- opencv | 计算轮廓的质心
DdddJMs__135
分享opencv人工智能计算机视觉
#include#include#include#includeusingnamespacecv;usingnamespacestd;Matsrc;Matsrc_gray;intthresh=30;intmax_thresh=255;intmain(){src=imread("2.jpg",CV_LOAD_IMAGE_COLOR);cvtColor(src,src_gray,CV_BGR2GRAY
- 读《生活课》
雨虹之秋荷
6月读书本是另一本,但月中收到了筱懿老师的新书参名版,后决定先读此书了。筱懿老师在此书分了生活课7部分,有一部分用实例讲述生活中我们应注意和学习、修炼什么。1.时光是一场雕刻2.既nice,也耐撕3.爱情没有对错,只有取舍4.打不过的敌人,就是朋友5.不完美,却依旧美6.爱,从来不是伤害7.学会把“事故”变成“故事”故事读完此书后,确实是受到很多启发和帮助,比如如何成为“优质心机女”:女人最扎实的
- 面板调合玩法回归,《苏菲的炼金工房2》公开了更多游戏细节
爱游戏的萌博士
我们知道:《苏菲的炼金工房》(全称:苏菲的炼金工房~不可思议书的炼金术士~》是由GustCo.Ltd.制作,KoeiTecmo发行的一款角色扮演游戏,本作回归了“炼金术”的根本,那就是指仔细听取物质的真实心声,实现物质心愿,替它们创造塑型的技术。时隔六年,光荣特库摩在稍早举办的TGS特别节目上宣布推出大家期盼的续作《苏菲的炼金工房2》。《苏菲的炼金工房2》是“炼金工房”系列25周年的纪念作品,那么
- open3d k-means 聚类
云杂项
open3d持续更新kmeans聚类算法计算机视觉python机器学习
k-means聚类一、算法原理1、介绍2、算法步骤二、代码1、机器学习生成`kmeans`聚类2、点云学习生成聚类三、结果1、原点云2、机器学习生成`kmeans`聚类3、点云学习生成聚类四、相关链接一、算法原理1、介绍K-means聚类算法是一种无监督学习算法,主要用于数据聚类。该算法的主要目标是找到一个数据点的划分,使得每个数据点与其所在簇的质心(即该簇所有数据点的均值)之间的平方距离之和最小
- open3d DBSCAN 聚类
云杂项
open3d持续更新聚类计算机视觉3d算法python
DBSCAN聚类一、算法原理1.密度聚类2、主要函数二、代码三、结果四、相关数据一、算法原理1.密度聚类介绍基于密度的噪声应用空间聚类(DBSCAN):是一种无监督的ML聚类算法。无监督的意思是它不使用预先标记的目标来聚类数据点。聚类是指试图将相似的数据点分组到人工确定的组或簇中。另一方面,DBSCAN不要求我们指定集群的数量,避免了异常值,并且在任意形状和大小的集群中工作得非常好。它没有质心,聚
- 魅力
小猫at
长相才气(艺术与舒适)微笑(乐观的感染)气质心:真诚体谅赞美原则神秘(不放弃梦想,希望)
- Kmeans、混合高斯模型、EM 算法
dreampai
混合高斯模型(MixturesofGaussians)和EM算法image.pngKmeans与EM算法E步是确定隐含类别变量CM步更新其他参数u(质心)来时J(平方误差)最小化隐含类别变量指定方法比较特殊,属于硬指定,从k个类别中硬选出一个给样例,而不是对每个类别赋予不同的概率。总体思想还是一个迭代优化过程,有目标函数,也有参数变量,只是多了个隐含变量,确定其他参数估计隐含变量,再确定隐含变量估
- 159基于matlab的基于密度的噪声应用空间聚类(DBSCAN)算法对点进行聚类
顶呱呱程序
matlab工程应用算法matlab聚类无监督学习基于密度的噪声应用空间聚类
基于matlab的基于密度的噪声应用空间聚类(DBSCAN)算法对点进行聚类,聚类结果效果好,DBSCAN不要求我们指定集群的数量,避免了异常值,并且在任意形状和大小的集群中工作得非常好。它没有质心,聚类簇是通过将相邻的点连接在一起的过程形成的。优于kmeans。程序已调通,可直接运行。159基于密度的噪声应用空间聚类无监督学习(xiaohongshu.com)
- 车轨耦合动力学外部激励——钢轨波磨
cofisher
车轨耦合动力学Matlab动力学算法
文章目录问题说明钢轨波磨模型Matlab代码说明参考资料问题说明在世界各国铁路上普遍存在的钢轨波浪形磨耗,呈现在钢轨顶面的是一定间距的起伏不平的波浪状态,是典型的连续谐波激扰。另外,当车轮质心与几何中心偏离时,也将给轮轨系统造成周期性简谐波激扰。所有这些,采用正(余)弦函数来描述是简单且合理的。钢轨波磨模型对于单一谐波激扰,可以简单地用余弦函数来描述其轨面外形,即Z0(t)=12a[1−cos(2
- 图像搜索和分类
顽皮的石头7788121
基于内容的搜索检索在视觉上具有相似性的图像,在图像数据库中返回具相似颜色、纹理和物体以及场景的图像。视觉单词通常通过特征描述子(SIFT)等结合聚类算法得到聚类质心。用视觉单词直方图来表示一个图像。图像索引根据图像特征分别建立索引,以索引的方式搜索图像。图像分类图像分类算法类似,提取关键特征,以机器学习方法进行分类
- sklearn-第五节(K-means算法)
~一段浮华
sklearn算法kmeans
1.k-means聚类算法思想kmeans算法又名k均值算法,K-means算法中的k表示的是聚类为k个簇,means代表取每一个聚类中数据值的均值作为该簇的中心,或者称为质心,即用每一个的类的质心对该簇进行描述。其算法思想大致为:先从样本集中随机选取k个样本作为簇中心,并计算所有样本与这k个“簇中心”的距离,对于每一个样本,将其划分到与其距离最近的“簇中心”所在的簇中,对于新的簇计算各个簇的新的
- Matlab拟合曲面,计算质心浮心
northern_light_
matlab
统一单位:米和千克假象船:长0.3米,宽0.2米,深0.1米1.定义船(长、宽、高、船型系数)船体主要要素:主尺度、船型系数、尺度比-主尺度-船型系数1.水线面系数2.中横剖面系数3.方形系数4.棱形系数5.垂向棱形系数-代码实现boat.L=0.30;%lengthinmeters长boat.W=0.20;%widthinmeters宽boat.HB=boat.W/2;%halfbreadthi
- MATLAB计算多边形质心/矩心
WW、forever
MATLAB基础处理MATLAB
前言:不规则四边形的中心不规则四边形的出心有多种定义,以下是最常见的三种:1.重心:重心是四边形内部所有顶点连线交点的平均位置。可以通过求解四个顶点坐标的平均值来找到重心。2.质心:质心是四边形内部所有质点的平均位置,质点可以看作是无限小的质量集中点。求解四个质点的质量,然后将质量乘以对应的坐标求和,再除以总质量,即可找到质心。3.矩心:对于二维平面上的四边形,矩心是四边形内部所有顶点坐标的中点。
- 讲解机器学习中的 K-均值聚类算法及其优缺点
做一个AC梦
机器学习算法均值算法
K-均值聚类算法是一种常见的无监督学习算法,用于将数据集分成不同的簇。该算法的目标是将数据点分配到k个簇中,使得每个数据点与所属簇的质心(中心)的距离最小化。算法流程如下:随机选择k个质心(一般为数据集中的k个随机数据点)作为初始质心。将每个数据点分配给离其最近的质心所属的簇。根据当前簇中的数据点计算新的质心位置。重复步骤2和3,直到质心位置不再改变或达到预定的迭代次数。K-均值聚类算法的优点包括
- [AIGC] 讲解机器学习中的 K-均值聚类算法及其优缺点。
程序员三木
AI机器学习算法AIGC
K-均值聚类(K-meansclustering)是一种常用的无监督学习算法,用于将数据集划分成K个不重叠的簇(cluster)。该算法通过迭代的方式将样本点划分到K个簇中,使得同一簇内的样本点相似度较高,而不同簇之间的样本点相似度较低。算法步骤:随机选择K个样本点作为初始的质心(簇的中心)。对于每个样本点,计算其到K个质心之间的距离,并将其划分到距离最近的簇中。对于每个簇,计算其中样本点的均值,
- 改进的 K-Means 聚类方法介绍
小Z的科研日常
python神经网络人工智能聚类
引言数据科学的一个中心假设是,紧密度表明相关性。彼此“接近”的数据点是相似的。如果将年龄、头发数量和体重绘制在空间中,很可能许多人会聚集在一起。这就是k均值聚类背后的直觉。我们随机生成K个质心,每个簇一个,并将每个数据点分配给与该数据点最近的质心对应的簇。然后,我们生成新的质心,每个质心都是属于该簇的所有点的平均值。然后重复这个过程直到收敛。我们可以使用欧几里德距离作为距离度量并计算每个数据点与质
- GNSS坐标系之间的转换关系(ECEF、LLA、ENU)
Robinson-sir
Other算法
一坐标系简介1ECEF坐标系也叫地心地固直角坐标系。其原点为地球的质心,x轴延伸通过本初子午线(0度经度)和赤道(0deglatitude)的交点。z轴延伸通过的北极(即,与地球旋转轴重合)。y轴完成右手坐标系,穿过赤道和90度经度。2WGS-84坐标系(LLA)也就是也叫经纬高坐标系(经度(longitude),纬度(latitude)和高度(altitude)LLA坐标系)。,全球地理坐标系、
- 信息检索与数据挖掘 | (十二)聚类
啦啦右一
#信息检索与数据挖掘大数据与数据分析数据挖掘聚类机器学习
文章目录聚类KMeans层次聚类层次聚类概述dendrogram-树状图linkages-衡量两个类之间的距离Lance-Williams算法K-meansVS层次聚类DBSCAN聚类定义:聚类是一种无监督学习,样本没有标签,将一群样本划分到一个类中,使得:最大化类间距,最小化类内距离测量指标:四种聚类:基于质心的聚类,使用中心表示该簇(K-means,K-medoids)基于链接的聚类:层次聚类
- 机器学习中的 K-均值聚类算法及其优缺点
数据科学与艺术的贺公子
机器学习算法均值算法
机器学习中的K-均值聚类算法及其优缺点K-均值聚类(K-meansclustering)是一种常用的无监督学习算法,用于将数据集划分为K个不相交的簇。该算法通过迭代的方式将每个样本分配到最近的簇,并更新簇的质心,直到达到收敛条件。以下是K-均值聚类算法的步骤:初始化:从数据集中随机选择K个样本作为初始质心。分配:计算每个样本与每个质心之间的距离,并将样本分配到距离最近的质心所属的簇。更新质心:对每
- 1.23聚类算法(kmeans(初始随机选k,迭代收敛),DBSCAN(dij选点),MEANSHIFT(质心收敛),AGENS(最小生成树)),蚁群算法(参数理解、过程理解、伪代码、代码)
CQU_JIAKE
机器学习&神经网络数学方法数模人工智能算法机器学习启发式算法聚类数学建模
聚类算法聚类结果不变K-meansK值是事先确定好的,是要划分的聚类的数量;初始时随机选择k个点,然后逐渐选择离他最近的点,不断锁定最近的,最后计算方差和;这个是轮流的这个就类似于模拟退火的思想当前聚类下的方差和,也称为簇内方差(within-clustervariance),是一种度量聚类质量的指标。它衡量了簇内数据点与各自簇中心的差异程度。方差和越小,表示簇内的数据点越紧密聚集在一起。计算当前
- 【Deepsort-yolov5实现无人机视觉检测和跟踪】
XTX_AI
学习专区无人机视觉检测深度学习
Deepsort-yolov5无人机视觉检测和跟踪1.YOLOv5无人机视觉检测1.1训练无人机数据集1.2无人机检测结果2.Deepsort跟踪2.1算法原理2.2无人机跟踪实现2.3无人机运动轨迹可视化2.4目标质心点保存2.5目标重识别模型要注意的问题3.飞机目标检测无人机视觉检测和跟踪系列数据集一数据集二数据集三数据集四数据集五数据集六数据集七数据集八无人机视频段YOLOv5无人机训练权重
- [笔记]机器学习之机器学习理论及案例分析《二》 聚类
二进制怪兽
人工智障聚类机器学习算法
#21天学习挑战赛—机器学习#活动地址:CSDN21天学习挑战赛文章目录前言聚类聚类定义什么是簇聚类分类离群点聚类算法实例K-Means算法(k-均值算法)寻找质心最佳位置关于均值关于距离函数维度灾难定义产生的问题解决办法总结前言聚类聚类是在无标记样本的条件下将数据进行分组,从而发现天然的结构。聚类是无监督学习的主要任务,分类是监督学习的主要任务。聚类主要应用在:发现数据的潜在结构对数据进行自然分
- K-均值聚类算法
Flying_Fish_roe
算法均值算法聚类
什么是K-均值聚类算法K-均值聚类算法是一种常见的聚类算法,用于将一组数据点分为K个不同的簇。该算法的核心思想是通过迭代将数据点分配到离其最近的质心,并更新质心的位置,直到质心不再发生变化或达到指定的迭代次数。具体步骤如下:随机选择K个数据点作为初始质心。将所有数据点分配给离其最近的质心,形成K个簇。根据每个簇中的数据点重新计算质心的位置。重复步骤2和步骤3,直到质心不再发生变化或达到指定的迭代次
- QT+VS实现Kmeans聚类算法
create_right
算法kmeans聚类
1、Kmeans的定义聚类是一个将数据集中在某些方面相似的数据成员进行分类组织的过程,聚类就是一种发现这种内在结构的技术,聚类技术经常被称为无监督学习。k均值聚类是最著名的划分聚类算法,由于简洁和效率使得他成为所有聚类算法中最广泛使用的。无监督学习通常用于聚类,通过样本件的相似性对数据集进行聚类,使类内差距最小化,类间差距最大化。2、原理首先需要弄清楚两个概念:簇和质心簇:直观上来看,簇是一组聚在
- 11.轻量多段线(LwPolyline)
就是那个帕吉
ObjectARX.NET.netc#
愿你出走半生,归来仍是少年!环境:.NETFrameWork4.5、ObjectArx201664bit目录1.新建2.质心3.延长LwPolyline是CAD中最常用的实体类型,在CAD中通过PL命令可进行创建。1.新建通过常用参数的设置进行多段线的创建并获取到它的ID。2.质心当多段线为闭合的情况下,在CAD中它可以表达一个面。当将其作为面状使用时时常会需要在其中心放置块参照或者文本实体进行信
- 有心栽花与无心插柳
冬日雨花
有心栽花,这花一定是主人喜欢的,肯定不是普通的一般的花,也不是路边、山涧的野花。这花一定是有名气的,在日常生活不常见的,或着不是本地本区域的花。这花一定是有自己个性品质,如香味,颜色,功效等与众不同。因此,主人比较小心翼翼的要栽活它,取穴,选土,浇水,向阳等一项都马虎不得。那结果怎样的?有心栽花花不开。为什么有心栽花花不开呢?改变了花的原始的自然环境,花可能不适应。人有了花,气质心思耐性都还没有达
- 今日收获
洛府诗扬
1.强大心态,积极品质心中有他人,自己有力量知行合一,找到积极学习的底层逻辑2.培养孩子强大的心脏:需要家长不断的突破自己的认知边界3.从外在奖励变成内在奖励!从物质激励变成精神上言语上的激励。夸奖他的努力、身份、品质、变化。四夸:夸努力身份品质变化4.如何面对意外1)意外已经发生2)接受意外3)意外给我的提示4)意外让我更强大5.强化诱因找到积极的心态,更换诱因,早期孩子教育,外在激励,但常期就
- 三种坐标系学习
Bug敲起来
unity学习几何学
坐标系学习三种坐标系介绍1.地心地固坐标系(ECEF)地心地固坐标系,也叫ECEF坐标系。其原点为地球的质心。x轴延伸通过本初子午线(0度经度)和赤道(0度纬度)的交点。Z轴延伸通过北极(即与地球旋转轴重合)。y轴完成右手坐标系,穿过赤道和90度经度。如下图所示所用的坐标系是右手坐标系(右手定则),将手掌伸直,掌面朝向自己,将中指垂直于掌面,然后将大拇指垂直于中指和食指构成的平面,就构成右手坐标系
- 数学建模常见算法的通俗理解(2)
菜只因C
支持向量机机器学习人工智能数学建模美赛
目录6K-Means(K-均值)聚类算法(无需分割数据即可分类)6.1粗浅理解6.2算法过程6.2.1选定质心6.2.2分配点6.2.3评价7KNN算法(K近邻算法)(K个最近的决定方案)7.1粗浅理解7.2有关距离的介绍7.2.1欧氏距离(EuclideanDistance)7.2.2曼哈顿距离(ManhattanDistance)7.2.3切比雪夫距离(ChebyshevDistance)7.
- 聚类算法(KMeans)模型评估方法(SSE、SC)及案例
小林打怪中
机器学习人工智能聚类算法模型评估
一、概述将相似的样本自动归到一个类别中,不同的相似度计算方法,会得到不同的聚类结果,常用欧式距离法;聚类算法的目的是在没有先验知识的情况下,自动发现数据集中的内在结构和模式。是无监督学习算法二、分类根据聚类颗粒度:细聚类、粗聚类根据实现方法K-means:按照质心分类,主要介绍K-means,通用、普遍;层次聚类:对数据进行逐层划分,直到达到聚类的类别个数;DBSCAN聚类:一种基于密度的聚类算法
- mongodb3.03开启认证
21jhf
mongodb
下载了最新mongodb3.03版本,当使用--auth 参数命令行开启mongodb用户认证时遇到很多问题,现总结如下:
(百度上搜到的基本都是老版本的,看到db.addUser的就是,请忽略)
Windows下我做了一个bat文件,用来启动mongodb,命令行如下:
mongod --dbpath db\data --port 27017 --directoryperdb --logp
- 【Spark103】Task not serializable
bit1129
Serializable
Task not serializable是Spark开发过程最令人头疼的问题之一,这里记录下出现这个问题的两个实例,一个是自己遇到的,另一个是stackoverflow上看到。等有时间了再仔细探究出现Task not serialiazable的各种原因以及出现问题后如何快速定位问题的所在,至少目前阶段碰到此类问题,没有什么章法
1.
package spark.exampl
- 你所熟知的 LRU(最近最少使用)
dalan_123
java
关于LRU这个名词在很多地方或听说,或使用,接下来看下lru缓存回收的实现
1、大体的想法
a、查询出最近最晚使用的项
b、给最近的使用的项做标记
通过使用链表就可以完成这两个操作,关于最近最少使用的项只需要返回链表的尾部;标记最近使用的项,只需要将该项移除并放置到头部,那么难点就出现 你如何能够快速在链表定位对应的该项?
这时候多
- Javascript 跨域
周凡杨
JavaScriptjsonp跨域cross-domain
 
- linux下安装apache服务器
g21121
apache
安装apache
下载windows版本apache,下载地址:http://httpd.apache.org/download.cgi
1.windows下安装apache
Windows下安装apache比较简单,注意选择路径和端口即可,这里就不再赘述了。 2.linux下安装apache:
下载之后上传到linux的相关目录,这里指定为/home/apach
- FineReport的JS编辑框和URL地址栏语法简介
老A不折腾
finereportweb报表报表软件语法总结
JS编辑框:
1.FineReport的js。
作为一款BS产品,browser端的JavaScript是必不可少的。
FineReport中的js是已经调用了finereport.js的。
大家知道,预览报表时,报表servlet会将cpt模板转为html,在这个html的head头部中会引入FineReport的js,这个finereport.js中包含了许多内置的fun
- 根据STATUS信息对MySQL进行优化
墙头上一根草
status
mysql 查看当前正在执行的操作,即正在执行的sql语句的方法为:
show processlist 命令
mysql> show global status;可以列出MySQL服务器运行各种状态值,我个人较喜欢的用法是show status like '查询值%';一、慢查询mysql> show variab
- 我的spring学习笔记7-Spring的Bean配置文件给Bean定义别名
aijuans
Spring 3
本文介绍如何给Spring的Bean配置文件的Bean定义别名?
原始的
<bean id="business" class="onlyfun.caterpillar.device.Business">
<property name="writer">
<ref b
- 高性能mysql 之 性能剖析
annan211
性能mysqlmysql 性能剖析剖析
1 定义性能优化
mysql服务器性能,此处定义为 响应时间。
在解释性能优化之前,先来消除一个误解,很多人认为,性能优化就是降低cpu的利用率或者减少对资源的使用。
这是一个陷阱。
资源时用来消耗并用来工作的,所以有时候消耗更多的资源能够加快查询速度,保持cpu忙绿,这是必要的。很多时候发现
编译进了新版本的InnoDB之后,cpu利用率上升的很厉害,这并不
- 主外键和索引唯一性约束
百合不是茶
索引唯一性约束主外键约束联机删除
目标;第一步;创建两张表 用户表和文章表
第二步;发表文章
1,建表;
---用户表 BlogUsers
--userID唯一的
--userName
--pwd
--sex
create
- 线程的调度
bijian1013
java多线程thread线程的调度java多线程
1. Java提供一个线程调度程序来监控程序中启动后进入可运行状态的所有线程。线程调度程序按照线程的优先级决定应调度哪些线程来执行。
2. 多数线程的调度是抢占式的(即我想中断程序运行就中断,不需要和将被中断的程序协商)
a) 
- 查看日志常用命令
bijian1013
linux命令unix
一.日志查找方法,可以用通配符查某台主机上的所有服务器grep "关键字" /wls/applogs/custom-*/error.log
二.查看日志常用命令1.grep '关键字' error.log:在error.log中搜索'关键字'2.grep -C10 '关键字' error.log:显示关键字前后10行记录3.grep '关键字' error.l
- 【持久化框架MyBatis3一】MyBatis版HelloWorld
bit1129
helloworld
MyBatis这个系列的文章,主要参考《Java Persistence with MyBatis 3》。
样例数据
本文以MySQL数据库为例,建立一个STUDENTS表,插入两条数据,然后进行单表的增删改查
CREATE TABLE STUDENTS
(
stud_id int(11) NOT NULL AUTO_INCREMENT,
- 【Hadoop十五】Hadoop Counter
bit1129
hadoop
1. 只有Map任务的Map Reduce Job
File System Counters
FILE: Number of bytes read=3629530
FILE: Number of bytes written=98312
FILE: Number of read operations=0
FILE: Number of lar
- 解决Tomcat数据连接池无法释放
ronin47
tomcat 连接池 优化
近段时间,公司的检测中心报表系统(SMC)的开发人员时不时找到我,说用户老是出现无法登录的情况。前些日子因为手头上 有Jboss集群的测试工作,发现用户不能登录时,都是在Tomcat中将这个项目Reload一下就好了,不过只是治标而已,因为大概几个小时之后又会 再次出现无法登录的情况。
今天上午,开发人员小毛又找到我,要我协助将这个问题根治一下,拖太久用户难保不投诉。
简单分析了一
- java-75-二叉树两结点的最低共同父结点
bylijinnan
java
import java.util.LinkedList;
import java.util.List;
import ljn.help.*;
public class BTreeLowestParentOfTwoNodes {
public static void main(String[] args) {
/*
* node data is stored in
- 行业垂直搜索引擎网页抓取项目
carlwu
LuceneNutchHeritrixSolr
公司有一个搜索引擎项目,希望各路高人有空来帮忙指导,谢谢!
这是详细需求:
(1) 通过提供的网站地址(大概100-200个网站),网页抓取程序能不断抓取网页和其它类型的文件(如Excel、PDF、Word、ppt及zip类型),并且程序能够根据事先提供的规则,过滤掉不相干的下载内容。
(2) 程序能够搜索这些抓取的内容,并能对这些抓取文件按照油田名进行分类,然后放到服务器不同的目录中。
- [通讯与服务]在总带宽资源没有大幅增加之前,不适宜大幅度降低资费
comsci
资源
降低通讯服务资费,就意味着有更多的用户进入,就意味着通讯服务提供商要接待和服务更多的用户,在总体运维成本没有由于技术升级而大幅下降的情况下,这种降低资费的行为将导致每个用户的平均带宽不断下降,而享受到的服务质量也在下降,这对用户和服务商都是不利的。。。。。。。。
&nbs
- Java时区转换及时间格式
Cwind
java
本文介绍Java API 中 Date, Calendar, TimeZone和DateFormat的使用,以及不同时区时间相互转化的方法和原理。
问题描述:
向处于不同时区的服务器发请求时需要考虑时区转换的问题。譬如,服务器位于东八区(北京时间,GMT+8:00),而身处东四区的用户想要查询当天的销售记录。则需把东四区的“今天”这个时间范围转换为服务器所在时区的时间范围。
- readonly,只读,不可用
dashuaifu
jsjspdisablereadOnlyreadOnly
readOnly 和 readonly 不同,在做js开发时一定要注意函数大小写和jsp黄线的警告!!!我就经历过这么一件事:
使用readOnly在某些浏览器或同一浏览器不同版本有的可以实现“只读”功能,有的就不行,而且函数readOnly有黄线警告!!!就这样被折磨了不短时间!!!(期间使用过disable函数,但是发现disable函数之后后台接收不到前台的的数据!!!)
- LABjs、RequireJS、SeaJS 介绍
dcj3sjt126com
jsWeb
LABjs 的核心是 LAB(Loading and Blocking):Loading 指异步并行加载,Blocking 是指同步等待执行。LABjs 通过优雅的语法(script 和 wait)实现了这两大特性,核心价值是性能优化。LABjs 是一个文件加载器。RequireJS 和 SeaJS 则是模块加载器,倡导的是一种模块化开发理念,核心价值是让 JavaScript 的模块化开发变得更
- [应用结构]入口脚本
dcj3sjt126com
PHPyii2
入口脚本
入口脚本是应用启动流程中的第一环,一个应用(不管是网页应用还是控制台应用)只有一个入口脚本。终端用户的请求通过入口脚本实例化应用并将将请求转发到应用。
Web 应用的入口脚本必须放在终端用户能够访问的目录下,通常命名为 index.php,也可以使用 Web 服务器能定位到的其他名称。
控制台应用的入口脚本一般在应用根目录下命名为 yii(后缀为.php),该文
- haoop shell命令
eksliang
hadoophadoop shell
cat
chgrp
chmod
chown
copyFromLocal
copyToLocal
cp
du
dus
expunge
get
getmerge
ls
lsr
mkdir
movefromLocal
mv
put
rm
rmr
setrep
stat
tail
test
text
- MultiStateView不同的状态下显示不同的界面
gundumw100
android
只要将指定的view放在该控件里面,可以该view在不同的状态下显示不同的界面,这对ListView很有用,比如加载界面,空白界面,错误界面。而且这些见面由你指定布局,非常灵活。
PS:ListView虽然可以设置一个EmptyView,但使用起来不方便,不灵活,有点累赘。
<com.kennyc.view.MultiStateView xmlns:android=&qu
- jQuery实现页面内锚点平滑跳转
ini
JavaScripthtmljqueryhtml5css
平时我们做导航滚动到内容都是通过锚点来做,刷的一下就直接跳到内容了,没有一丝的滚动效果,而且 url 链接最后会有“小尾巴”,就像#keleyi,今天我就介绍一款 jquery 做的滚动的特效,既可以设置滚动速度,又可以在 url 链接上没有“小尾巴”。
效果体验:http://keleyi.com/keleyi/phtml/jqtexiao/37.htmHTML文件代码:
&
- kafka offset迁移
kane_xie
kafka
在早前的kafka版本中(0.8.0),offset是被存储在zookeeper中的。
到当前版本(0.8.2)为止,kafka同时支持offset存储在zookeeper和offset manager(broker)中。
从官方的说明来看,未来offset的zookeeper存储将会被弃用。因此现有的基于kafka的项目如果今后计划保持更新的话,可以考虑在合适
- android > 搭建 cordova 环境
mft8899
android
1 , 安装 node.js
http://nodejs.org
node -v 查看版本
2, 安装 npm
可以先从 https://github.com/isaacs/npm/tags 下载 源码 解压到
- java封装的比较器,比较是否全相同,获取不同字段名字
qifeifei
非常实用的java比较器,贴上代码:
import java.util.HashSet;
import java.util.List;
import java.util.Set;
import net.sf.json.JSONArray;
import net.sf.json.JSONObject;
import net.sf.json.JsonConfig;
i
- 记录一些函数用法
.Aky.
位运算PHP数据库函数IP
高手们照旧忽略。
想弄个全天朝IP段数据库,找了个今天最新更新的国内所有运营商IP段,copy到文件,用文件函数,字符串函数把玩下。分割出startIp和endIp这样格式写入.txt文件,直接用phpmyadmin导入.csv文件的形式导入。(生命在于折腾,也许你们觉得我傻X,直接下载人家弄好的导入不就可以,做自己的菜鸟,让别人去说吧)
当然用到了ip2long()函数把字符串转为整型数
- sublime text 3 rust
wudixiaotie
Sublime Text
1.sublime text 3 => install package => Rust
2.cd ~/.config/sublime-text-3/Packages
3.mkdir rust
4.git clone https://github.com/sp0/rust-style
5.cd rust-style
6.cargo build --release
7.ctrl