- 集团公司L1-L5级流程框架方法论:(1)L1级流程:为业务价值链,是业务流程的主干; (2)L2级流程:为运作模式层面的业务子流程,因场景不同而差异化; (3)L3级流程:为实现运营模式所需的业
公众号:优享智库
数字化转型数据治理主数据数据仓库大数据
集团公司L1-L5级流程框架方法论集团公司L1-L5级流程框架方法论L1级流程:业务价值链定义与作用构成要素与其他流程关系案例分析L2级流程:运作模式层面业务子流程场景差异化原因子流程分类与特点跨场景协同策略案例分析L3级流程:业务能力与业务活动业务能力定义及要求业务活动类型与目的与IT系统关系澄清案例分析L4级流程:业务与IT系统交互过程/工作流交互过程描述方法工作流设计原则常见问题与解决方案案
- 行为识别的方法
人工智能专属驿站
深度学习
行为识别主要有以下几大类方法,每类方法各有特点及典型算法:传统方法特点:利用手工设计特征对行为进行表征,再用统计学习的分类方法进行识别。需一定专业知识设计特征,耗费人力物力,对复杂场景、遮挡等适应性差,但对简单背景、规则动作识别效果尚可。典型算法:时空关键点(Space-TimeInterestPoints):基于视频图像中的关键点在时空维度上的变化来提取动作特征,但可能忽略视频细节,泛化能力较弱
- Python AI教程之二十一:监督学习之支持向量机(SVM)算法
潜洋
人工智能Python中级支持向量机算法机器学习python
支持向量机(SVM)算法支持向量机(SVM)是一种功能强大的机器学习算法,广泛用于线性和非线性分类以及回归和异常值检测任务。SVM具有很强的适应性,适用于各种应用,例如文本分类、图像分类、垃圾邮件检测、笔迹识别、基因表达分析、人脸检测和异常检测。SVM特别有效,因为它们专注于寻找目标特征中不同类别之间的最大分离超平面,从而使其对二分类和多分类都具有鲁棒性。在本大纲中,我们将探讨支持向量机(SVM)
- 构建决策树对于流失用户进行分类
努力学习中的阿达
最近被分配到商业分析组配合商业分析师对流失掉的客户进行研究。我最先接到的任务是根据客服部门记录的客户的流失原因,对于这些客户的流失原因做分类。商业分析师给我提供了23个类别,要求我把客户都分到这些类中。最开始我企图通过建立关键词规则,比如包含某些单词或者不包含某些单词,但是实际上发现分类的结果很差,规则首先不完备,并且彼此还可能冲突,分类的结果当然就很差。于是我就想到可以利用文本挖掘的方法,对于客
- QT正则表达式的使用
康闯
正则表达式qt开发语言
一、背景使用QT开发项目时,经常需要去对字符串进行操作,一般来说我们都会想到的是使用自己写的逻辑+QString的一些函数进行实现。其实qt给我们提供了一个更好的方式去实现,那就是QRegExp对象,使用正则表达式来操作字符串。只要我们会用,能用好,就能在软件开发中起到事半功倍的效果,而不是苦逼自己去实现一段段自己都觉得不靠谱的代码。对于正则表达式的使用做一下分类,主要分为以下类型(官网内容):用
- 超简单|Python实现机器学习算法——KNN
birdcome
python机器学习KNN算法
超简单|Python实现机器学习算法——KNNKNN算法简介算法实现步骤如何用python实现KNN算法Scikit-learn算法库实现KNN分类器Sklearn建模流程KNN算法简介KNN算法(k近邻算法)是一种有监督分类算法,它的原理非常简单,下面以一个简单的例子引入。已知两种酒的标签:赤霞珠和黑皮诺,在这个情景中,我们对酒进行分类的依据是酒精浓度和颜色深度,如下图所示:红色代表赤霞珠,紫色
- Transformer 架构对比:Dense、MoE 与 Hybrid-MoE 的优劣分析
XianxinMao
transformer架构深度学习
1.LLM基础架构类型DenseTransformerMoE(MixtureofExperts)TransformerHybrid-MoETransformer2.Transformer按照编码方式分类单向自回归模型(如早期GPT系列)双向模型(如BERT)编码器-解码器模型(如BART,T5)DenseTransformerDenseTransformer的优势是什么DenseTransform
- 联想电脑尺寸在哪里看_联想笔记本电脑型号查看方式、含义介绍【图文教程】...
花旗甲比丹
联想电脑尺寸在哪里看
联想笔记本电脑型号看上去似乎没有规律,其实这是联想对不同功能设置、价格参数等等几个板块信息的分类。因此,了解联想笔记本电脑型号的含义就能够筛选出最适合自己的一款产品。那么接下来小编就要为大家详细介绍关于联想笔记本电脑型号的三个板块的文字图片信息。它们分别是联想笔记本电脑型号的查看方式、含义分析以及介绍这三个板块文字图片内容的信息。一、联想笔记本电脑型号在哪里看查看联想笔记本电脑型号,有如下2种方法
- 基于物联网的智能垃圾桶系统设计与实现-设计说明书
黄油味椭圆
基础版资料物联网
设计摘要:本设计是基于物联网的智能垃圾桶,旨在有效解决垃圾分类与垃圾清理的问题。该智能垃圾桶采用了多种传感器模块,如压力传感器模块、GPS定位模块、人体红外模块以及超声波测距模块等,以实现对垃圾桶内垃圾重量、位置、高度以及人体通过情况的实时监测和数据采集。同时,该智能垃圾桶还配备了电机模块,可以模拟垃圾桶的开盖和关闭,当垃圾桶装满时不会自动打开,而是当有人靠近时才会自动开启,并通过语音播报告知人们
- 【YOLOv8改进- Backbone主干】YOLOv8更换主干网络之ConvNexts,纯卷积神经网络,更快更准,,降低参数量!
YOLO大师
YOLO网络cnn目标检测论文阅读yolov8
YOLOv8目标检测创新改进与实战案例专栏专栏目录:YOLOv8有效改进系列及项目实战目录包含卷积,主干注意力,检测头等创新机制以及各种目标检测分割项目实战案例专栏链接:YOLOv8基础解析+创新改进+实战案例介绍摘要视觉识别的“咆哮20年代”开始于视觉Transformer(ViTs)的引入,ViTs迅速取代了卷积神经网络(ConvNets)成为最先进的图像分类模型。然而,普通的ViT在应用于诸
- 数智化转型 | 星环科技Defensor 助力某银行数据分类分级
数据库
在数据驱动的金融时代,数据安全和隐私保护的重要性日益凸显。某银行作为数字化转型的先行者,面临着一项艰巨的任务:如何高效、准确地对分布在多个业务系统、业务库与数仓数湖中的约80万个字段进行数据分类和分级。该银行借助星环科技数据安全管理平台Defensor的智能化数据分类分解解决方案,实现数据安全管理的革命性进步。业务背景与挑战该银行拥有十几个业务系统,产生的数据量庞大,且分布在不同的业务库和数仓数湖
- C++设计模式学习
痛&快乐着
C++学习设计模式c++设计模式
文章目录1.什么是设计模式2.设计模式分类2.1创建型模式2.2结构型模式2.3行为型模式3.设计模式七大原则(OOP原则)3.1开闭原则3.2里氏替换原则3.3依赖倒置原则3.4单一职责原则3.5接口隔离原则3.6迪米特法则3.7合成复用原则4.常用设计模式例子4.1工厂模式4.2单例模式4.3策略模式4.4适配器模式4.5模板方法模式4.6外观模式4.7桥接模式4.8代理模式5.总结参考文献1
- Python pandas离散化方法优化与应用实例
python慕遥
Python数据分析Pandas数据科学pythonpandas机器学习
大家好,在数据分析中,离散化是将连续数据划分为不同区间的一种重要方法。这种方法可以更好地理解数据分布、简化分析、或在分类建模中对特征进行转换。在Python的Pandas库中,cut和qcut是两个强大的工具,分别用于基于固定区间和基于分位数对数据进行离散化。它们的灵活性和易用性使其在数据处理过程中十分常用。离散化可以将复杂的连续数据转化为更直观的区间,帮助快速发现数据分布规律,并且在机器学习中,
- dice系数 交叉熵_一文搞懂交叉熵损失
weixin_39721853
dice系数交叉熵
本文从信息论和最大似然估计得角度推导交叉熵作为分类损失函数的依据。从熵来看交叉熵损失信息量信息量来衡量一个事件的不确定性,一个事件发生的概率越大,不确定性越小,则其携带的信息量就越小。设\(X\)是一个离散型随机变量,其取值为集合\(X={x_0,x_1,\dots,x_n}\),则其概率分布函数为\(p(x)=Pr(X=x),x\inX\),则定义事件\(X=x_0\)的信息量为:\[I(x_0
- 【机器学习实战入门项目】基于机器学习的鸢尾花分类项目
精通代码大仙
数据挖掘python深度学习机器学习分类人工智能大数据数据挖掘算法python
基于机器学习的鸢尾花分类项目介绍:本项目利用机器学习模型对鸢尾花进行分类。鸢尾花数据集是一个著名的机器学习数据集,包含三种类别的花朵:Setosa、Versicolor和Virginica,每种类别由四个特征描述:萼片长度、萼片宽度、花瓣长度和花瓣宽度。什么是机器学习?机器学习是关于从数据中学习预测或提取知识的过程。它是人工智能的一个子领域。机器学习算法基于样本数据(即训练数据)构建模型,并根据训
- 交叉熵损失与二元交叉熵损失:区别、联系及实现细节
专业发呆业余科研
深度模型底层原理人工智能深度学习python
在机器学习和深度学习中,交叉熵损失(Cross-EntropyLoss)和二元交叉熵损失(BinaryCross-EntropyLoss)是两种常用的损失函数,它们在分类任务中发挥着重要作用。本文将详细介绍这两种损失函数的区别和联系,并通过具体的代码示例来说明它们的实现细节。交叉熵损失(Cross-EntropyLoss)常用于多类分类问题,即每个样本只能属于一个类别,但总类别数量较多。例如,在手
- 【机器学习:三十一、推荐系统:从基础到应用】
KeyPan
机器学习机器学习人工智能决策树算法深度学习
1.推荐系统概述推荐系统是一种根据用户的兴趣和偏好,为用户提供个性化建议的技术,广泛应用于电子商务、流媒体平台和社交媒体等领域。通过分析用户行为数据,推荐系统可以帮助用户发现他们感兴趣的内容,同时提升平台的用户体验和商业收益。定义与作用推荐系统是一种数据过滤技术,旨在从海量数据中筛选出用户可能感兴趣的信息。它不仅能提升用户的满意度,还能增加平台的转化率和黏性。分类推荐系统主要分为以下三类:基于内容
- 使用 AI 在医疗影像分析中的应用探索
摘要医疗影像分析是AI在医疗领域的重要应用方向,能够提高诊断效率,减少误诊率。本文将深入探讨AI技术在医疗影像数据分析中的应用,包括核心算法、关键实现步骤和实际案例,并提供一个基于卷积神经网络(CNN)的图像分类Demo。引言随着医疗影像数据的爆炸式增长,传统的人工分析已无法满足高效、精准诊断的需求。AI技术通过深度学习算法,在医疗影像的识别、分类和标注中发挥了重要作用。本文章将结合技术实现与案例
- 【机器学习】主动学习-增加标签的操作方法-样本池采样(Pool-Based Sampling)
IT古董
机器学习机器学习学习人工智能
Pool-BasedSamplingPool-basedsampling是一种主动学习(ActiveLearning)方法,与流式选择性采样不同,它假设有一个预先定义的未标注样本池,算法从中选择最有价值的样本进行标注,以提升模型的性能。这种方法广泛应用于需要人工标注的场景,例如文本分类、图像识别等。核心思想预先准备一个未标注数据池(UnlabeledDataPool)。使用初始标注数据训练一个模型
- Pytorch实现猫狗分类
NoKnowovo
Pythonpytorch分类人工智能
在进行编码之前,确保已经安装好Pytorch以及相关依赖环境模型定义构建构建一个较为简单的卷积神经网络模型#定义神经网络模型classCatDogClassifier(nn.Module):def__init__(self):super(CatDogClassifier,self).__init__()self.conv1=nn.Conv2d(3,16,kernel_size=5,stride=1
- 学习HTML5总结(一)
大学生努力学习
学习web前端html5
目录Web的构成一、HTML——结构1、html基本的骨架和解释2、标签1、标签2、属性3、标签的分类4、实体字符5、列表6、超链接7、文件的路径3、选择器1、基础选择器2、复合选择器3、关系选择器4、属性选择器5、伪类选择器6、伪元素选择器3、html中的单位1、长度单位2、比例单位3、颜色单位4、CSS三大特征二、CSS——表现三、JavaScript——行为总结Web的构成一、HTML——结
- 神经网络基础-价格分类案例
dwjf321
深度学习神经网络人工智能神经网络分类人工智能
文章目录1.需求分析2.导入所需工具包3.构建数据集4.构建分类网络模型5.训练模型6.模型训练7.评估模型8.模型优化学习目标:掌握构建分类模型流程动手实践整个过程1.需求分析小明创办了一家手机公司,他不知道如何估算手机产品的价格。为了解决这个问题,他收集了多家公司的手机销售数据。该数据为二手手机的各个性能的数据,最后根据这些性能得到4个价格区间,作为这些二手手机售出的价格区间。主要包括:bat
- 【YashanDB知识库】druid连接池做断网测试,无法自动重新连接
数据库
本文内容来自YashanDB官网,原文内容请见https://www.yashandb.com/newsinfo/7919216.html?templateId=171...【标题】druid连接池断网测试,崖山数据库无法自动重新连接【问题分类】驱动使用【关键字】druid,sockettimeout【问题描述】使用崖山数据库23.2.7.100进行适配过程中反馈崖山数据库不能自动重连【问题原因分
- 【YashanDB知识库】原生mysql驱动配置连接崖山数据库
数据库
本文内容来自YashanDB官网,原文内容请见https://www.yashandb.com/newsinfo/7919231.html?templateId=171...【问题分类】功能兼容【关键字】YAS-07202、YAS\_MYERROR,不兼容【问题描述】本项目的架构是hadoop+hive+yashandb使用崖山数据库,将mysql相关的创建表语句进行初始化同步使用崖山23.3版本
- AI代理的分类体系与发展路径:从概念重构到基础设施升级
XianxinMao
人工智能
目前AI代理的定义过于宽泛,需要更详细的分类以促进研究和应用的发展当前定义的宽泛性AI代理(AIAgents)作为人工智能领域的重要概念,涵盖了从简单的自动化工具到复杂的自主决策系统的广泛范围。然而,这种宽泛的定义带来了诸多问题:概念模糊:不同研究者和开发者对AI代理的理解存在差异,缺乏统一标准,导致交流和合作困难。研究方向不明确:宽泛的定义使得研究人员难以聚焦具体问题,影响研究的深度和效率。应用
- GB和GB/T的区别是什么?详解国家标准的不同分类
怎么睡不醒(づ ●─● )づ
经验分享微信公众平台
GB和GB/T的主要区别体现在标准的性质、意义、定义以及法律效力上。一、标准的性质•GB:GB是国家标准的代号,它表示的是必须执行的强制性标准。这类标准通常对全国经济、技术发展有重大意义,且在全国范围内统一执行。•GB/T:GB/T表示的是推荐性国家标准,其中“T”代表推荐的意思。这类标准在生产、交换、使用等方面,通过经济手段或市场调节而自愿采用。二、意义与定义•GB:强制性标准是保障人体健康、人
- 事务隔离机制(超详细)
上官花雨
oracle数据库
学习目标那什么是事务?事务的四大特性一、原子性二、一致性三、隔离性四、持久性事务的生命周期一、开始事务二、执行事务操作三、提交事务四、回滚事务五、事务结束事务的并发控制一、并发控制的基本概念二、并发控制的目标三、并发控制的方法四、并发控制中的其他问题五、并发控制的实现与优化事务隔离机制又是什么?一、定义与目的二、隔离级别的分类三、实现原理四、应用场景与权衡事务隔离机制有几个嘞?一、事务隔离级别的分
- 【YashanDB知识库】YCM Monit进程频繁误告警
数据库
本文内容来自YashanDB官网,原文内容请见https://www.yashandb.com/newsinfo/7919222.html?templateId=171...【问题分类】功能使用【关键字】YCM、Monit【问题描述】频繁收到告警邮件:Monit进程停止服务【问题原因分析】服务器资源占用较高情况下Monit进程检测的动作失败了。【解决/规避方法】调整Monit进程检测间隔时间,由默
- 【YashanDB知识库】YAS-04115 "SELECT" expected but missing
数据库
本文内容来自YashanDB官网,原文内容请见https://www.yashandb.com/newsinfo/7919220.html?templateId=171...【问题分类】SQL语法不规范【关键字】YAS-04115"SELECT"expectedbutmissing【问题描述】执行报错,不清楚原因【问题原因分析】1、检查语法错误:确保INSERTINTO语法正确,列名应该不需要使用
- 智能视界·大模型驱动视频矩阵管理系统
大霸王龙
python音视频矩阵服务器python大数据大模型
开头先配两张ER图一张不带字段,一张带字段,剩下的内容按需拿取1.产品介绍产品名称:智能视界·大模型驱动视频矩阵管理系统主要功能:智能视频分析与识别功能介绍:该系统集成先进的人工智能大模型,能够实时对视频流进行深度分析,自动识别场景中的人物、车辆、异常行为(如入侵、徘徊、遗留物等)及特定事件(如火灾、烟雾等)。通过精准识别与分类,有效减少误报率,提升安全监控效率。使用方式:用户可通过直观的操作界面
- jvm调优总结(从基本概念 到 深度优化)
oloz
javajvmjdk虚拟机应用服务器
JVM参数详解:http://www.cnblogs.com/redcreen/archive/2011/05/04/2037057.html
Java虚拟机中,数据类型可以分为两类:基本类型和引用类型。基本类型的变量保存原始值,即:他代表的值就是数值本身;而引用类型的变量保存引用值。“引用值”代表了某个对象的引用,而不是对象本身,对象本身存放在这个引用值所表示的地址的位置。
- 【Scala十六】Scala核心十:柯里化函数
bit1129
scala
本篇文章重点说明什么是函数柯里化,这个语法现象的背后动机是什么,有什么样的应用场景,以及与部分应用函数(Partial Applied Function)之间的联系 1. 什么是柯里化函数
A way to write functions with multiple parameter lists. For instance
def f(x: Int)(y: Int) is a
- HashMap
dalan_123
java
HashMap在java中对很多人来说都是熟的;基于hash表的map接口的非同步实现。允许使用null和null键;同时不能保证元素的顺序;也就是从来都不保证其中的元素的顺序恒久不变。
1、数据结构
在java中,最基本的数据结构无外乎:数组 和 引用(指针),所有的数据结构都可以用这两个来构造,HashMap也不例外,归根到底HashMap就是一个链表散列的数据
- Java Swing如何实时刷新JTextArea,以显示刚才加append的内容
周凡杨
java更新swingJTextArea
在代码中执行完textArea.append("message")后,如果你想让这个更新立刻显示在界面上而不是等swing的主线程返回后刷新,我们一般会在该语句后调用textArea.invalidate()和textArea.repaint()。
问题是这个方法并不能有任何效果,textArea的内容没有任何变化,这或许是swing的一个bug,有一个笨拙的办法可以实现
- servlet或struts的Action处理ajax请求
g21121
servlet
其实处理ajax的请求非常简单,直接看代码就行了:
//如果用的是struts
//HttpServletResponse response = ServletActionContext.getResponse();
// 设置输出为文字流
response.setContentType("text/plain");
// 设置字符集
res
- FineReport的公式编辑框的语法简介
老A不折腾
finereport公式总结
FINEREPORT用到公式的地方非常多,单元格(以=开头的便被解析为公式),条件显示,数据字典,报表填报属性值定义,图表标题,轴定义,页眉页脚,甚至单元格的其他属性中的鼠标悬浮提示内容都可以写公式。
简单的说下自己感觉的公式要注意的几个地方:
1.if语句语法刚接触感觉比较奇怪,if(条件式子,值1,值2),if可以嵌套,if(条件式子1,值1,if(条件式子2,值2,值3)
- linux mysql 数据库乱码的解决办法
墙头上一根草
linuxmysql数据库乱码
linux 上mysql数据库区分大小写的配置
lower_case_table_names=1 1-不区分大小写 0-区分大小写
修改/etc/my.cnf 具体的修改内容如下:
[client]
default-character-set=utf8
[mysqld]
datadir=/var/lib/mysql
socket=/va
- 我的spring学习笔记6-ApplicationContext实例化的参数兼容思想
aijuans
Spring 3
ApplicationContext能读取多个Bean定义文件,方法是:
ApplicationContext appContext = new ClassPathXmlApplicationContext(
new String[]{“bean-config1.xml”,“bean-config2.xml”,“bean-config3.xml”,“bean-config4.xml
- mysql 基准测试之sysbench
annan211
基准测试mysql基准测试MySQL测试sysbench
1 执行如下命令,安装sysbench-0.5:
tar xzvf sysbench-0.5.tar.gz
cd sysbench-0.5
chmod +x autogen.sh
./autogen.sh
./configure --with-mysql --with-mysql-includes=/usr/local/mysql
- sql的复杂查询使用案列与技巧
百合不是茶
oraclesql函数数据分页合并查询
本片博客使用的数据库表是oracle中的scott用户表;
------------------- 自然连接查询
查询 smith 的上司(两种方法)
&
- 深入学习Thread类
bijian1013
javathread多线程java多线程
一. 线程的名字
下面来看一下Thread类的name属性,它的类型是String。它其实就是线程的名字。在Thread类中,有String getName()和void setName(String)两个方法用来设置和获取这个属性的值。
同时,Thr
- JSON串转换成Map以及如何转换到对应的数据类型
bijian1013
javafastjsonnet.sf.json
在实际开发中,难免会碰到JSON串转换成Map的情况,下面来看看这方面的实例。另外,由于fastjson只支持JDK1.5及以上版本,因此在JDK1.4的项目中可以采用net.sf.json来处理。
一.fastjson实例
JsonUtil.java
package com.study;
impor
- 【RPC框架HttpInvoker一】HttpInvoker:Spring自带RPC框架
bit1129
spring
HttpInvoker是Spring原生的RPC调用框架,HttpInvoker同Burlap和Hessian一样,提供了一致的服务Exporter以及客户端的服务代理工厂Bean,这篇文章主要是复制粘贴了Hessian与Spring集成一文,【RPC框架Hessian四】Hessian与Spring集成
在
【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中
- 【Mahout二】基于Mahout CBayes算法的20newsgroup的脚本分析
bit1129
Mahout
#!/bin/bash
#
# Licensed to the Apache Software Foundation (ASF) under one or more
# contributor license agreements. See the NOTICE file distributed with
# this work for additional information re
- nginx三种获取用户真实ip的方法
ronin47
随着nginx的迅速崛起,越来越多公司将apache更换成nginx. 同时也越来越多人使用nginx作为负载均衡, 并且代理前面可能还加上了CDN加速,但是随之也遇到一个问题:nginx如何获取用户的真实IP地址,如果后端是apache,请跳转到<apache获取用户真实IP地址>,如果是后端真实服务器是nginx,那么继续往下看。
实例环境: 用户IP 120.22.11.11
- java-判断二叉树是不是平衡
bylijinnan
java
参考了
http://zhedahht.blog.163.com/blog/static/25411174201142733927831/
但是用java来实现有一个问题。
由于Java无法像C那样“传递参数的地址,函数返回时能得到参数的值”,唯有新建一个辅助类:AuxClass
import ljn.help.*;
public class BalancedBTree {
- BeanUtils.copyProperties VS PropertyUtils.copyProperties
诸葛不亮
PropertyUtilsBeanUtils
BeanUtils.copyProperties VS PropertyUtils.copyProperties
作为两个bean属性copy的工具类,他们被广泛使用,同时也很容易误用,给人造成困然;比如:昨天发现同事在使用BeanUtils.copyProperties copy有integer类型属性的bean时,没有考虑到会将null转换为0,而后面的业
- [金融与信息安全]最简单的数据结构最安全
comsci
数据结构
现在最流行的数据库的数据存储文件都具有复杂的文件头格式,用操作系统的记事本软件是无法正常浏览的,这样的情况会有什么问题呢?
从信息安全的角度来看,如果我们数据库系统仅仅把这种格式的数据文件做异地备份,如果相同版本的所有数据库管理系统都同时被攻击,那么
- vi区段删除
Cwind
linuxvi区段删除
区段删除是编辑和分析一些冗长的配置文件或日志文件时比较常用的操作。简记下vi区段删除要点备忘。
vi概述
引文中并未将末行模式单独列为一种模式。单不单列并不重要,能区分命令模式与末行模式即可。
vi区段删除步骤:
1. 在末行模式下使用:set nu显示行号
非必须,随光标移动vi右下角也会显示行号,能够正确找到并记录删除开始行
- 清除tomcat缓存的方法总结
dashuaifu
tomcat缓存
用tomcat容器,大家可能会发现这样的问题,修改jsp文件后,但用IE打开 依然是以前的Jsp的页面。
出现这种现象的原因主要是tomcat缓存的原因。
解决办法如下:
在jsp文件头加上
<meta http-equiv="Expires" content="0"> <meta http-equiv="kiben&qu
- 不要盲目的在项目中使用LESS CSS
dcj3sjt126com
Webless
如果你还不知道LESS CSS是什么东西,可以看一下这篇文章,是我一朋友写给新人看的《CSS——LESS》
不可否认,LESS CSS是个强大的工具,它弥补了css没有变量、无法运算等一些“先天缺陷”,但它似乎给我一种错觉,就是为了功能而实现功能。
比如它的引用功能
?
.rounded_corners{
- [入门]更上一层楼
dcj3sjt126com
PHPyii2
更上一层楼
通篇阅读完整个“入门”部分,你就完成了一个完整 Yii 应用的创建。在此过程中你学到了如何实现一些常用功能,例如通过 HTML 表单从用户那获取数据,从数据库中获取数据并以分页形式显示。你还学到了如何通过 Gii 去自动生成代码。使用 Gii 生成代码把 Web 开发中多数繁杂的过程转化为仅仅填写几个表单就行。
本章将介绍一些有助于更好使用 Yii 的资源:
- Apache HttpClient使用详解
eksliang
httpclienthttp协议
Http协议的重要性相信不用我多说了,HttpClient相比传统JDK自带的URLConnection,增加了易用性和灵活性(具体区别,日后我们再讨论),它不仅是客户端发送Http请求变得容易,而且也方便了开发人员测试接口(基于Http协议的),即提高了开发的效率,也方便提高代码的健壮性。因此熟练掌握HttpClient是很重要的必修内容,掌握HttpClient后,相信对于Http协议的了解会
- zxing二维码扫描功能
gundumw100
androidzxing
经常要用到二维码扫描功能
现给出示例代码
import com.google.zxing.WriterException;
import com.zxing.activity.CaptureActivity;
import com.zxing.encoding.EncodingHandler;
import android.app.Activity;
import an
- 纯HTML+CSS带说明的黄色导航菜单
ini
htmlWebhtml5csshovertree
HoverTree带说明的CSS菜单:纯HTML+CSS结构链接带说明的黄色导航
在线体验效果:http://hovertree.com/texiao/css/1.htm代码如下,保存到HTML文件可以看到效果:
<!DOCTYPE html >
<html >
<head>
<title>HoverTree
- fastjson初始化对性能的影响
kane_xie
fastjson序列化
之前在项目中序列化是用thrift,性能一般,而且需要用编译器生成新的类,在序列化和反序列化的时候感觉很繁琐,因此想转到json阵营。对比了jackson,gson等框架之后,决定用fastjson,为什么呢,因为看名字感觉很快。。。
网上的说法:
fastjson 是一个性能很好的 Java 语言实现的 JSON 解析器和生成器,来自阿里巴巴的工程师开发。
- 基于Mybatis封装的增删改查实现通用自动化sql
mengqingyu
DAO
1.基于map或javaBean的增删改查可实现不写dao接口和实现类以及xml,有效的提高开发速度。
2.支持自定义注解包括主键生成、列重复验证、列名、表名等
3.支持批量插入、批量更新、批量删除
<bean id="dynamicSqlSessionTemplate" class="com.mqy.mybatis.support.Dynamic
- js控制input输入框的方法封装(数字,中文,字母,浮点数等)
qifeifei
javascript js
在项目开发的时候,经常有一些输入框,控制输入的格式,而不是等输入好了再去检查格式,格式错了就报错,体验不好。 /** 数字,中文,字母,浮点数(+/-/.) 类型输入限制,只要在input标签上加上 jInput="number,chinese,alphabet,floating" 备注:floating属性只能单独用*/
funct
- java 计时器应用
tangqi609567707
javatimer
mport java.util.TimerTask; import java.util.Calendar; public class MyTask extends TimerTask { private static final int
- erlang输出调用栈信息
wudixiaotie
erlang
在erlang otp的开发中,如果调用第三方的应用,会有有些错误会不打印栈信息,因为有可能第三方应用会catch然后输出自己的错误信息,所以对排查bug有很大的阻碍,这样就要求我们自己打印调用的栈信息。用这个函数:erlang:process_display (self (), backtrace).需要注意这个函数只会输出到标准错误输出。
也可以用这个函数:erlang:get_s