- AI模型技术前沿与跨场景应用实践
智能计算研究中心
其他
内容概要当前AI模型技术正呈现多维度突破与跨领域融合的特征。从技术演进角度看,可解释性模型与量子计算框架的协同发展正在突破传统黑箱限制,而联邦学习、自适应优化等技术则为复杂场景建模提供了新的方法论支撑。应用层面,TensorFlow与PyTorch框架在医疗影像诊断、金融时序预测等领域的实战案例,验证了深度学习模型在垂直行业的泛化能力。值得关注的是,工具链整合已成为技术落地的关键环节,MXNet与
- 医疗影像联邦学习可解释性算法研究
智能计算研究中心
其他
内容概要医疗影像分析领域的联邦学习技术正面临数据隐私保护与模型可解释性的双重挑战。本研究以跨机构医疗影像协作场景为核心,系统性探讨联邦学习框架下可解释性算法的创新路径,重点解决医疗AI模型在分布式训练中的透明度缺失问题。通过引入动态特征选择机制与可解释性注意力模块,算法在保持数据本地化处理的同时,实现了关键病灶特征的跨域关联与可视化解析。研究同步整合自动化数据增强流程与多维度评估指标(如F1值、召
- Simulink实例演示:智能车辆远程驾驶控制系统仿真
xiaoheshang_123
MATLAB开发项目实例1000例专栏手把手教你学MATLAB专栏simulinkmatlab自动驾驶人工智能机器学习
目录Simulink实例演示:智能车辆远程驾驶控制系统仿真一、背景介绍二、所需工具和环境三、步骤详解步骤1:创建Simulink模型步骤1.1:打开Simulink并新建模型步骤2:设计车辆动力学模型步骤2.1:添加车辆底盘模块步骤2.2:添加纵向和横向控制模块步骤2.3:连接各模块步骤3:设计动力总成系统步骤3.1:选择动力源类型步骤3.2:配置动力总成参数步骤3.3:连接动力总成模块到车辆底盘
- 【算法手记04】回溯算法
Xeno Li
算法java
回溯是递归的副产品,只要有递归,就会有对应的回溯过程。回溯实际上就是“撤销上一次递归操作”的一个过程。回溯法是由递归+循环组成的,其中每次循环执行的次数应该是可知的。每一次完成递归都会收集一次可能的结果,因此结果集的大小是不确定的,需要使用递归去找,我们称之为纵向搜索;而每次循环会从待找集合中依次遍历,是一个横向搜索的过程。模板voidbacktracking(参数){if(终止条件){收集结果r
- 回溯算法知识总结
专业刷题Pia
算法
1.什么是回溯怎么用(回溯本质及模版)底层逻辑:解决树形结构问题、用到递归逻辑、穷举本质优化靠剪枝。回溯模版:1.建立回溯函数(一般以void返回)难点:如何选取参数(index,sum,used,...)voidbacktracking(参数)2.回溯终止条件难点:如何对应终止条件if(终止条件){存放结果;return;}3.单层遍历规则(广搜(横向遍历)靠for循环,深搜(纵向遍历)靠递归)
- 我与DeepSeek读《大型网站技术架构》(6)- 上
诺亚凹凸曼
架构
永无止境:网站的伸缩性架构伸缩性定义与实现目标网站的伸缩性指通过增减服务器数量灵活调整服务能力,而无需改变软硬件设计。核心目标是实现线性扩容,即新增服务器数量与系统处理能力成正比。两种基本伸缩设计手段(1)物理分离功能实现伸缩纵向分层:将系统按功能分层(如应用层、数据层),分离到不同服务器集群。例如:将数据库服务与应用程序服务器分离。横向分业务:将不同业务模块(如用户系统、支付系统)部署到独立的服
- 金融风控可解释性算法安全优化实践
智能计算研究中心
其他
内容概要在金融风险控制领域,算法的可解释性与安全性已成为技术落地的核心挑战。本文从实际业务场景出发,系统性梳理可解释性算法与联邦学习、特征工程的协同框架,通过超参数优化与动态模型评估机制,构建透明化决策链路。在技术实现层面,重点解析支持向量机与随机森林的改进方案,结合数据清洗与标注的标准化流程,强化风险预测模型在准确率、F1值等关键指标的表现,同时兼顾合规性与安全边界的设计要求。提示:金融机构在部
- 生成对抗网络优化医疗影像分析方法
智能计算研究中心
其他
内容概要生成对抗网络(GAN)在医疗影像分析中的应用正经历从理论验证到临床落地的关键转型。本研究通过整合联邦学习算法与动态数据增强技术,构建了跨机构医疗影像协同分析框架,在保证患者隐私的前提下实现了数据资源的有效扩展。值得注意的是,算法优化过程中采用的三阶段特征工程策略——包括基于注意力机制的特征选择、多尺度特征融合以及可解释性特征映射——使模型决策透明度提升约37.6%。临床实践表明,将联邦学习
- GIS开发:Arcgis的切片格式
GIS技术杂谈
arcgis切片gis
常规的地图切片,存储在计算机的目录,一般都是以数字的模式,表现层级的文件夹名称,无外乎缩放等级(level),横向的切片数(x),纵向的切片数(y),例如下边的一个切片存放文件夹,按照level\y\x.jpg进行存储的。Arcgis的切片格式,也是按照一定的文件夹目录组织的,只是命名规则稍微有些不同,arcgis的切片图层可以在arcmap中直接进行查看,并且可通过arcmap,将切片图层发布到
- 智能车辆控制技术:MPC与轨迹规划实战项目
柚木i
本文还有配套的精品资源,点击获取简介:本压缩包集合了车辆转向控制与轨迹规划的MATLAB代码,包含模型预测控制(MPC)策略、MPT工具箱应用、车辆动力学模型构建、轨迹规划实现、mp-QP算法应用及MATLAB编程实践。旨在通过源码分析,提供智能车辆控制技术的深入学习与研究平台,涉及横向和纵向运动控制、系统模型的定义、控制策略的制定及仿真流程。1.模型预测控制(MPC)基础与应用模型预测控制(MP
- Stata操作
晓破云天
计量经济学学习方法
sscinstall:下载未储存到电脑的指令。一、定义面板数据xtset:定义面板数据,将变量按照个体、年份的顺序纵向排列,非平衡面板数据会自动删去不平衡部分。sum:后接变量,会出均值、方差及最大最小值等信息。logout,save(Describe)wordreplace:sum+变量名:logout是输出到文档,save括号中是输出文件名称,word是文件类型。pwcorr_a:变量之间线性
- AOP开发
LDM>W<
Java学习javaspring学习
8.1aop思想oop(面向对象编程):面向对象,就是纵向地将事物给封装成类,里面具有这种事物的属性和行为。当别人想用到这种事物时,就通过构造它的一个实例对象来获得。体现出一种封装性。aop(面向切面编程):横向地对不同事物的抽象,属性与属性,方法与方法,对象与对象都可以组成一个切面。简单来说,aop思想就是可以将某些类里的属性方法等抽取出来进行处理,组成一个新方法。下面来张图说明一下:可以看到,
- 跨领域算法安全优化与可解释实践
智能计算研究中心
其他
内容概要作为系统性研究框架,《跨领域算法安全优化与可解释实践》从算法研发的全生命周期切入,重点解决多领域交叉应用中的核心矛盾。通过整合联邦学习的分布式架构与量子计算的高效特性,构建兼顾隐私保护与运算效率的算法优化范式,同时引入动态可解释性分析技术,为医疗影像诊断、金融风险预测等高敏感场景提供决策透明度保障。在技术路径层面,研究聚焦特征工程的鲁棒性设计、超参数的自适应调优策略,以及生成对抗网络在数据
- 智能算法安全与跨领域创新实践
智能计算研究中心
其他
内容概要在智能算法快速渗透各行业的背景下,安全治理与技术创新已成为驱动跨领域应用的核心议题。当前研究重点围绕算法可解释性增强、动态风险评估及数据安全防护展开,通过融合联邦学习的分布式协作框架、量子计算的算力突破以及注意力机制的特征聚焦能力,构建起多模态技术融合的创新路径。在应用场景层面,医疗影像诊断、金融风险预测与自动驾驶系统等关键领域已形成算法效能与安全性的双重验证体系,其中超参数优化、特征工程
- 模型优化前沿趋势与行业应用实战
智能计算研究中心
其他
内容概要模型优化技术正经历从理论研究到产业落地的关键跃迁。随着自动化机器学习(AutoML)与边缘计算技术的深度融合,模型开发范式正从人工调参转向自动化、自适应优化。以联邦学习为代表的数据隐私保护技术,正在重构跨机构协作的模型训练范式,而量子计算与神经架构搜索(NAS)的结合,为超参数优化开辟了新维度。在应用层面,医疗影像识别准确率突破99%的突破性成果,验证了迁移学习在跨领域知识迁移中的巨大潜力
- TypeScript中的单例类型与区分联合
t0_54program
typescriptubuntujavascript个人开发
在编程中,我们经常会遇到一些变量或属性只能取有限的几个值的情况。例如,一个页面的方向只能是“横向”或“纵向”。那么,如何在TypeScript中限制变量只能取这些有限的值呢?这就需要用到单例类型和区分联合的概念。单例类型与区分联合在TypeScript中,单例类型是指那些只包含一个值的类型。例如,'landscape'和'portrait'都是单例类型。当我们把多个单例类型组合在一起时,就形成了区
- python | flower,一个强大的 Python 库!
双木的木
python拓展学习python库python开发语言计算机视觉人工智能算法联邦学习深度学习
本文来源公众号“python”,仅用于学术分享,侵权删,干货满满。原文链接:flower,一个强大的Python库!大家好,今天为大家分享一个强大的Python库-flower。Github地址:https://github.com/mher/flower随着机器学习模型应用的增长,联邦学习(FederatedLearning,FL)逐渐成为一个重要方向。联邦学习允许多个客户端在不共享原始数据的情
- 在vue2项目中el-table表格的表头和内容错位问题
白小水i
vue.jselementui前端
一、问题描述以及产生原因问题描述:当el-table表格有横向滚动条和纵向滚动条,把横向滚动条拉到最右边,表格的表头会和内容错位(表头和内容列不对齐)问题产生原因:在el-table有纵向滚动条时,el-table__body-wrapper+纵向滚动条的宽度是100%,故表格内容区域宽度不足100%,而表头el-table__header-wrapper的宽度仍为100%,表格内容实际宽度小于表
- 智能算法安全优化与关键技术实践
智能计算研究中心
其他
内容概要智能算法的安全优化与关键技术实践已成为人工智能发展的核心命题。在医疗影像分析、金融风控、自动驾驶等场景中,联邦学习的分布式协作机制有效解决了数据孤岛问题,而生成对抗网络通过对抗训练增强数据生成能力,为小样本场景提供技术支撑。与此同时,可解释性算法通过特征重要性分析与决策路径可视化,显著提升模型透明度,降低黑箱风险。在技术实现层面,特征工程的自动化筛选与超参数动态调整策略优化了模型性能,结合
- 跨领域算法安全优化与实践路径
智能计算研究中心
其他
内容概要在算法技术加速渗透金融、医疗、自动驾驶等关键领域的背景下,跨领域算法的安全性与可落地性成为核心挑战。本书从联邦学习的隐私保护架构切入,探讨如何通过可解释性算法增强模型透明度,并引入量子计算与边缘计算的协同优化框架,构建兼顾效率与安全的技术范式。值得注意的是,医疗影像分析中的对抗攻击防御机制与生成对抗网络驱动的推荐系统创新,揭示了算法动态演进中的风险控制逻辑。技术整合不应局限于单一场景优化,
- 第37篇Personalized Federated Learning: A Meta-Learning Approach(perfedavg联邦学习+元学习)2020个性化联邦学习使用Hessian
还不秃顶的计科生
联邦学习学习
第一部分:解决的问题联邦学习(FL)在多用户协同训练模型时,因数据隐私和通信限制,用户仅与中央服务器交互。传统FL方法得到的全局模型无法适应各用户的异质数据,导致在用户本地数据集上性能不佳因此这篇论文旨在解决联邦学习中模型缺乏个性化的问题第二部分:idea基于模型无关元学习(MAML)框架,提出个性化联邦学习问题的新公式。通过寻找一个初始共享模型,让用户基于自身数据执行少量梯度下降步骤就能快速适应
- Java生成LRC纵向冗余校验
YunFeiDong
Javajava开发语言ModbusASCII
纵向冗余校验(LongitudinalRedundancyCheck,简称:LRC)是通信中常用的一种校验形式,也称LRC校验或纵向校验;它是一种从纵向通道上的特定比特串产生校验比特的错误检测方法;通常Modbus协议ASCII模式采用LRC算法。1.生成LRC校验/***生成LRC校验值:**1)对需要校验的数据(2n个字符)两两组成一个16进制的数值求和;*2)将求和结果与256求模;*3)用
- Android组件化、模块化、插件化
写完就会了
JAVA基础Androidandroid
Android组件化、模块化、插件化区别详解-掘金组件化:组件化就是基于可重用为目的的,将一个大的软件系统按照分离关注点的形式,拆分多个独立的组件,减少耦合。就是“基础库”或者“基础组件",意思是把代码重复的部分提炼出一个个组件供给功能使用使用:Dialog,各种自定义的UI控件、能在项目或者不同项目重复应用的代码等等目的:复用,解耦依赖:组件之间低依赖,比较独立架构定位:纵向分层(位于架构底层,
- 按键精灵找图的原理及影响找图效率的因素
学自动化的小白
计算机视觉图像处理人工智能
按键精灵找图的原理主要是基于图像识别算法,具体涉及像素点的颜色值和位置比对。以下是对该原理的详细解释:一、图像像素点的基本概念图像是由一个个颜色块组成的,这些颜色块非常小,通常看不出有明显的分块界限。这些带有颜色的小方块就是图像的像素点。像素点是在一个二维平面上排列的,分为横向和纵向,大量的像素点排列在一起就组成了一张图像。二、找图原理的具体步骤确定找图区域:按键精灵在屏幕上指定的区域内进行找图操
- AI人工智能 Agent:在保护隐私和数据安全中的应用
AI大模型应用之禅
DeepSeekR1&AI大模型与大数据计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
AI人工智能Agent:在保护隐私和数据安全中的应用关键词:AIAgent、隐私保护、数据安全、同态加密、联邦学习、区块链1.背景介绍1.1问题的由来随着人工智能技术的快速发展,AIAgent在各行各业得到了广泛应用。然而,在享受AI带来便利的同时,人们也越来越关注个人隐私和数据安全问题。传统的数据收集和处理方式存在隐私泄露风险,亟需探索如何在AI时代更好地保护用户隐私。1.2研究现状目前,学术界
- HarmonyOS Next 跨端适配的电商购物应用开发
harmonyos
商品展示的不同模式(网格布局vs列表布局)在电商应用中,商品展示模式主要有网格布局和列表布局两种。网格布局以矩阵形式排列商品,能在有限空间内展示较多商品,适合快速浏览和比较商品。列表布局则是将商品依次纵向排列,每个商品信息展示更详细,注重商品详情的呈现。小屏单列vs大屏多列的适配策略小屏设备(如手机)屏幕空间有限,为保证商品信息清晰展示和操作便捷,商品列表通常采用单列布局。用户可以通过上下滑动轻松
- day23 第七章 回溯算法part02
mvufi
算法
组合问题:同一个集合,startindex允许重复元素startindex从i开始不允许重复元素,startindex从i+1开始不同集合,index(可以用for,不用用回溯)for循环,横向遍历,控制组合不重复;递归,for内部,纵向便利,控制组合内元素如何构成。剪枝从元素个数和元素和入手,元素和用排序+剪枝,都是在for的结束上做文章39.组合总和如果是一个集合来求组合的话,就需要start
- 【八股】非关系型数据库篇(Redis+ES)
林子漾
八股项目redis数据库缓存
关系型和非关系型数据库特性关系型数据库(RDBMS)非关系型数据库(NoSQL)数据模型表格(行和列)文档、键值、列族、图等多样化模型模式固定(Schema)灵活的,无需预定义结构扩展性纵向扩展为主,横向扩展困难横向扩展容易,适合大规模分布式系统事务支持完全支持ACID事务多数不支持或仅支持单一操作的事务查询语言SQL各种API或NoSQL特定的查询语言数据一致性强一致性最终一致性或可调的一致性级
- 人工智能算法安全优化实践路径
智能计算研究中心
其他
内容概要在人工智能技术深度融入产业实践的进程中,算法安全优化已成为保障系统可靠性与社会信任的核心命题。本文系统性梳理从数据预处理到模型落地的全流程安全实践路径,聚焦金融风控、医疗影像诊断、自动驾驶等关键场景,揭示算法开发中潜藏的伦理风险与技术挑战。通过整合自动化机器学习与联邦学习技术,构建跨数据孤岛的协作框架,同时引入可解释性算法增强模型透明度,确保决策逻辑可追溯、可验证。在模型优化维度,重点解析
- 金融风控与医疗影像算法创新前沿
智能计算研究中心
其他
内容概要在金融风控与医疗影像交叉领域,算法创新正推动两大行业的技术范式变革。联邦学习算法通过分布式数据协作机制,在保证隐私安全的前提下,显著提升金融风险预测模型的泛化能力。医疗影像诊断领域则依托三维卷积神经网络(3D-CNN)架构,实现了对CT、MRI等多模态影像的精准病灶分割,诊断准确率较传统方法提升23.6%。值得关注的是,可解释性算法(如LIME和SHAP)的深度应用,使两类场景中的模型决策
- mondb入手
木zi_鸣
mongodb
windows 启动mongodb 编写bat文件,
mongod --dbpath D:\software\MongoDBDATA
mongod --help 查询各种配置
配置在mongob
打开批处理,即可启动,27017原生端口,shell操作监控端口 扩展28017,web端操作端口
启动配置文件配置,
数据更灵活 
- 大型高并发高负载网站的系统架构
bijian1013
高并发负载均衡
扩展Web应用程序
一.概念
简单的来说,如果一个系统可扩展,那么你可以通过扩展来提供系统的性能。这代表着系统能够容纳更高的负载、更大的数据集,并且系统是可维护的。扩展和语言、某项具体的技术都是无关的。扩展可以分为两种:
1.
- DISPLAY变量和xhost(原创)
czmmiao
display
DISPLAY
在Linux/Unix类操作系统上, DISPLAY用来设置将图形显示到何处. 直接登陆图形界面或者登陆命令行界面后使用startx启动图形, DISPLAY环境变量将自动设置为:0:0, 此时可以打开终端, 输出图形程序的名称(比如xclock)来启动程序, 图形将显示在本地窗口上, 在终端上输入printenv查看当前环境变量, 输出结果中有如下内容:DISPLAY=:0.0
- 获取B/S客户端IP
周凡杨
java编程jspWeb浏览器
最近想写个B/S架构的聊天系统,因为以前做过C/S架构的QQ聊天系统,所以对于Socket通信编程只是一个巩固。对于C/S架构的聊天系统,由于存在客户端Java应用,所以直接在代码中获取客户端的IP,应用的方法为:
String ip = InetAddress.getLocalHost().getHostAddress();
然而对于WEB
- 浅谈类和对象
朱辉辉33
编程
类是对一类事物的总称,对象是描述一个物体的特征,类是对象的抽象。简单来说,类是抽象的,不占用内存,对象是具体的,
占用存储空间。
类是由属性和方法构成的,基本格式是public class 类名{
//定义属性
private/public 数据类型 属性名;
//定义方法
publ
- android activity与viewpager+fragment的生命周期问题
肆无忌惮_
viewpager
有一个Activity里面是ViewPager,ViewPager里面放了两个Fragment。
第一次进入这个Activity。开启了服务,并在onResume方法中绑定服务后,对Service进行了一定的初始化,其中调用了Fragment中的一个属性。
super.onResume();
bindService(intent, conn, BIND_AUTO_CREATE);
- base64Encode对图片进行编码
843977358
base64图片encoder
/**
* 对图片进行base64encoder编码
*
* @author mrZhang
* @param path
* @return
*/
public static String encodeImage(String path) {
BASE64Encoder encoder = null;
byte[] b = null;
I
- Request Header简介
aigo
servlet
当一个客户端(通常是浏览器)向Web服务器发送一个请求是,它要发送一个请求的命令行,一般是GET或POST命令,当发送POST命令时,它还必须向服务器发送一个叫“Content-Length”的请求头(Request Header) 用以指明请求数据的长度,除了Content-Length之外,它还可以向服务器发送其它一些Headers,如:
- HttpClient4.3 创建SSL协议的HttpClient对象
alleni123
httpclient爬虫ssl
public class HttpClientUtils
{
public static CloseableHttpClient createSSLClientDefault(CookieStore cookies){
SSLContext sslContext=null;
try
{
sslContext=new SSLContextBuilder().l
- java取反 -右移-左移-无符号右移的探讨
百合不是茶
位运算符 位移
取反:
在二进制中第一位,1表示符数,0表示正数
byte a = -1;
原码:10000001
反码:11111110
补码:11111111
//异或: 00000000
byte b = -2;
原码:10000010
反码:11111101
补码:11111110
//异或: 00000001
- java多线程join的作用与用法
bijian1013
java多线程
对于JAVA的join,JDK 是这样说的:join public final void join (long millis )throws InterruptedException Waits at most millis milliseconds for this thread to die. A timeout of 0 means t
- Java发送http请求(get 与post方法请求)
bijian1013
javaspring
PostRequest.java
package com.bijian.study;
import java.io.BufferedReader;
import java.io.DataOutputStream;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.HttpURL
- 【Struts2二】struts.xml中package下的action配置项默认值
bit1129
struts.xml
在第一部份,定义了struts.xml文件,如下所示:
<!DOCTYPE struts PUBLIC
"-//Apache Software Foundation//DTD Struts Configuration 2.3//EN"
"http://struts.apache.org/dtds/struts
- 【Kafka十三】Kafka Simple Consumer
bit1129
simple
代码中关于Host和Port是割裂开的,这会导致单机环境下的伪分布式Kafka集群环境下,这个例子没法运行。
实际情况是需要将host和port绑定到一起,
package kafka.examples.lowlevel;
import kafka.api.FetchRequest;
import kafka.api.FetchRequestBuilder;
impo
- nodejs学习api
ronin47
nodejs api
NodeJS基础 什么是NodeJS
JS是脚本语言,脚本语言都需要一个解析器才能运行。对于写在HTML页面里的JS,浏览器充当了解析器的角色。而对于需要独立运行的JS,NodeJS就是一个解析器。
每一种解析器都是一个运行环境,不但允许JS定义各种数据结构,进行各种计算,还允许JS使用运行环境提供的内置对象和方法做一些事情。例如运行在浏览器中的JS的用途是操作DOM,浏览器就提供了docum
- java-64.寻找第N个丑数
bylijinnan
java
public class UglyNumber {
/**
* 64.查找第N个丑数
具体思路可参考 [url] http://zhedahht.blog.163.com/blog/static/2541117420094245366965/[/url]
*
题目:我们把只包含因子
2、3和5的数称作丑数(Ugly Number)。例如6、8都是丑数,但14
- 二维数组(矩阵)对角线输出
bylijinnan
二维数组
/**
二维数组 对角线输出 两个方向
例如对于数组:
{ 1, 2, 3, 4 },
{ 5, 6, 7, 8 },
{ 9, 10, 11, 12 },
{ 13, 14, 15, 16 },
slash方向输出:
1
5 2
9 6 3
13 10 7 4
14 11 8
15 12
16
backslash输出:
4
3
- [JWFD开源工作流设计]工作流跳跃模式开发关键点(今日更新)
comsci
工作流
既然是做开源软件的,我们的宗旨就是给大家分享设计和代码,那么现在我就用很简单扼要的语言来透露这个跳跃模式的设计原理
大家如果用过JWFD的ARC-自动运行控制器,或者看过代码,应该知道在ARC算法模块中有一个函数叫做SAN(),这个函数就是ARC的核心控制器,要实现跳跃模式,在SAN函数中一定要对LN链表数据结构进行操作,首先写一段代码,把
- redis常见使用
cuityang
redis常见使用
redis 通常被认为是一个数据结构服务器,主要是因为其有着丰富的数据结构 strings、map、 list、sets、 sorted sets
引入jar包 jedis-2.1.0.jar (本文下方提供下载)
package redistest;
import redis.clients.jedis.Jedis;
public class Listtest
- 配置多个redis
dalan_123
redis
配置多个redis客户端
<?xml version="1.0" encoding="UTF-8"?><beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi=&quo
- attrib命令
dcj3sjt126com
attr
attrib指令用于修改文件的属性.文件的常见属性有:只读.存档.隐藏和系统.
只读属性是指文件只可以做读的操作.不能对文件进行写的操作.就是文件的写保护.
存档属性是用来标记文件改动的.即在上一次备份后文件有所改动.一些备份软件在备份的时候会只去备份带有存档属性的文件.
- Yii使用公共函数
dcj3sjt126com
yii
在网站项目中,没必要把公用的函数写成一个工具类,有时候面向过程其实更方便。 在入口文件index.php里添加 require_once('protected/function.php'); 即可对其引用,成为公用的函数集合。 function.php如下:
<?php /** * This is the shortcut to D
- linux 系统资源的查看(free、uname、uptime、netstat)
eksliang
netstatlinux unamelinux uptimelinux free
linux 系统资源的查看
转载请出自出处:http://eksliang.iteye.com/blog/2167081
http://eksliang.iteye.com 一、free查看内存的使用情况
语法如下:
free [-b][-k][-m][-g] [-t]
参数含义
-b:直接输入free时,显示的单位是kb我们可以使用b(bytes),m
- JAVA的位操作符
greemranqq
位运算JAVA位移<<>>>
最近几种进制,加上各种位操作符,发现都比较模糊,不能完全掌握,这里就再熟悉熟悉。
1.按位操作符 :
按位操作符是用来操作基本数据类型中的单个bit,即二进制位,会对两个参数执行布尔代数运算,获得结果。
与(&)运算:
1&1 = 1, 1&0 = 0, 0&0 &
- Web前段学习网站
ihuning
Web
Web前段学习网站
菜鸟学习:http://www.w3cschool.cc/
JQuery中文网:http://www.jquerycn.cn/
内存溢出:http://outofmemory.cn/#csdn.blog
http://www.icoolxue.com/
http://www.jikexue
- 强强联合:FluxBB 作者加盟 Flarum
justjavac
r
原文:FluxBB Joins Forces With Flarum作者:Toby Zerner译文:强强联合:FluxBB 作者加盟 Flarum译者:justjavac
FluxBB 是一个快速、轻量级论坛软件,它的开发者是一名德国的 PHP 天才 Franz Liedke。FluxBB 的下一个版本(2.0)将被完全重写,并已经开发了一段时间。FluxBB 看起来非常有前途的,
- java统计在线人数(session存储信息的)
macroli
javaWeb
这篇日志是我写的第三次了 前两次都发布失败!郁闷极了!
由于在web开发中常常用到这一部分所以在此记录一下,呵呵,就到备忘录了!
我对于登录信息时使用session存储的,所以我这里是通过实现HttpSessionAttributeListener这个接口完成的。
1、实现接口类,在web.xml文件中配置监听类,从而可以使该类完成其工作。
public class Ses
- bootstrp carousel初体验 快速构建图片播放
qiaolevip
每天进步一点点学习永无止境bootstrap纵观千象
img{
border: 1px solid white;
box-shadow: 2px 2px 12px #333;
_width: expression(this.width > 600 ? "600px" : this.width + "px");
_height: expression(this.width &
- SparkSQL读取HBase数据,通过自定义外部数据源
superlxw1234
sparksparksqlsparksql读取hbasesparksql外部数据源
关键字:SparkSQL读取HBase、SparkSQL自定义外部数据源
前面文章介绍了SparSQL通过Hive操作HBase表。
SparkSQL从1.2开始支持自定义外部数据源(External DataSource),这样就可以通过API接口来实现自己的外部数据源。这里基于Spark1.4.0,简单介绍SparkSQL自定义外部数据源,访
- Spring Boot 1.3.0.M1发布
wiselyman
spring boot
Spring Boot 1.3.0.M1于6.12日发布,现在可以从Spring milestone repository下载。这个版本是基于Spring Framework 4.2.0.RC1,并在Spring Boot 1.2之上提供了大量的新特性improvements and new features。主要包含以下:
1.提供一个新的sprin