- 【极光优化算法+分解对比】VMD-PLO-Transformer-LSTM多变量时间序列光伏功率预测Matlab代码
matlab科研助手
算法transformerlstm
✅作者简介:热爱数据处理、建模、算法设计的Matlab仿真开发者。更多Matlab代码及仿真咨询内容点击:Matlab科研工作室个人信条:格物致知。内容介绍光伏发电作为一种清洁能源,其功率预测对于电网稳定运行和电力系统调度至关重要。然而,光伏功率具有高度的非线性和波动性,传统的预测方法难以准确捕捉其动态特性。近年来,深度学习技术在时间序列预测领域取得了显著进展,为提高光伏功率预测精度提供了新的途径
- Eclipse Memory Analyzer (MAT) 相关配置调整
卑微猿同学
eclipsejavaMAT
一、JDK版本过低提示已安装高于jdk17的版本依旧提示jdk版本过低,打开MAT的安装目录,在配置文件MemoryAnalyzer.ini中添加配置指向JDK即可。新增两行配置:-vmD:/jdk_21.0.7/bin/javaw.exe//jdk安装路径bin目录下的javaw.exe二、调整内存解析内存快照的时候提示内存溢出错误,修改MAT安装目录中的MemoryAnalyzer.ini,将
- 【超强组合】VMD-粒子群算法PSO-Transformer-LSTM光伏预测【含Matlab源码 8679期】
Matlab领域
matlab
Matlab领域博客之家博主简介:985研究生,Matlab领域科研开发者;个人主页:Matlab领域代码获取方式:CSDNMatlab领域—代码获取方式座右铭:路漫漫其修远兮,吾将上下而求索。更多Matlab神经网络与分类预测仿真内容点击①Matlab智能算法神经网络预测与分类(高阶版)②Matlab神经网络与分类预测(中级版)③Matlab智能算法神经网络预测与分类(初级版)⛳️关注CSDNM
- 2024年中科院一区极光优化算法+分解对比!VMD-PLO-Transformer-LSTM多变量时间序列光伏功率预测
Matlab算法改进和仿真定制工程师
算法transformerlstm
✅作者简介:热爱数据处理、数学建模、仿真设计、论文复现、算法创新的Matlab仿真开发者。更多Matlab代码及仿真咨询内容点击主页:Matlab科研工作室个人信条:格物致知,期刊达人。内容介绍摘要:光伏功率预测对于提高电力系统稳定性和可再生能源的有效利用至关重要。本文针对多变量时间序列光伏功率预测问题,提出了一种基于变分模态分解(VMD)、极光优化算法(PLO)、Transformer和长短期记
- 计算机视觉与深度学习 | Python实现VMD-LSTM时间序列预测(完整源码和数据)
单北斗SLAMer
lstm深度学习python
VMD-LSTM1.环境准备2.数据生成(示例数据)3.VMD分解4.数据预处理5.LSTM模型定义6.训练每个IMF分量7.预测与重构8.性能评估完整代码说明数据与参数调整建议典型输出结果以下是使用Python实现VMD-LSTM时间序列预测的完整代码,包含数据生成、变分模态分解(VMD)、LSTM建模和结果可视化。代码基于PyTorch框架,适用于多维时间序列预测任务。1.环境准备import
- 时序分解 | Matlab实现SSA-VMD麻雀算法优化变分模态分解时间序列信号分解
matlab科研社
matlab算法数学建模
✅作者简介:热爱数据处理、数学建模、算法创新的Matlab仿真开发者。更多Matlab代码及仿真咨询内容点击:Matlab科研工作室个人信条:格物致知。内容介绍摘要:时间序列信号分解是信号处理领域中的一个重要课题,其目标是将复杂的非平稳信号分解为若干个具有物理意义的本征模态函数(IMF)。变分模态分解(VMD)作为一种新型的信号分解方法,具有较好的适应性和鲁棒性,但其分解结果受惩罚参数k和带宽参数
- 【MALTAB递归预测未来】VMD-Bayes-LSTM单变量时序预测-递归预测未来 (单输入单输出)
前程算法屋
私信获取源码lstm人工智能rnn
VMD-Bayes-LSTM单变量时序预测递归预测未来MALTAB代码一、引言1.1单变量时序预测的背景和意义在当今快速发展的社会中,数据无处不在,而时间序列数据作为其中一种重要类型,在众多领域发挥着不可替代的作用。单变量时序预测,即对单一变量随时间变化趋势的预测,在工业、经济等领域具有极其重要的意义。工业生产是国民经济的支柱产业,其稳定运行对整个社会经济发展至关重要。在制造业中,设备是生产的基础
- 小波包阈值去噪方法
yyytucj
人工智能算法
针对小波包去噪对含强白噪声的信号处理效果不理想问题,提出了基于互相关分析优化的VMD-小波包阈值去噪方法。该方法融合了VMD和小波包去噪的优势,通过VMD把含噪信号分解成若干个模态分量,根据互相关分析提出的临界相关系数从所有模态分量中搜寻极优模态分量,之后利用小波包阈值去噪对极优模态分量进行处理。实验结果表明,该方法对含强白噪声的信号去噪效果具有优势,能够保全信号的有效分量,克服了传统VMD去噪的
- ECC:创建供应商vmd_ei_api=>maintain_bapi
SAP.单刀赴会
ABAP学习ECC创建供应商
FUNCTIONzmd_creat_lifnr.*"----------------------------------------------------------------------*"*"局部接口:*"IMPORTING*"VALUE(IT_MD017)TYPEZPIDT_MD017_BODY_TAB*"EXPORTING*"VALUE(EV_TYPE)TYPEBAPI_MTYPE*"
- VMD插件—DensityCalculator:计算模拟轨迹的粒子密度分布图
咸鱼啦啦
经验分享开发语言材料工程
一、DensityCalculator简介“在分子动力学(MD)模拟中,原子级的结构信息表征是材料建模和模拟领域研究人员的一项必要任务。密度分布的可视化通常是结构表征中最重要的属性之一。VisualMolecularDynamics(VMD)是一种广泛使用的分子可视化程序包,它不仅可以可视化复杂的分子系统,还可以通过集成特殊插件或运行内部生成的TCL脚本来执行分析。但是,密度分析仍不是VMD的内置
- 蛋白质口袋预测算法——fpocket
WallBreaker_NBL
CADD算法python健康医疗linux开源软件
fpocket还允许在MD轨迹上进行口袋检测,适合结合口袋特征的评分函数的开发,并对结合点的可药性进行评估。安装命令:>>>tar-xzffpocket-src-2.0.tgz>>>cdfpocket-src-2.0/>>>make>>>maketest事先需安装VMD和PyMOL。fpocket使用样例:fpocket-fsample/3LKF.pdbdpocket可以对多个结构进行分析,tpo
- VMD(变分模态分解)详解
DuHz
波的分析方法现代谱分析方法音频处理数据挖掘信号处理人工智能信息与通信数学建模
VMD(变分模态分解)详解目录前言背景及发展VMD原理与数学基础问题的提出变分框架与能量最小化中心频率与带宽定义目标函数及约束拉格朗日乘子法频域迭代更新公式VMD与EMD/EEMD/CEEMDAN等方法比较VMD算法流程主要参数的选择与影响优点与不足实际应用中需要注意的问题示例代码代码简要解读参考资料前言在信号处理、时频分析、故障诊断等诸多领域,如何将一个复杂信号进行多分量分解,进而提取到其中所包
- Time-LLM :超越了现有时间序列预测模型的学习器
福安德信息科技
AI预测大模型学习人工智能python大模型时序预测
AI预测相关目录AI预测流程,包括ETL、算法策略、算法模型、模型评估、可视化等相关内容最好有基础的python算法预测经验EEMD策略及踩坑VMD-CNN-LSTM时序预测对双向LSTM等模型添加自注意力机制K折叠交叉验证optuna超参数优化框架多任务学习-模型融合策略Transformer模型及Paddle实现迁移学习在预测任务上的tensoflow2.0实现holt提取时序序列特征TCN时
- 数据分析-24-时间序列预测之基于keras的VMD-LSTM和VMD-CNN-LSTM预测风速
皮皮冰燃
数据分析数据分析
文章目录1普通的LSTM模型1.1数据重采样1.2数据标准化1.3切分窗口1.4划分数据集1.5建立模型1.6预测效果2VMD-LSTM模型2.1VMD分解时间序列2.2对每一个IMF建立LSTM模型2.2.1IMF1—LSTM2.2.2IMF2-LSTM2.2.3统一代码2.3评估效果3CNN-LSTM模型3.1数据预处理3.2建立模型3.3效果预测4VMD-CNN-LSTM模型4.1VMD分解
- 时序预测|基于变分模态分解-时域卷积-双向长短期记忆-注意力机制多变量时间序列预测VMD-TCN-BiLSTM-Attention
机器不会学习CL
时间序列预测智能优化算法深度学习人工智能机器学习
时序预测|基于变分模态分解-时域卷积-双向长短期记忆-注意力机制多变量时间序列预测VMD-TCN-BiLSTM-Attention文章目录前言时序预测|基于变分模态分解-时域卷积-双向长短期记忆-注意力机制多变量时间序列预测VMD-TCN-BiLSTM-Attention一、VMD-TCN-BiLSTM-Attention模型VMD-TCN-BiLSTM-Attention模型的详细原理和流程1.
- 多维时序 | Matlab实现基于VMD-DBO-LSTM、VMD-LSTM、LSTM的多变量时间序列预测
机器学习之心
时序预测VMD-DBO-LSTM多变量时间序列预测VMD-LSTMLSTM
多维时序|Matlab实现基于VMD-DBO-LSTM、VMD-LSTM、LSTM的多变量时间序列预测目录多维时序|Matlab实现基于VMD-DBO-LSTM、VMD-LSTM、LSTM的多变量时间序列预测预测效果基本介绍程序设计参考资料预测效果基本介绍Matlab实现基于VMD-DBO-LSTM、VMD-LSTM、LSTM的多变量时间序列预测(完整程序和数据)1.先运行vmdtest,进行vm
- 【代码分享】基于VMD(变分模态分解)-RIME(霜冰算法优化)-LSTM的时间序列预测模型
电力系统爱好者
算法lstm人工智能
程序名称:基于VMD(变分模态分解)-RIME(霜冰算法优化)-LSTM的时间序列预测模型实现平台:matlab代码简介:提出了变分模态分解(VMD)和霜冰算法优化法(RIME)与长短期记忆神经网络(LSTM)相耦合,建立了时间序列预测模型(VMD-RIME-LSTM)。变分模态分解(VariationalModeDecomposition,简称VMD)是一种信号分解方法,可以将复杂的信号分解为多
- Android开发--实时监测系统+部署故障诊断算法
Afison
Android故障诊断C/C++android
0.项目整体思路介绍:搭建无人装备模拟实验平台,使用采集器对数据进行采集,通过网络通信Udp协议发送到安卓端,安卓端作界面显示,算法使用matlab仿真后,用C语言实现。将采集器采集到的数据经过处理后训练,并将算法模型集成到服务器端或嵌入到安卓软件中。1.系统整体架构2.实验平台搭建模拟旋转机械设备等传感器采集器3.算法设计优化VMD-SVM算法预测结果展示4.安卓端界面开发安卓界面端展示
- AI预测-注意力机制/多头注意力机制及其tensorflow实现
写代码的中青年
AI预测人工智能tensorflowpython深度学习keras
AI预测相关目录AI预测流程,包括ETL、算法策略、算法模型、模型评估、可视化等相关内容最好有基础的python算法预测经验EEMD策略及踩坑VMD-CNN-LSTM时序预测对双向LSTM等模型添加自注意力机制K折叠交叉验证optuna超参数优化框架多任务学习-模型融合策略Transformer模型及Paddle实现迁移学习在预测任务上的tensoflow2.0实现holt提取时序序列特征TCN时
- AI预测-多任务学习-模型融合策略
写代码的中青年
AI预测人工智能学习python神经网络深度学习
AI预测相关目录AI预测流程,包括ETL、算法策略、算法模型、模型评估、可视化等相关内容最好有基础的python算法预测经验EEMD策略及踩坑VMD-CNN-LSTM时序预测对双向LSTM等模型添加自注意力机制K折叠交叉验证optuna超参数优化框架多任务学习-模型融合测略文章目录AI预测相关目录一、模型融合二、模型介绍三、代码示例总结一、模型融合模型融合是自创概念,实际上是对多任务学习一直情况的
- AI预测-Transformer模型及Paddle实现
写代码的中青年
AI预测人工智能transformerpaddle深度学习神经网络
AI预测相关目录AI预测流程,包括ETL、算法策略、算法模型、模型评估、可视化等相关内容最好有基础的python算法预测经验EEMD策略及踩坑VMD-CNN-LSTM时序预测对双向LSTM等模型添加自注意力机制K折叠交叉验证optuna超参数优化框架多任务学习-模型融合测略Transformer模型及Paddle实现文章目录AI预测相关目录一、Transformer背景二、多头注意力机制三、Pad
- AI预测-迁移学习在时序预测任务上的tensoflow2.0实现
写代码的中青年
AI预测人工智能迁移学习机器学习神经网络pythontensorflow
AI预测相关目录AI预测流程,包括ETL、算法策略、算法模型、模型评估、可视化等相关内容最好有基础的python算法预测经验EEMD策略及踩坑VMD-CNN-LSTM时序预测对双向LSTM等模型添加自注意力机制K折叠交叉验证optuna超参数优化框架多任务学习-模型融合策略Transformer模型及Paddle实现迁移学习在预测任务上的tensoflow2.0实现文章目录AI预测相关目录一、迁移
- AI预测-VMD-CNN-LSTM时序预测
写代码的中青年
AI预测人工智能cnnlstm
AI预测相关目录AI预测流程,包括ETL、算法策略、算法模型、模型评估、可视化等相关内容最好有基础的python算法预测经验EEMD策略及踩坑VMD-CNN-LSTM时序预测文章目录AI预测相关目录一、VMD介绍二、CNN-LSTM三、VMD与CNN-LSTM的适配性1.VMD2.cnn-lstm总结一、VMD介绍VMD(变分模态分解)是一种信号处理技术,用于将复杂的非线性或非平稳信号分解成多个模
- EI级 |VMD-TCN-GRU变分模态分解结合时间卷积门控循环单元多变量光伏功率时间序列预测 Matlab实现
机器学习之芯
预测模型grumatlab深度学习
✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,代码获取、论文复现及科研仿真合作可私信。个人主页:Matlab科研工作室个人信条:格物致知。更多Matlab完整代码及仿真定制内容点击智能优化算法神经网络预测雷达通信无线传感器电力系统信号处理图像处理路径规划元胞自动机无人机内容介绍摘要本文提出了一种新的时序预测算法,称为VMD-TCN-GRU算法。该算法将变分模态分解(VMD)与时
- VMD渲染高清图片
薛定谔的青蛙
前端
使用snapshot直接渲染的图片分辨率太低了,放大后糊成一团:改用tachyon渲染可以解决这个问题:渲染完成后会生成一个.dat的文本文件,之后使用vmd自带的tachyon_WIN32.exe将dat文件渲染为高清图片。注意某些beta版本的vmd可以可能没有tachyon_WIN32.exe。之后在tachyon_WIN32.exe目录下新建一个.bat文本,写入以下内容:tachyon_
- vmd氢键分析
薛定谔的青蛙
lammps分子动力学学习
1.氢键介绍氢原子与电负性大的原子X以共价键结合,若与电负性大、半径小的原子Y(OFN等)接近,在X与Y之间以氢为媒介,生成X-H…Y形式的一种特殊的分子间或分子内相互作用,称为氢键。当然X与Y可以是同一种类分子,如水分子之间的氢键;也可以是不同种类分子,如一水合氨分子(NH3·H2O)之间的氢键。氢键的本质就是强极性键(A-H)上的氢核与电负性很大的、含孤电子对并带有部分负电荷的原子B之间的静电
- 通过DBeaver连接Phoenix操作hbase
风静花犹落
下载DBeaverhttps://dbeaver.io/download配置JDK(可选)编辑DBeaver安装目录下DBeaver.ini文件,在首行添加JDK安装路径-vmD:\ProgramFiles\jdk\bin连接HBase1.配置文件>新建>数据库连接>ApachePhoenix>填写相应的host,port,username,password信息2.驱动文件自动下载驱动编辑驱动设置
- 机器学习算法实战案例:VMD-LSTM实现单变量多步光伏预测(升级版)
Python算法实战
机器学习算法实战机器学习算法lstm人工智能python
文章目录机器学习算法实战案例系列答疑&技术交流1数据处理1.1导入库文件1.2导入数据集1.3缺失值分析2VMD经验模态分解2.1VMD分解实验2.2VMD-LSTM预测思路3构造训练数据4LSTM模型训练5LSTM模型预测5.1分量预测5.2可视化机器学习算法实战案例系列机器学习算法实战案例:确实可以封神了,时间序列预测算法最全总结!机器学习算法实战案例:时间序列数据最全的预处理方法总结机器学习
- 机器学习算法实战案例:VMD-LSTM实现单变量多步光伏预测
Python算法实战
机器学习算法实战机器学习算法lstm人工智能
文章目录机器学习算法实战案例系列答疑&技术交流1数据处理1.1导入库文件1.2导入数据集1.3缺失值分析2VMD经验模态分解3构造训练数据4LSTM模型训练5预测机器学习算法实战案例系列机器学习算法实战案例:确实可以封神了,时间序列预测算法最全总结!机器学习算法实战案例:时间序列数据最全的预处理方法总结机器学习算法实战案例:GRU实现多变量多步光伏预测机器学习算法实战案例:LSTM实现单变量滚动风
- 【MATLAB】tvf_emd_LSTM神经网络时序预测算法
Lwcah
MATLAB时序预测算法神经网络matlablstm
有意向获取代码,请转文末观看代码获取方式~也可转原文链接获取~1基本定义TVF-EMD-LSTM神经网络时序预测算法是一种结合了变分模态分解(VariationalModeDecomposition,VMD)、经验模态分解(EmpiricalModeDecomposition,EMD)和长短期记忆神经网络(LSTM)的时间序列预测方法。VMD是一种自适应信号分解方法,能够将复杂信号分解为多个固有模
- springmvc 下 freemarker页面枚举的遍历输出
杨白白
enumfreemarker
spring mvc freemarker 中遍历枚举
1枚举类型有一个本地方法叫values(),这个方法可以直接返回枚举数组。所以可以利用这个遍历。
enum
public enum BooleanEnum {
TRUE(Boolean.TRUE, "是"), FALSE(Boolean.FALSE, "否");
- 实习简要总结
byalias
工作
来白虹不知不觉中已经一个多月了,因为项目还在需求分析及项目架构阶段,自己在这段
时间都是在学习相关技术知识,现在对这段时间的工作及学习情况做一个总结:
(1)工作技能方面
大体分为两个阶段,Java Web 基础阶段和Java EE阶段
1)Java Web阶段
在这个阶段,自己主要着重学习了 JSP, Servlet, JDBC, MySQL,这些知识的核心点都过
了一遍,也
- Quartz——DateIntervalTrigger触发器
eksliang
quartz
转载请出自出处:http://eksliang.iteye.com/blog/2208559 一.概述
simpleTrigger 内部实现机制是通过计算间隔时间来计算下次的执行时间,这就导致他有不适合调度的定时任务。例如我们想每天的 1:00AM 执行任务,如果使用 SimpleTrigger,间隔时间就是一天。注意这里就会有一个问题,即当有 misfired 的任务并且恢复执行时,该执行时间
- Unix快捷键
18289753290
unixUnix;快捷键;
复制,删除,粘贴:
dd:删除光标所在的行 &nbs
- 获取Android设备屏幕的相关参数
酷的飞上天空
android
包含屏幕的分辨率 以及 屏幕宽度的最大dp 高度最大dp
TextView text = (TextView)findViewById(R.id.text);
DisplayMetrics dm = new DisplayMetrics();
text.append("getResources().ge
- 要做物联网?先保护好你的数据
蓝儿唯美
数据
根据Beecham Research的说法,那些在行业中希望利用物联网的关键领域需要提供更好的安全性。
在Beecham的物联网安全威胁图谱上,展示了那些可能产生内外部攻击并且需要通过快速发展的物联网行业加以解决的关键领域。
Beecham Research的技术主管Jon Howes说:“之所以我们目前还没有看到与物联网相关的严重安全事件,是因为目前还没有在大型客户和企业应用中进行部署,也就
- Java取模(求余)运算
随便小屋
java
整数之间的取模求余运算很好求,但几乎没有遇到过对负数进行取模求余,直接看下面代码:
/**
*
* @author Logic
*
*/
public class Test {
public static void main(String[] args) {
// TODO A
- SQL注入介绍
aijuans
sql注入
二、SQL注入范例
这里我们根据用户登录页面
<form action="" > 用户名:<input type="text" name="username"><br/> 密 码:<input type="password" name="passwor
- 优雅代码风格
aoyouzi
代码
总结了几点关于优雅代码风格的描述:
代码简单:不隐藏设计者的意图,抽象干净利落,控制语句直截了当。
接口清晰:类型接口表现力直白,字面表达含义,API 相互呼应以增强可测试性。
依赖项少:依赖关系越少越好,依赖少证明内聚程度高,低耦合利于自动测试,便于重构。
没有重复:重复代码意味着某些概念或想法没有在代码中良好的体现,及时重构消除重复。
战术分层:代码分层清晰,隔离明确,
- 布尔数组
百合不是茶
java布尔数组
androi中提到了布尔数组;
布尔数组默认的是false, 并且只会打印false或者是true
布尔数组的例子; 根据字符数组创建布尔数组
char[] c = {'p','u','b','l','i','c'};
//根据字符数组的长度创建布尔数组的个数
boolean[] b = new bool
- web.xml之welcome-file-list、error-page
bijian1013
javaweb.xmlservleterror-page
welcome-file-list
1.定义:
<welcome-file-list>
<welcome-file>login.jsp</welcome>
</welcome-file-list>
2.作用:用来指定WEB应用首页名称。
error-page1.定义:
<error-page&g
- richfaces 4 fileUpload组件删除上传的文件
sunjing
clearRichfaces 4fileupload
页面代码
<h:form id="fileForm"> <rich:
- 技术文章备忘
bit1129
技术文章
Zookeeper
http://wenku.baidu.com/view/bab171ffaef8941ea76e05b8.html
http://wenku.baidu.com/link?url=8thAIwFTnPh2KL2b0p1V7XSgmF9ZEFgw4V_MkIpA9j8BX2rDQMPgK5l3wcs9oBTxeekOnm5P3BK8c6K2DWynq9nfUCkRlTt9uV
- org.hibernate.hql.ast.QuerySyntaxException: unexpected token: on near line 1解决方案
白糖_
Hibernate
文章摘自:http://blog.csdn.net/yangwawa19870921/article/details/7553181
在编写HQL时,可能会出现这种代码:
select a.name,b.age from TableA a left join TableB b on a.id=b.id
如果这是HQL,那么这段代码就是错误的,因为HQL不支持
- sqlserver按照字段内容进行排序
bozch
按照内容排序
在做项目的时候,遇到了这样的一个需求:
从数据库中取出的数据集,首先要将某个数据或者多个数据按照地段内容放到前面显示,例如:从学生表中取出姓李的放到数据集的前面;
select * fro
- 编程珠玑-第一章-位图排序
bylijinnan
java编程珠玑
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileWriter;
import java.io.IOException;
import java.io.Writer;
import java.util.Random;
public class BitMapSearch {
- Java关于==和equals
chenbowen00
java
关于==和equals概念其实很简单,一个是比较内存地址是否相同,一个比较的是值内容是否相同。虽然理解上不难,但是有时存在一些理解误区,如下情况:
1、
String a = "aaa";
a=="aaa";
==> true
2、
new String("aaa")==new String("aaa
- [IT与资本]软件行业需对外界投资热情保持警惕
comsci
it
我还是那个看法,软件行业需要增强内生动力,尽量依靠自有资金和营业收入来进行经营,避免在资本市场上经受各种不同类型的风险,为企业自主研发核心技术和产品提供稳定,温和的外部环境...
如果我们在自己尚未掌握核心技术之前,企图依靠上市来筹集资金,然后使劲往某个领域砸钱,然
- oracle 数据块结构
daizj
oracle块数据块块结构行目录
oracle 数据块是数据库存储的最小单位,一般为操作系统块的N倍。其结构为:
块头--〉空行--〉数据,其实际为纵行结构。
块的标准大小由初始化参数DB_BLOCK_SIZE指定。具有标准大小的块称为标准块(Standard Block)。块的大小和标准块的大小不同的块叫非标准块(Nonstandard Block)。同一数据库中,Oracle9i及以上版本支持同一数据库中同时使用标
- github上一些觉得对自己工作有用的项目收集
dengkane
github
github上一些觉得对自己工作有用的项目收集
技能类
markdown语法中文说明
回到顶部
全文检索
elasticsearch
bigdesk elasticsearch管理插件
回到顶部
nosql
mapdb 支持亿级别map, list, 支持事务. 可考虑做为缓存使用
C
- 初二上学期难记单词二
dcj3sjt126com
englishword
dangerous 危险的
panda 熊猫
lion 狮子
elephant 象
monkey 猴子
tiger 老虎
deer 鹿
snake 蛇
rabbit 兔子
duck 鸭
horse 马
forest 森林
fall 跌倒;落下
climb 爬;攀登
finish 完成;结束
cinema 电影院;电影
seafood 海鲜;海产食品
bank 银行
- 8、mysql外键(FOREIGN KEY)的简单使用
dcj3sjt126com
mysql
一、基本概念
1、MySQL中“键”和“索引”的定义相同,所以外键和主键一样也是索引的一种。不同的是MySQL会自动为所有表的主键进行索引,但是外键字段必须由用户进行明确的索引。用于外键关系的字段必须在所有的参照表中进行明确地索引,InnoDB不能自动地创建索引。
2、外键可以是一对一的,一个表的记录只能与另一个表的一条记录连接,或者是一对多的,一个表的记录与另一个表的多条记录连接。
3、如
- java循环标签 Foreach
shuizhaosi888
标签java循环foreach
1. 简单的for循环
public static void main(String[] args) {
for (int i = 1, y = i + 10; i < 5 && y < 12; i++, y = i * 2) {
System.err.println("i=" + i + " y="
- Spring Security(05)——异常信息本地化
234390216
exceptionSpring Security异常信息本地化
异常信息本地化
Spring Security支持将展现给终端用户看的异常信息本地化,这些信息包括认证失败、访问被拒绝等。而对于展现给开发者看的异常信息和日志信息(如配置错误)则是不能够进行本地化的,它们是以英文硬编码在Spring Security的代码中的。在Spring-Security-core-x
- DUBBO架构服务端告警Failed to send message Response
javamingtingzhao
架构DUBBO
废话不多说,警告日志如下,不知道有哪位遇到过,此异常在服务端抛出(服务器启动第一次运行会有这个警告),后续运行没问题,找了好久真心不知道哪里错了。
WARN 2015-07-18 22:31:15,272 com.alibaba.dubbo.remoting.transport.dispatcher.ChannelEventRunnable.run(84)
- JS中Date对象中几个用法
leeqq
JavaScriptDate最后一天
近来工作中遇到这样的两个需求
1. 给个Date对象,找出该时间所在月的第一天和最后一天
2. 给个Date对象,找出该时间所在周的第一天和最后一天
需求1中的找月第一天很简单,我记得api中有setDate方法可以使用
使用setDate方法前,先看看getDate
var date = new Date();
console.log(date);
// Sat J
- MFC中使用ado技术操作数据库
你不认识的休道人
sqlmfc
1.在stdafx.h中导入ado动态链接库
#import"C:\Program Files\Common Files\System\ado\msado15.dll" no_namespace rename("EOF","end")2.在CTestApp文件的InitInstance()函数中domodal之前写::CoIniti
- Android Studio加速
rensanning
android studio
Android Studio慢、吃内存!启动时后会立即通过Gradle来sync & build工程。
(1)设置Android Studio
a) 禁用插件
File -> Settings... Plugins 去掉一些没有用的插件。
比如:Git Integration、GitHub、Google Cloud Testing、Google Cloud
- 各数据库的批量Update操作
tomcat_oracle
javaoraclesqlmysqlsqlite
MyBatis的update元素的用法与insert元素基本相同,因此本篇不打算重复了。本篇仅记录批量update操作的
sql语句,懂得SQL语句,那么MyBatis部分的操作就简单了。 注意:下列批量更新语句都是作为一个事务整体执行,要不全部成功,要不全部回滚。
MSSQL的SQL语句
WITH R AS(
SELECT 'John' as name, 18 as
- html禁止清除input文本输入缓存
xp9802
input
多数浏览器默认会缓存input的值,只有使用ctl+F5强制刷新的才可以清除缓存记录。如果不想让浏览器缓存input的值,有2种方法:
方法一: 在不想使用缓存的input中添加 autocomplete="off"; eg: <input type="text" autocomplete="off" name