- 10个基于Python的计算机视觉实战项目
云博士的AI课堂
基于Python计算机视觉python计算机视觉机器视觉人工智能
10个基于Python的计算机视觉实战项目,涵盖多个领域和应用场景,每个项目均附有GitHub地址、概述、解决的问题及应用场景:1.PCV图像处理与计算机视觉库GitHub地址:jesolem/PCV概述:提供计算机视觉基础算法的Python实现,包括图像分割、直方图均衡化、图像增强等。解决的问题:简化图像处理流程,支持快速实现算法原型。应用场景:学术研究、教学实验、图像预处理任务。2.基于朴素贝
- LightGBM:极速梯度提升机——结构化数据建模的终极武器
大千AI助手
人工智能Python#OTHER随机森林算法机器学习决策树人工智能GBDTLightGBM
基于直方图与Leaf-wise生长的高效GBDT实现,横扫Kaggle与工业场景一、为什么需要LightGBM?GBDT的瓶颈传统梯度提升树(如XGBoost)在处理海量数据时面临两大痛点:训练速度慢:需预排序特征&层次生长(Level-wise)内存消耗高:存储特征值与分裂点信息LightGBM的诞生微软亚洲研究院于2017年开源,核心目标:✅训练效率提升10倍✅内存占用降低50%✅保持与XGB
- GIF&DDE
qq_39573780
红外图像处理计算机视觉算法
红外图像动态范围压缩GIF&DDE本文主要介绍了一种高动态范围图像转化为8位可视图像的方法,根据论文[[1]][id]总结实现算法流程图1:算法流程图步骤:使用导向滤波将图像分为基础层和细节层,基础层表示图像的整体结构信息,细节层表示图像的细节纹理信息。对基础层使用直方图投影操作,将图像的动态范围从[0,65535]映射到[0,255]对细节层使用增益掩膜进行增强对基础层和细节层加权求和得到输出图
- python实战项目77:足球运动员数据分析
wp_tao
Python副业接单实战项目python数据分析开发语言
python实战项目77:足球运动员数据分析一、数据集介绍二、加载数据集三、查看数据3.1查看数据大小3.2查看数据前几行3.3查看数据基本信息四、数据预处理4.1查看并处理缺失值4.2查看并处理重复值五、运动员身高和体重分布5.1查看身高和体重列数据情况5.2数据类型转换5.3绘制身高分布直方图5.3绘制体重分布直方图5.4统计运动员左右脚比例六、俱乐部球员评分分析6.1俱乐部球员平均分top1
- 图片批量去重---(均值哈希、插值哈希、感知哈希、三/单通道直方图)
ghx3110
数据/脚本处理均值算法哈希算法直方图图片去重
一、整体步骤本脚本中,关键步骤包括以下步骤:1、图片加载:脚本会遍历指定的图片目录,将所有图片加载到内存中。2、图像预处理:比较之前,通常需要对图片进行预处理,如调整大小、灰度化或直方图均衡化,以消除颜色、尺寸等因素的影响。3、相似度计算:图像相似度的衡量有很多种方法,如像素级别的差异(均方误差)、结构相似度指数(SSIM)、归一化互信息(NMI)或者哈希算法(如PCA-SIFT、BRIEF等)。
- 数据处理与统计分析——11-Pandas-Seaborn可视化
零光速
数据分析pandaspython开发语言数据分析
Seaborn简介Seaborn是一个基于Matplotlib的图形可视化Python库,提供了高度交互式的接口,使用户能够轻松绘制各种吸引人的统计图表。Seaborn可以直接使用Pandas的DataFrame和Series数据进行绘图。1.Seaborn绘制单变量图(1)直方图histplothue:根据另一个分类变量对数据进行分组并显示不同颜色的直方图。kde:是否绘制核密度估计曲线。其他常
- day35
m0_62568655
python训练营人工智能
一、模型可视化用torchinfo看模型结构能快速打印模型各层的输入输出形状、参数数量,还会统计总参数量、计算量等信息,像给模型做“结构清单”,方便确认架构是否正确。就像查户口本,能直接列出模型每一层的“家庭成员”(输入输出尺寸、参数数量),还能算全家总参数、占多大内存,一看就知道模型搭得对不对。看权重分布将模型参数(权重)的数值分布绘制成直方图或热力图,通过观察参数是否集中、有无异常值,判断训练
- Docker 快速搭建一个基于 GPT-Vis 组件的统计图表生成服务
计算机小手
经验分享docker开源软件
以下是对工具简单介绍:可以在服务端使用GPT-Vis统计图表组件直接渲染成图片支持Docker一键部署,提供统计图表渲染生成API接口支持多种GPT-Vis支持的组件,包括折线图、柱形图、饼图、面积图、条形图、直方图、散点图、词云图、雷达图、思维导图、流程图等等可以作为MCP工具MCPServerChart的私有后端服务,参考:https://github.com/antvis/mcp-serve
- OpenCV —— 直方图与匹配
直方图就是对数据进行统计,将统计值组织到一系列事先定义好的bin中。bin中的数值是从数据中计算出来的特征的统计量,这些数据可以是诸如梯度,方向,色彩或任何其他特征。直方图获得是是数据分布的统计图直方图的基本数据结构CvHistogram创建一个新的直方图cvCreateHistdims直方图维数的数目sizes直方图维数尺寸的数组type直方图的表示格式:CV_HIST_ARRAY意味着直方图数
- OpenCV C++ 图像处理教程:灰度变换与直方图分析
achene_ql
opencvc++图像处理计算机视觉人工智能
在数字图像处理领域,灰度变换与直方图分析是最基础且核心的技术,它们如同“图像的化妆师”,能够通过调整像素灰度分布显著改善图像视觉效果,为后续的目标检测、图像分割等高级任务奠定基础。无论是校正图像的亮度与对比度,还是从低质量图像中提取有效信息,掌握这些技术都是图像处理从业者的必备技能。一、点运算(PointOperation)1.概念点运算是图像处理中最基础的操作之一,指对图像中每个像素点的灰度值进
- 使用Halcon进行图像预处理的策略
AI_Guru人工智能
计算机视觉图像处理人工智能
图像预处理是机器视觉系统中的一个关键步骤,它有助于提高图像质量,从而使得后续的图像分析和特征提取更加准确。在Halcon中,图像预处理通常包括滤波、对比度增强、归一化、边缘增强等操作。以下是一些使用Halcon进行图像预处理的策略,以及相应的示例代码。图像预处理策略滤波:去除图像噪声,如高斯滤波、中值滤波等。对比度增强:提高图像的对比度,如直方图均衡化、对比度限制自适应直方图均衡化(CLAHE)。
- HALCON学习笔记(四)——图像增强
weixin_45482443
HALCON学习笔记计算机视觉
图像增强:有目的的强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同特征之间的差别,抑制不感兴趣特征,改善图像质量,丰富信息量,满足分析需要。1.图像增强的概念和分类图像增强技术基本分为两类:空间域法:包含图像像素的空间,在空间域中,直接对图像进行各种线性或非线性运算,对图像的像素灰度做增强处。分为点运算(作用于像素领域的处理方法,包括灰度变换,直方图修正,
- erdas图像增强步骤_基于erdas的图像增强处理
weixin_39953618
erdas图像增强步骤
《基于erdas的图像增强处理》由会员分享,可在线阅读,更多相关《基于erdas的图像增强处理(9页珍藏版)》请在人人文库网上搜索。1、图像增强处理l实习目的:掌握常用的图像增强处理的方法l内容:空间、辐射、光谱增强处理的主要方法空间增强:包括卷积增强处理、纹理分析辐射增强:LUT拉伸处理、直方图均衡化处理光谱增强:主成份变换、缨穗变换、色彩变换图像增强处理包括空间、辐射、光谱增强处理,本练习做几
- python openpyxl.chart库绘制excel图表的使用
向飞飞(码龄1年)
开发语言python
写在前面:目前项目需要用python调excel在excel里画直方图,需要画图、设置数据标签之类的,很多参数打开csdn和百度搜索都说的不清不楚,直接放一大堆代码没有任何解释,官方文档全英文没解释,摸清每个参数用法后在此记录,望给下个需要的人提供方便,感谢阅览。简介:openpyxl是一个python库,用于读写Excel文件。openpyxl.chart是openpyxl中的一个模块,用于在E
- 图像处理 | 基于matla的多尺度Retinex(MSR)和自适应直方图均衡化(CLAHE)算法联合的低照度图像增强(附代码)
单北斗SLAMer
图像处理算法人工智能低照度图像增强
低照度图像增强1、算法原理2、代码实现3、关键步骤说明4、效果5、扩展建议6、原图7、结果1、算法原理2、代码实现functionenhanced_img=MSR_CLAHE_Enhancement(img_path)%读取图像img=imread(img_path
- 使用OpenCV和Python进行图像掩膜与直方图分析
知舟不叙
opencvpython人工智能图像掩膜
文章目录引言1.准备工作2.加载并显示原始图像3.创建掩膜3.应用掩膜5.计算并显示直方图6.结果分析7.总结引言在图像处理中,掩膜(Mask)是一个非常重要的概念,它允许我们选择性地处理图像的特定区域。今天,我将通过一个实际的例子来展示如何使用OpenCV和Python对手机图像进行掩膜处理并分析其直方图。1.准备工作首先,我们需要导入必要的库:importcv2importnumpyasnpf
- 图像处理精粹:直方图均衡化与平滑滤波解析
背景简介图像处理技术是计算机视觉和机器学习领域的基石之一。在处理数字图像时,我们常常需要对图像的某些属性进行调整,以达到预期的效果。本章节聚焦于图像的直方图均衡化和平滑滤波处理,这两种技术是提升图像质量和改善视觉体验的关键步骤。直方图均衡化直方图均衡化是一种提高图像全局对比度的方法,特别是在图像的背景和前景对比度较低的情况下。通过重新分布图像的灰度级,使得图像的灰度级均匀分布,从而增强图像的整体对
- Seaborn入门到上头:让数据可视化变成享受的艺术(附防秃指南)
kernelcraft
信息可视化其他
文章目录一、可视化届的"美图秀秀"来了!1.1为什么你该马上切换Seaborn?二、安装姿势要帅气三、5分钟极速上手3.1热身运动:散点图3.2直方图还能这么玩四、进阶技巧(装逼必备)4.1调色板的黑魔法4.2主题设置三连击4.3多图布局的骚操作五、避坑指南(血泪经验)5.1中文显示异常?5.2图片模糊?5.3颜色不统一?六、灵魂拷问环节七、真香警告一、可视化届的"美图秀秀"来了!各位数据民工注意
- 将对透视变换后的图像使用Otsu进行阈值化,来分离黑色和白色像素。这句话中的Otsu是什么意思?
黄卷青灯77
计算机视觉opencv人工智能自动化阈值OTSU
Otsu是一种自动阈值化方法,用于将图像分割为前景和背景。它通过最小化图像的类内方差或等价地最大化类间方差来选择最佳阈值。这种方法特别适用于图像的二值化处理,能够自动确定一个阈值,将图像中的像素分为黑色和白色两类。Otsu方法的原理Otsu方法的核心思想是将图像的像素分为两类(前景和背景),并通过统计分析找到一个阈值,使得这两类之间的差异最大化。具体步骤如下:计算图像的直方图:统计每个灰度值的像素
- python数据分析期末_Python数据分析期末作业
xander Sun
python数据分析期末
Python数据分析期末作业(50分)一、名称:国民经济核算季度数据分析可视化处理;二、需求:根据文件《国民经济核算季度数据.npz》提供的各年中每个季度的数据,完成如下操作处理:1、绘制直方图:(1)在一个画板中绘制2000年、2017年第一季度国民生产总值产业构成分布、行业构成分布直方图,其效果形式如下;(2)要求:?每个图形的标题、轴标签、刻度、图形颜色、柱形宽度与效果图中的完全一致;?在每
- 夜拍提升清晰度
不知几秋
opencv计算机视觉python
importcv2importmatplotlib.pyplotasplt#图像路径image_path='images/img01.jpg'#读取图像img=cv2.imread(image_path)#将图像转换为灰度图像gray_img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#对灰度图像进行直方图均衡化equ_img=cv2.equalizeHist(gra
- 使用 Plotly.js 在 Vue 中创建交互式散点图
ScriptEcho
javascriptplotlyvue.js前端
本文由ScriptEcho平台提供技术支持项目地址:传送门使用Plotly.js在Vue中创建交互式散点图应用场景介绍Plotly.js是一个功能强大的JavaScript库,用于创建交互式数据可视化。它支持各种图表类型,包括散点图、折线图和直方图。在Vue.js应用程序中,Plotly.js可用于创建动态且引人入胜的数据可视化。代码基本功能介绍本代码示例展示了如何使用Plotly.js在Vue.
- python数字图像处理基础(六)——模板匹配、直方图
_hermit:
数字图像处理python计算机视觉开发语言
目录模板匹配概念单对象模板匹配多对象模板匹配直方图1.查找直方图2.绘制直方图3.掩膜的应用模板匹配概念模板匹配和卷积原理很像,模板在原图像上从原点开始滑动,计算模板与图像被模板覆盖的地方的差别程度,这个差别程度的计算方法在opencv里有6种,然后将每次计算的结果放入一个矩阵里,作为结果输出。假如原图是AxB大小,而模板是axb大小,则输出结果的矩阵是(A-a+1)x(B-b+1)(通过.sha
- 【图像处理入门】4. 图像增强技术——对比度与亮度的魔法调节
小米玄戒Andrew
图像处理:从入门到专家图像处理算法计算机视觉模式识别几何变换图像增强
摘要图像增强是改善图像视觉效果的核心技术。本文将详解两种基础增强方法:通过直方图均衡化拉伸对比度,以及利用伽马校正调整非线性亮度。结合OpenCV代码实战,学会处理灰度图与彩色图的不同增强策略,理解为何彩色图像需在YUV空间操作亮度通道,为后续滤波与边缘检测奠定预处理基础。一、图像增强:让模糊图像「重获新生」为什么需要图像增强?改善视觉效果:让低对比度图像更清晰(如老照片修复)提升后续处理效果:增
- Day 6
LiuSu789k
每日打卡机器学习
数据初步可视化内容回顾:单特征可视化:连续变量箱线图(还说了核密度直方图)、离散特征直方图特征和标签关系可视化箱线图美化--->直方图importpandasaspddata=pd.read_csv('data.csv')data.head()continuous_features=[]foriindata.columns:ifdata[i].dtype!='object':continuous_
- 高效多线程图像处理实战
我喜欢就喜欢
技术文档QTC++图像处理人工智能
引言在现代计算机视觉和图像处理应用中,处理大量图像数据是常见需求。传统的单线程处理方式在面对成千上万的图像时,往往显得力不从心,导致处理时间过长。本文将介绍如何将一个典型的单线程图像处理任务转换为高效的多线程实现,并讨论其中的关键技术点、线程安全考量以及性能优化策略。1.单线程版本的问题假设我们有以下单线程代码,用于对一批图像进行两种不同的增强处理(直方图匹配和颜色迁移)并保存结果:voidpro
- OpenCV---Canny边缘检测
MzKyle
计算机视觉计算机视觉人工智能
一、基本概念与核心作用Canny边缘检测是计算机视觉中最经典的边缘检测算法之一,由JohnCanny于1986年提出。其核心目标是在噪声图像中提取精确、单像素宽、连续的边缘,广泛应用于:目标检测预处理(如Robomaster中灯条、装甲板的边缘提取)。轮廓分析(轮廓检测的前置步骤)。图像分割(通过边缘定位目标边界)。特征提取(如边缘方向直方图HOG)。与其他边缘检测算法的对比:算法优势劣势Cann
- OpenCV CUDA模块直方图计算------在 GPU 上计算输入图像的直方图(histogram)函数histEven()
村北头的码农
OpenCVopencv人工智能计算机视觉
操作系统:ubuntu22.04OpenCV版本:OpenCV4.9IDE:VisualStudioCode编程语言:C++11算法描述该函数用于在GPU上计算输入图像的直方图(histogram)。它将像素值区间均匀划分为若干个bin(桶),并统计每个bin中像素的数量。适用于单通道图像(如灰度图或某个颜色通道)。使用等间距的分箱方式(即“均匀直方图”)。支持8U和32S类型的图像。函数原型vo
- OpenCV CUDA模块直方图计算------生成一组均匀分布的灰度级函数evenLevels()
村北头的码农
OpenCVopencv人工智能计算机视觉
操作系统:ubuntu22.04OpenCV版本:OpenCV4.9IDE:VisualStudioCode编程语言:C++11算法描述该函数主要用于为直方图均衡化、CLAHE等图像处理算法生成一组等间距的灰度区间边界值(bins或levels),这些边界值可用于后续将图像划分为多个区域进行处理。函数原型voidcv::cuda::evenLevels(OutputArraylevels,intn
- 工业级应用:Halcon灰度直方图核心技术全解
Ro小陌
视觉Halcon计算机视觉视觉检测信息与通信
Halcon灰度直方图详解一、灰度直方图基础概念定义与功能灰度直方图是统计图像中每个灰度级(0-255)像素出现频率的图形化表示横坐标:灰度级(0为纯黑,255为纯白)纵坐标:对应灰度级的像素数量或频率作用:直观显示图像对比度、亮度分布,辅助阈值分割和图像增强与图像属性的关联图像类型直方图特征示例场景暗图像峰值集中在左侧(低灰度区)夜间监控画面亮图像峰值集中在右侧(高灰度区)强光环境下的工业零件低
- 怎么样才能成为专业的程序员?
cocos2d-x小菜
编程PHP
如何要想成为一名专业的程序员?仅仅会写代码是不够的。从团队合作去解决问题到版本控制,你还得具备其他关键技能的工具包。当我们询问相关的专业开发人员,那些必备的关键技能都是什么的时候,下面是我们了解到的情况。
关于如何学习代码,各种声音很多,然后很多人就被误导为成为专业开发人员懂得一门编程语言就够了?!呵呵,就像其他工作一样,光会一个技能那是远远不够的。如果你想要成为
- java web开发 高并发处理
BreakingBad
javaWeb并发开发处理高
java处理高并发高负载类网站中数据库的设计方法(java教程,java处理大量数据,java高负载数据) 一:高并发高负载类网站关注点之数据库 没错,首先是数据库,这是大多数应用所面临的首个SPOF。尤其是Web2.0的应用,数据库的响应是首先要解决的。 一般来说MySQL是最常用的,可能最初是一个mysql主机,当数据增加到100万以上,那么,MySQL的效能急剧下降。常用的优化措施是M-S(
- mysql批量更新
ekian
mysql
mysql更新优化:
一版的更新的话都是采用update set的方式,但是如果需要批量更新的话,只能for循环的执行更新。或者采用executeBatch的方式,执行更新。无论哪种方式,性能都不见得多好。
三千多条的更新,需要3分多钟。
查询了批量更新的优化,有说replace into的方式,即:
replace into tableName(id,status) values
- 微软BI(3)
18289753290
微软BI SSIS
1)
Q:该列违反了完整性约束错误;已获得 OLE DB 记录。源:“Microsoft SQL Server Native Client 11.0” Hresult: 0x80004005 说明:“不能将值 NULL 插入列 'FZCHID',表 'JRB_EnterpriseCredit.dbo.QYFZCH';列不允许有 Null 值。INSERT 失败。”。
A:一般这类问题的存在是
- Java中的List
g21121
java
List是一个有序的 collection(也称为序列)。此接口的用户可以对列表中每个元素的插入位置进行精确地控制。用户可以根据元素的整数索引(在列表中的位置)访问元素,并搜索列表中的元素。
与 set 不同,列表通常允许重复
- 读书笔记
永夜-极光
读书笔记
1. K是一家加工厂,需要采购原材料,有A,B,C,D 4家供应商,其中A给出的价格最低,性价比最高,那么假如你是这家企业的采购经理,你会如何决策?
传统决策: A:100%订单 B,C,D:0%
&nbs
- centos 安装 Codeblocks
随便小屋
codeblocks
1.安装gcc,需要c和c++两部分,默认安装下,CentOS不安装编译器的,在终端输入以下命令即可yum install gccyum install gcc-c++
2.安装gtk2-devel,因为默认已经安装了正式产品需要的支持库,但是没有安装开发所需要的文档.yum install gtk2*
3. 安装wxGTK
yum search w
- 23种设计模式的形象比喻
aijuans
设计模式
1、ABSTRACT FACTORY—追MM少不了请吃饭了,麦当劳的鸡翅和肯德基的鸡翅都是MM爱吃的东西,虽然口味有所不同,但不管你带MM去麦当劳或肯德基,只管向服务员说“来四个鸡翅”就行了。麦当劳和肯德基就是生产鸡翅的Factory 工厂模式:客户类和工厂类分开。消费者任何时候需要某种产品,只需向工厂请求即可。消费者无须修改就可以接纳新产品。缺点是当产品修改时,工厂类也要做相应的修改。如:
- 开发管理 CheckLists
aoyouzi
开发管理 CheckLists
开发管理 CheckLists(23) -使项目组度过完整的生命周期
开发管理 CheckLists(22) -组织项目资源
开发管理 CheckLists(21) -控制项目的范围开发管理 CheckLists(20) -项目利益相关者责任开发管理 CheckLists(19) -选择合适的团队成员开发管理 CheckLists(18) -敏捷开发 Scrum Master 工作开发管理 C
- js实现切换
百合不是茶
JavaScript栏目切换
js主要功能之一就是实现页面的特效,窗体的切换可以减少页面的大小,被门户网站大量应用思路:
1,先将要显示的设置为display:bisible 否则设为none
2,设置栏目的id ,js获取栏目的id,如果id为Null就设置为显示
3,判断js获取的id名字;再设置是否显示
代码实现:
html代码:
<di
- 周鸿祎在360新员工入职培训上的讲话
bijian1013
感悟项目管理人生职场
这篇文章也是最近偶尔看到的,考虑到原博客发布者可能将其删除等原因,也更方便个人查找,特将原文拷贝再发布的。“学东西是为自己的,不要整天以混的姿态来跟公司博弈,就算是混,我觉得你要是能在混的时间里,收获一些别的有利于人生发展的东西,也是不错的,看你怎么把握了”,看了之后,对这句话记忆犹新。 &
- 前端Web开发的页面效果
Bill_chen
htmlWebMicrosoft
1.IE6下png图片的透明显示:
<img src="图片地址" border="0" style="Filter.Alpha(Opacity)=数值(100),style=数值(3)"/>
或在<head></head>间加一段JS代码让透明png图片正常显示。
2.<li>标
- 【JVM五】老年代垃圾回收:并发标记清理GC(CMS GC)
bit1129
垃圾回收
CMS概述
并发标记清理垃圾回收(Concurrent Mark and Sweep GC)算法的主要目标是在GC过程中,减少暂停用户线程的次数以及在不得不暂停用户线程的请夸功能,尽可能短的暂停用户线程的时间。这对于交互式应用,比如web应用来说,是非常重要的。
CMS垃圾回收针对新生代和老年代采用不同的策略。相比同吞吐量垃圾回收,它要复杂的多。吞吐量垃圾回收在执
- Struts2技术总结
白糖_
struts2
必备jar文件
早在struts2.0.*的时候,struts2的必备jar包需要如下几个:
commons-logging-*.jar Apache旗下commons项目的log日志包
freemarker-*.jar  
- Jquery easyui layout应用注意事项
bozch
jquery浏览器easyuilayout
在jquery easyui中提供了easyui-layout布局,他的布局比较局限,类似java中GUI的border布局。下面对其使用注意事项作简要介绍:
如果在现有的工程中前台界面均应用了jquery easyui,那么在布局的时候最好应用jquery eaysui的layout布局,否则在表单页面(编辑、查看、添加等等)在不同的浏览器会出
- java-拷贝特殊链表:有一个特殊的链表,其中每个节点不但有指向下一个节点的指针pNext,还有一个指向链表中任意节点的指针pRand,如何拷贝这个特殊链表?
bylijinnan
java
public class CopySpecialLinkedList {
/**
* 题目:有一个特殊的链表,其中每个节点不但有指向下一个节点的指针pNext,还有一个指向链表中任意节点的指针pRand,如何拷贝这个特殊链表?
拷贝pNext指针非常容易,所以题目的难点是如何拷贝pRand指针。
假设原来链表为A1 -> A2 ->... -> An,新拷贝
- color
Chen.H
JavaScripthtmlcss
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd"> <HTML> <HEAD>&nbs
- [信息与战争]移动通讯与网络
comsci
网络
两个坚持:手机的电池必须可以取下来
光纤不能够入户,只能够到楼宇
建议大家找这本书看看:<&
- oracle flashback query(闪回查询)
daizj
oracleflashback queryflashback table
在Oracle 10g中,Flash back家族分为以下成员:
Flashback Database
Flashback Drop
Flashback Table
Flashback Query(分Flashback Query,Flashback Version Query,Flashback Transaction Query)
下面介绍一下Flashback Drop 和Flas
- zeus持久层DAO单元测试
deng520159
单元测试
zeus代码测试正紧张进行中,但由于工作比较忙,但速度比较慢.现在已经完成读写分离单元测试了,现在把几种情况单元测试的例子发出来,希望有人能进出意见,让它走下去.
本文是zeus的dao单元测试:
1.单元测试直接上代码
package com.dengliang.zeus.webdemo.test;
import org.junit.Test;
import o
- C语言学习三printf函数和scanf函数学习
dcj3sjt126com
cprintfscanflanguage
printf函数
/*
2013年3月10日20:42:32
地点:北京潘家园
功能:
目的:
测试%x %X %#x %#X的用法
*/
# include <stdio.h>
int main(void)
{
printf("哈哈!\n"); // \n表示换行
int i = 10;
printf
- 那你为什么小时候不好好读书?
dcj3sjt126com
life
dady, 我今天捡到了十块钱, 不过我还给那个人了
good girl! 那个人有没有和你讲thank you啊
没有啦....他拉我的耳朵我才把钱还给他的, 他哪里会和我讲thank you
爸爸, 如果地上有一张5块一张10块你拿哪一张呢....
当然是拿十块的咯...
爸爸你很笨的, 你不会两张都拿
爸爸为什么上个月那个人来跟你讨钱, 你告诉他没
- iptables开放端口
Fanyucai
linuxiptables端口
1,找到配置文件
vi /etc/sysconfig/iptables
2,添加端口开放,增加一行,开放18081端口
-A INPUT -m state --state NEW -m tcp -p tcp --dport 18081 -j ACCEPT
3,保存
ESC
:wq!
4,重启服务
service iptables
- Ehcache(05)——缓存的查询
234390216
排序ehcache统计query
缓存的查询
目录
1. 使Cache可查询
1.1 基于Xml配置
1.2 基于代码的配置
2 指定可搜索的属性
2.1 可查询属性类型
2.2 &
- 通过hashset找到数组中重复的元素
jackyrong
hashset
如何在hashset中快速找到重复的元素呢?方法很多,下面是其中一个办法:
int[] array = {1,1,2,3,4,5,6,7,8,8};
Set<Integer> set = new HashSet<Integer>();
for(int i = 0
- 使用ajax和window.history.pushState无刷新改变页面内容和地址栏URL
lanrikey
history
后退时关闭当前页面
<script type="text/javascript">
jQuery(document).ready(function ($) {
if (window.history && window.history.pushState) {
- 应用程序的通信成本
netkiller.github.com
虚拟机应用服务器陈景峰netkillerneo
应用程序的通信成本
什么是通信
一个程序中两个以上功能相互传递信号或数据叫做通信。
什么是成本
这是是指时间成本与空间成本。 时间就是传递数据所花费的时间。空间是指传递过程耗费容量大小。
都有哪些通信方式
全局变量
线程间通信
共享内存
共享文件
管道
Socket
硬件(串口,USB) 等等
全局变量
全局变量是成本最低通信方法,通过设置
- 一维数组与二维数组的声明与定义
恋洁e生
二维数组一维数组定义声明初始化
/** * */ package test20111005; /** * @author FlyingFire * @date:2011-11-18 上午04:33:36 * @author :代码整理 * @introduce :一维数组与二维数组的初始化 *summary: */ public c
- Spring Mybatis独立事务配置
toknowme
mybatis
在项目中有很多地方会使用到独立事务,下面以获取主键为例
(1)修改配置文件spring-mybatis.xml <!-- 开启事务支持 --> <tx:annotation-driven transaction-manager="transactionManager" /> &n
- 更新Anadroid SDK Tooks之后,Eclipse提示No update were found
xp9802
eclipse
使用Android SDK Manager 更新了Anadroid SDK Tooks 之后,
打开eclipse提示 This Android SDK requires Android Developer Toolkit version 23.0.0 or above, 点击Check for Updates
检测一会后提示 No update were found