HarmonyNextharmonyos华为
目录前言综述@ComponentV2@ObservedV2和@Trace@Local@Param@Once@Event@Monitor@Computed前言前面我们讲了状态管理V1相关装饰器和注意事项,一般来讲是足够在开发中使用了,但还是有一些不方便的地方,因此又有了状态管理V2。截止到现在,V2的指南中已经移除了gap提示,说明已经稳定可用。官方也希望我们尽快做迁移,当然,将来会不会出V3那就不
- 《深入浅出AI》前言知识:深度学习基础总结
GoAI
深入浅出AI人工智能深度学习机器学习cnnrnn生成对抗网络神经网络
个人主页:GoAI|公众号:GoAI的学习小屋|交流群:704932595|个人简介:掘金签约作者、百度飞桨PPDE、领航团团长、开源特训营导师、CSDN、阿里云社区人工智能领域博客专家、新星计划计算机视觉方向导师等,专注大数据与人工智能知识分享。AI学习星球推荐:GoAI的学习社区知识星球是一个致力于提供《机器学习|深度学习|CV|NLP|大模型|多模态|AIGC》各个最新AI方向综述、论文等成
- 情感分析研究综述:方法演化与前沿挑战
next_travel
人工智能机器学习深度学习
文章目录摘要abstract1.引言2.模型方法2.1文本情感分析2.1.1文档级情感分类2.1.2句子级情感分类2.1.3方面级情感分类2.2文本情感分析方法2.2.1基于词典的方法2.2.2基于机器学习的方法2.2.3基于深度学习方法2.3视觉情感分析2.4音频情感分析2.5多模态情感分析2.5.1图文方法2.5.2视听方法2.5.3音频-图像-文本方法3.情感分析的挑战3.1讥讽检测3.2模
- LLaMA系列大模型调研与整理-llama-alpaca-lora
AI大模型-大飞
llamaAI大模型AI职场和发展人工智能
文章目录LLaMA大模型及其衍生模型1.LLaMA2.stanford_alpaca3.ChatDoctor4.alpaca-lora5.Chinese-LLaMA-Alpaca6.BELLE大模型综述ASurveyofLargeLanguageModels关键词:大模型,LLaMA,Alpaca,Lora,Belle,模型训练,模型微调,指令微调最近尝试在领域数据进行生成式大模型的再训练和微调,
- 笔记-《A Survey of Large Language Models》- 尾声
L_serein
玩转LLM笔记语言模型人工智能
尾声:尾声:本综述是由我们研究团队在一次讨论会上计划的,我们旨在总结LLM的最新进展,为我们的团队成员提供一份高度可读性的报告。第一稿于2023年3月13日完成,我们的团队成员尽最大努力以相对客观、全面的方式囊括有关LLM的相关研究。接着,我们进行了多次细致的写作和内容修订。尽管我们付出了巨大的努力,但这份综述仍远非完美:我们可能会遗漏重要的参考文献或主题,也可能存在不严谨的表述或讨论。由于空间有
- 使用多模态大语言模型进行深度学习的图像、文本和语音数据增强
数行天下
人工智能语言模型深度学习人工智能自然语言处理
在过去的五年里,研究方向已从传统的机器学习(ML)和深度学习(DL)方法转向利用大语言模型(LLMs),包括多模态方法,用于数据增强,以提高泛化能力,并在训练深度卷积神经网络时防止过拟合。然而,现有的综述文章主要集中于机器学习和深度学习技术或有限的模态(如文本或图像),在涵盖LLM方法的最新进展和多模态应用方面仍存在空白。本文通过探索利用多模态LLMs进行图像、文本和语音数据增强的最新文献,填补了
- 《深入浅出LLM基础篇》(三):大模型结构分类
GoAI
深入浅出LLM深入浅出AI自然语言处理NLP大模型LLM人工智能transformerchatgpt
AI学习星球推荐:GoAI的学习社区知识星球是一个致力于提供《机器学习|深度学习|CV|NLP|大模型|多模态|AIGC》各个最新AI方向综述、论文等成体系的学习资料,配有全面而有深度的专栏内容,包括不限于前沿论文解读、资料共享、行业最新动态以、实践教程、求职相关(简历撰写技巧、面经资料与心得)多方面综合学习平台,强烈推荐AI小白及AI爱好者学习,性价比非常高!加入星球➡️点击链接✨专栏介
- 《深入浅出多模态》 (五):多模态经典模型ALBEF
GoAI
深入浅出多模态多模态大模型LLM深度学习人工智能
AI学习星球推荐:GoAI的学习社区知识星球是一个致力于提供《机器学习|深度学习|CV|NLP|大模型|多模态|AIGC》各个最新AI方向综述、论文等成体系的学习资料,配有全面而有深度的专栏内容,包括不限于前沿论文解读、资料共享、行业最新动态以、实践教程、求职相关(简历撰写技巧、面经资料与心得)多方面综合学习平台,强烈推荐AI小白及AI爱好者学习,性价比非常高!加入星球➡️点击链接✨专栏介绍:</
- 农业机器人综述:技术现状、应用场景及未来展望
橙蜂智能
机器人
农业机器人综述:技术现状、应用场景及未来展望引言一、农业机器人的技术现状1.感知模块2.导航与定位模块3.控制与执行模块4.通信与数据传输模块5.决策与人工智能模块6.电源管理与能源模块二、农业机器人的应用场景1.播种与施肥2.植保与除草3.采摘与收获4.土壤和作物监测5.温室管理与环境控制6.多机器人协作三、农业机器人面临的挑战1.成本较高2.环境适应性差3.技术成熟度有待提高4.数据安全和隐私
- 边缘计算网关平台发展现状综述
嫌疑人X的解忧杂货店
边缘计算边缘计算
边缘计算网关平台发展现状综述一、边缘计算简介随着边缘端侧设备的计算与存储能力的逐渐提升以及端侧设备通信与交互能力的进一步开放,边缘计算正在逐步兴起,各个厂家正在逐渐推出自家的边缘计算相关软硬件产品。因此,本文就边缘计算下端侧平台的一个发展状况做出进一步的归纳与总结。1.边缘计算定义与概念边缘计算,官方定义为指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近
- 论文笔记《基于深度学习模型的药物-靶标结合亲和力预测》
I_dyllic
深度学习论文阅读深度学习人工智能
基于深度学习模型的药物-靶标结合亲和力预测这是一篇二区的文章,算是一个综述,记录一下在阅读过程中遇到的问题。文章目录基于深度学习模型的药物-靶标结合亲和力预测前言一、蛋白质接触图谱二、为什么蛋白质图谱的准确性对DTA模型预测结果没有影响1.对这段话的解释2.关于Alphafold3三、随机配体与随机配体节点属性(配体一般指药物)1.什么是随机配体与配体节点属性四、关于深度学习模型对特征的自动学习过
- 计算机视觉国内外研究现状(综述)
埃菲尔铁塔_CV算法
计算机视觉
1.国内外研究进展1.2.1特征提取研究进展特征提取是图像处理的一个重要环节,是进行身份识别和行为识别的重要部分。近年来,针对不同特征的提取,国内外学者提出了许多特征提取算法,同样特征提取的效果大都不错。但是在复杂的猪舍环境中提取猪的特征还是比较困难的。下面针对几种目前常用的特征提取算法进行一些介绍。(1)传统的特征提取算法传统特征提取算法已经发展了很久,现阶段比较成熟,是深度学习算法出来之前研究
- 《深入浅出多模态》(二):多模态任务及数据集介绍
GoAI
深入浅出多模态多模态大模型深度学习人工智能AIGC
✨专栏介绍:本作者推出全新系列《深入浅出多模态》专栏,具体章节如导图所示(导图后续更新),将分别从各个多模态模型的概念、经典模型、创新点、论文综述、发展方向、数据集等各种角度展开详细介绍,欢迎大家关注。作者主页:GoAI|公众号:GoAI的学习小屋|交流群:704932595|个人简介:掘金签约作者、百度飞桨PPDE、领航团团长、开源特训营导师、CSDN、阿里云社区人工智能领域博客专家、新星计划计
- 【云原生进阶之数据库技术】第二章-Oracle-使用-3.3.1-Oracle Data Guard综述
江中散人
云原生进阶-数据库专栏云原生进阶-PaaS专栏oracle数据库DG日志同步数据同步
1OracleDG简介1.1OracleDG综述OracleDG,即OracleDataGuard,是一种数据库容灾和数据保护解决方案,旨在提供高可用性和灾难恢复能力。它通过在主数据库和备用数据库之间实时复制数据来实现这一点。DataGuard的核心功能在于它能够保持主节点和备用节点之间的数据一致性,即使发生故障也能保证业务的连续性。OracleDataGuard是OracleMAA(Maximu
- 《具身智能时代:机器人具身抓取技术的前沿探索与应用综述》
笑傲江湖2023
机器人
自2022年GPT等大模型的爆发以来,人工智能领域以语言模型为代表的预训练模型在多个领域掀起了创新浪潮。到了2024年,DeepSeek等新技术进一步加速了具身智能的发展,特别是在机器人领域,预训练模型的引入深刻改变了传统的感知、决策和执行模式。具身智能(EmbodiedIntelligence)强调模型在物理环境中的交互能力,并致力于实现机器人与环境的深度结合。得益于互联网规模的数据和更高效的计
- Java实现的基于模板的网页结构化信息精准抽取组件:HtmlExtractor
yangshangchuan
信息抽取HtmlExtractor精准抽取信息采集
HtmlExtractor是一个Java实现的基于模板的网页结构化信息精准抽取组件,本身并不包含爬虫功能,但可被爬虫或其他程序调用以便更精准地对网页结构化信息进行抽取。
HtmlExtractor是为大规模分布式环境设计的,采用主从架构,主节点负责维护抽取规则,从节点向主节点请求抽取规则,当抽取规则发生变化,主节点主动通知从节点,从而能实现抽取规则变化之后的实时动态生效。
如
- java编程思想 -- 多态
百合不是茶
java多态详解
一: 向上转型和向下转型
面向对象中的转型只会发生在有继承关系的子类和父类中(接口的实现也包括在这里)。父类:人 子类:男人向上转型: Person p = new Man() ; //向上转型不需要强制类型转化向下转型: Man man =
- [自动数据处理]稳扎稳打,逐步形成自有ADP系统体系
comsci
dp
对于国内的IT行业来讲,虽然我们已经有了"两弹一星",在局部领域形成了自己独有的技术特征,并初步摆脱了国外的控制...但是前面的路还很长....
首先是我们的自动数据处理系统还无法处理很多高级工程...中等规模的拓扑分析系统也没有完成,更加复杂的
- storm 自定义 日志文件
商人shang
stormclusterlogback
Storm中的日志级级别默认为INFO,并且,日志文件是根据worker号来进行区分的,这样,同一个log文件中的信息不一定是一个业务的,这样就会有以下两个需求出现:
1. 想要进行一些调试信息的输出
2. 调试信息或者业务日志信息想要输出到一些固定的文件中
不要怕,不要烦恼,其实Storm已经提供了这样的支持,可以通过自定义logback 下的 cluster.xml 来输
- Extjs3 SpringMVC使用 @RequestBody 标签问题记录
21jhf
springMVC使用 @RequestBody(required = false) UserVO userInfo
传递json对象数据,往往会出现http 415,400,500等错误,总结一下需要使用ajax提交json数据才行,ajax提交使用proxy,参数为jsonData,不能为params;另外,需要设置Content-type属性为json,代码如下:
(由于使用了父类aaa
- 一些排错方法
文强chu
方法
1、java.lang.IllegalStateException: Class invariant violation
at org.apache.log4j.LogManager.getLoggerRepository(LogManager.java:199)at org.apache.log4j.LogManager.getLogger(LogManager.java:228)
at o
- Swing中文件恢复我觉得很难
小桔子
swing
我那个草了!老大怎么回事,怎么做项目评估的?只会说相信你可以做的,试一下,有的是时间!
用java开发一个图文处理工具,类似word,任意位置插入、拖动、删除图片以及文本等。文本框、流程图等,数据保存数据库,其余可保存pdf格式。ok,姐姐千辛万苦,
- php 文件操作
aichenglong
PHP读取文件写入文件
1 写入文件
@$fp=fopen("$DOCUMENT_ROOT/order.txt", "ab");
if(!$fp){
echo "open file error" ;
exit;
}
$outputstring="date:"." \t tire:".$tire."
- MySQL的btree索引和hash索引的区别
AILIKES
数据结构mysql算法
Hash 索引结构的特殊性,其 检索效率非常高,索引的检索可以一次定位,不像B-Tree 索引需要从根节点到枝节点,最后才能访问到页节点这样多次的IO访问,所以 Hash 索引的查询效率要远高于 B-Tree 索引。
可能很多人又有疑问了,既然 Hash 索引的效率要比 B-Tree 高很多,为什么大家不都用 Hash 索引而还要使用 B-Tree 索引呢
- JAVA的抽象--- 接口 --实现
百合不是茶
抽象 接口 实现接口
//抽象 类 ,方法
//定义一个公共抽象的类 ,并在类中定义一个抽象的方法体
抽象的定义使用abstract
abstract class A 定义一个抽象类 例如:
//定义一个基类
public abstract class A{
//抽象类不能用来实例化,只能用来继承
//
- JS变量作用域实例
bijian1013
作用域
<script>
var scope='hello';
function a(){
console.log(scope); //undefined
var scope='world';
console.log(scope); //world
console.log(b);
- TDD实践(二)
bijian1013
javaTDD
实践题目:分解质因数
Step1:
单元测试:
package com.bijian.study.factor.test;
import java.util.Arrays;
import junit.framework.Assert;
import org.junit.Before;
import org.junit.Test;
import com.bijian.
- [MongoDB学习笔记一]MongoDB主从复制
bit1129
mongodb
MongoDB称为分布式数据库,主要原因是1.基于副本集的数据备份, 2.基于切片的数据扩容。副本集解决数据的读写性能问题,切片解决了MongoDB的数据扩容问题。
事实上,MongoDB提供了主从复制和副本复制两种备份方式,在MongoDB的主从复制和副本复制集群环境中,只有一台作为主服务器,另外一台或者多台服务器作为从服务器。 本文介绍MongoDB的主从复制模式,需要指明
- 【HBase五】Java API操作HBase
bit1129
hbase
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.HColumnDescriptor;
import org.apache.ha
- python调用zabbix api接口实时展示数据
ronin47
zabbix api接口来进行展示。经过思考之后,计划获取如下内容: 1、 获得认证密钥 2、 获取zabbix所有的主机组 3、 获取单个组下的所有主机 4、 获取某个主机下的所有监控项  
- jsp取得绝对路径
byalias
绝对路径
在JavaWeb开发中,常使用绝对路径的方式来引入JavaScript和CSS文件,这样可以避免因为目录变动导致引入文件找不到的情况,常用的做法如下:
一、使用${pageContext.request.contextPath}
代码” ${pageContext.request.contextPath}”的作用是取出部署的应用程序名,这样不管如何部署,所用路径都是正确的。
- Java定时任务调度:用ExecutorService取代Timer
bylijinnan
java
《Java并发编程实战》一书提到的用ExecutorService取代Java Timer有几个理由,我认为其中最重要的理由是:
如果TimerTask抛出未检查的异常,Timer将会产生无法预料的行为。Timer线程并不捕获异常,所以 TimerTask抛出的未检查的异常会终止timer线程。这种情况下,Timer也不会再重新恢复线程的执行了;它错误的认为整个Timer都被取消了。此时,已经被
- SQL 优化原则
chicony
sql
一、问题的提出
在应用系统开发初期,由于开发数据库数据比较少,对于查询SQL语句,复杂视图的的编写等体会不出SQL语句各种写法的性能优劣,但是如果将应用系统提交实际应用后,随着数据库中数据的增加,系统的响应速度就成为目前系统需要解决的最主要的问题之一。系统优化中一个很重要的方面就是SQL语句的优化。对于海量数据,劣质SQL语句和优质SQL语句之间的速度差别可以达到上百倍,可见对于一个系统
- java 线程弹球小游戏
CrazyMizzz
java游戏
最近java学到线程,于是做了一个线程弹球的小游戏,不过还没完善
这里是提纲
1.线程弹球游戏实现
1.实现界面需要使用哪些API类
JFrame
JPanel
JButton
FlowLayout
Graphics2D
Thread
Color
ActionListener
ActionEvent
MouseListener
Mouse
- hadoop jps出现process information unavailable提示解决办法
daizj
hadoopjps
hadoop jps出现process information unavailable提示解决办法
jps时出现如下信息:
3019 -- process information unavailable3053 -- process information unavailable2985 -- process information unavailable2917 --
- PHP图片水印缩放类实现
dcj3sjt126com
PHP
<?php
class Image{
private $path;
function __construct($path='./'){
$this->path=rtrim($path,'/').'/';
}
//水印函数,参数:背景图,水印图,位置,前缀,TMD透明度
public function water($b,$l,$pos
- IOS控件学习:UILabel常用属性与用法
dcj3sjt126com
iosUILabel
参考网站:
http://shijue.me/show_text/521c396a8ddf876566000007
http://www.tuicool.com/articles/zquENb
http://blog.csdn.net/a451493485/article/details/9454695
http://wiki.eoe.cn/page/iOS_pptl_artile_281
- 完全手动建立maven骨架
eksliang
javaeclipseWeb
建一个 JAVA 项目 :
mvn archetype:create
-DgroupId=com.demo
-DartifactId=App
[-Dversion=0.0.1-SNAPSHOT]
[-Dpackaging=jar]
建一个 web 项目 :
mvn archetype:create
-DgroupId=com.demo
-DartifactId=web-a
- 配置清单
gengzg
配置
1、修改grub启动的内核版本
vi /boot/grub/grub.conf
将default 0改为1
拷贝mt7601Usta.ko到/lib文件夹
拷贝RT2870STA.dat到 /etc/Wireless/RT2870STA/文件夹
拷贝wifiscan到bin文件夹,chmod 775 /bin/wifiscan
拷贝wifiget.sh到bin文件夹,chm
- Windows端口被占用处理方法
huqiji
windows
以下文章主要以80端口号为例,如果想知道其他的端口号也可以使用该方法..........................1、在windows下如何查看80端口占用情况?是被哪个进程占用?如何终止等. 这里主要是用到windows下的DOS工具,点击"开始"--"运行",输入&
- 开源ckplayer 网页播放器, 跨平台(html5, mobile),flv, f4v, mp4, rtmp协议. webm, ogg, m3u8 !
天梯梦
mobile
CKplayer,其全称为超酷flv播放器,它是一款用于网页上播放视频的软件,支持的格式有:http协议上的flv,f4v,mp4格式,同时支持rtmp视频流格 式播放,此播放器的特点在于用户可以自己定义播放器的风格,诸如播放/暂停按钮,静音按钮,全屏按钮都是以外部图片接口形式调用,用户根据自己的需要制作 出播放器风格所需要使用的各个按钮图片然后替换掉原始风格里相应的图片就可以制作出自己的风格了,
- 简单工厂设计模式
hm4123660
java工厂设计模式简单工厂模式
简单工厂模式(Simple Factory Pattern)属于类的创新型模式,又叫静态工厂方法模式。是通过专门定义一个类来负责创建其他类的实例,被创建的实例通常都具有共同的父类。简单工厂模式是由一个工厂对象决定创建出哪一种产品类的实例。简单工厂模式是工厂模式家族中最简单实用的模式,可以理解为是不同工厂模式的一个特殊实现。
- maven笔记
zhb8015
maven
跳过测试阶段:
mvn package -DskipTests
临时性跳过测试代码的编译:
mvn package -Dmaven.test.skip=true
maven.test.skip同时控制maven-compiler-plugin和maven-surefire-plugin两个插件的行为,即跳过编译,又跳过测试。
指定测试类
mvn test
- 非mapreduce生成Hfile,然后导入hbase当中
Stark_Summer
maphbasereduceHfilepath实例
最近一个群友的boss让研究hbase,让hbase的入库速度达到5w+/s,这可愁死了,4台个人电脑组成的集群,多线程入库调了好久,速度也才1w左右,都没有达到理想的那种速度,然后就想到了这种方式,但是网上多是用mapreduce来实现入库,而现在的需求是实时入库,不生成文件了,所以就只能自己用代码实现了,但是网上查了很多资料都没有查到,最后在一个网友的指引下,看了源码,最后找到了生成Hfile
- jsp web tomcat 编码问题
王新春
tomcatjsppageEncode
今天配置jsp项目在tomcat上,windows上正常,而linux上显示乱码,最后定位原因为tomcat 的server.xml 文件的配置,添加 URIEncoding 属性:
<Connector port="8080" protocol="HTTP/1.1"
connectionTi