周南音频科技教育学院(AI湖湘学派)
周南音频科技教育学院(AI湖湘学派)

深度学习之轻量级神经网络在TWS蓝牙音频处理器上的部署

       加我微信hezkz17进数字音频系统研究开发交流答疑群(课题组)

 

深度学习之轻量级神经网络在TWS蓝牙音频处理器上的部署

       深度学习之轻量级神经网络在TWS蓝牙音频处理器上的部署

       深度学习之轻量级神经网络在TWS蓝牙音频处理器上的部署

 

项目一

科大讯飞经验

在Matlab平台上实现广义旁瓣消除器(GSC),最小方差无失真响应(MVDR)等波束形成算法，同时分析它们的效果在Liu**台上跑通语音增强试试处理框架RNNoise:完整流程，实现降噪功能。包括数据集的制作，使用ffmpeg将WAV转RAW,特征提取，模型训练，测试效果等。负责开发基于轻量级神经网络算法用于双麦TWS无线蓝牙耳机降噪，期间训练了一个双麦的神经网络VAD,并用于控制GSC中的自适应阻塞矩阵(ABM)权重系数的更新过程，有效提升了GSC的的降噪能力。

 

项目二

南京歌尔声学科技经验

算法研究员|4年11个月

1、3M川C+骨传导通话降噪算法开发，优化等；2、参与紫米TWS之3MIC+传感器通话降噪算法的优化以及HIFI MINI平台定点化算法开发（量产）：3、负责荣耀TWS项目3MIC+骨传导算法的方案设计，开发和优化等（量产）；

4、基于波束形成Beamforming的开发；

5、基于MCLP语音去混响算法开发；

6、基于远场拾音的DPD-DOA波达方向角算法开发；

7、基于TWS的单MC-NS降噪算法开发；

8、基于语音EQ调参算法开发，主要用于调节各频段的频响曲线；1D:1

9 负责恒玄/高通平台的4MIC远/近场拾音/上行通话降噪等项目测试、调优及移植，效果优化；

10、基于深度神经网络DNN的语音唤醒开发：

11、TWS之电流音检测算法开发；

12、TWS之主动降噪ANC最优增益快速校准算法开发；

13、定浮点算法开发；

 

 

你可能感兴趣的:(音频,信号处理,神经网络,算法)

  • 数据挖掘常用算法 kaiyuanheshang AI数据挖掘算法人工智能
    文章目录基于机器学习~~线性/逻辑回归~~树模型~~贝叶斯~~~~聚类~~集成算法神经网络~~支持向量机~~~~降维算法~~基于机器学习线性/逻辑回归类似单层神经网络y=k*x+b树模型优点可以做可视化分析速度快结果稳定依赖前期对业务和数据的理解贝叶斯贝叶斯依赖先验概率，先验知识越准，结果越好聚类集成算法xgboostlightbgm神经网络在文本、视觉领域效果非常好。但是过程黑盒，缺乏解释性支持
  • 数据结构：时间复杂度和空间复杂度 星迹日 数据结构数据结构时间空间复杂度算法
    我们知道代码和代码之间算法的不同，一定影响了代码的执行效率，那么我们该如何评判算法的好坏呢？这就涉及到了我们算法效率的分析了。一、算法效率所谓算法效率的分析分为两种：第一种时间效率，又称时间复杂度。第二种空间效率，又称空间复杂度。其中，时间复杂度主要衡量的是一个算法的运行速度，而空间复杂度主要衡量一个算法所需要的额外空间。二、时间复杂度1、概念算法的时间复杂度其实是一个数学函数，它描述了该算法的运
  • 如何将手机的画面和音频全部传输到电脑显示和使用电脑外放输出 yangshuo1281 智能手机音视频
    要将手机音频通过电脑输出，scrcpy本身并不直接支持音频转发功能。可以结合其他工具（如sndcpy）实现音频转发。以下是一个完整的命令示例，同时结合scrcpy和sndcpy来实现音频和屏幕投屏的同步：1.下载sndcpy从以下链接下载sndcpy：sndcpyGitHub页面2.使用scrcpy和sndcpy同时投屏和输出音频确保你已安装scrcpy和sndcpy，然后按以下步骤操作：开启sc
  • 数据结构——时间复杂度 Lamar Carpenter 数据结构计算机408考研数据结构
    前言当你拿到一段代码时，你该如何判断这一段代码算法的好坏程度？有的人会说跑一下（运行一下），事后统计运行时间。当然这样确实能够直观的通过看运行程序所花费时间，但是这存在着一些问题：和机器性能有关超级计算机vs单片机（同样的一段代码一定是超级计算机运行的时间更快）和编程语言有关越高级的语言运行的效率越低编译程序产生的机器指令质量有关有些算法不能事后统计导弹控制算法（不能为了统计算法的效率发射一颗导弹
  • 【中科院1区】Matlab实现黏菌优化算法SMA-RF锂电池健康状态估计算法研究 matlab科研助手 matlab算法开发语言
    ✅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物理应用机器学习内容介绍摘要锂离子电池作为一种重要的储能器件，在电动汽车、便携式电子设备等领域发挥着至关重要的
  • JCR一区级 | Matlab实现蜣螂算法DBO-Transformer-LSTM多变量回归预测 Matlab机器学习之心 算法matlabtransformer
    ✅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:水质预测对于环境保护和资源管理至关重要。本文提出了一种基于蜣螂算法(DungBeetleOptimizer,DBO)、DBO-Transformer和LSTM的多变量水质回归预测模型，旨在提高水质参数
  • 基于LeNet-5实现交通标志分类任务 鱼弦 机器学习设计类系统分类深度学习人工智能
    基于LeNet-5实现交通标志分类任务介绍LeNet-5是由YannLeCun等人在1998年提出的一种卷积神经网络（CNN）结构，最初用于手写数字识别。由于其简单高效的架构，LeNet-5也被广泛应用于图像分类任务，包括交通标志识别。应用使用场景交通标志分类在智能驾驶、车道辅助系统等领域有重要应用，可以帮助自动驾驶车辆识别道路上的各种交通标志，从而进行相应的决策，提高行车安全性。原理解释LeNe
  • 基于能量检测的语音信号端点检测 FPGA 实现 鱼弦 人工智能时代fpga开发
    基于能量检测的语音信号端点检测FPGA实现介绍语音信号端点检测（VoiceActivityDetection,VAD）是语音处理中的一个重要步骤，用于确定语音信号的起始和结束点。基于能量检测的方法通过计算语音信号的能量来识别活跃语音段。FPGA的并行处理能力使其非常适合用于实时的语音信号处理。应用使用场景语音识别系统：提高识别准确性，减少处理非语音片段。通信设备：降低带宽需求，通过仅传输语音部分节
  • 基于Lagrange-Newton法的SQP局部算法python实现 笛在月明 算法Pythonpython算法优化
    序列二次规划（SQP）是解决约束优化问题中较好的一种算法，其流程为在实现算法的过程中，使用了scipy.optimize模块：scipy.optimize.minimize(fun,x0,args=(),method=None,jac=None,hess=None,hessp=None,bounds=None,constraints=(),tol=None,callback=None,option
  • 全覆盖路径规划-精准细胞覆盖算法 码厂一粒沙 记录算法
    今天，咱们来聊聊这个传统的精准细胞覆盖算法，算法的描述挺抽象的，这里尽量用易于理解的语言来讲解一下，它就像是给机器人安排一个任务，让它把一块地方仔仔细细地走一遍，下面详细说说它是怎么做的。整体思路想象你要打扫一个大房间，你得有个计划，知道先打扫哪块，再打扫哪块，最后把整个房间都打扫干净。精准细胞覆盖算法就是给机器人规划这样的“打扫路线”，让它能把给定的空间都走遍。具体步骤第一步：把空间“切块”并记
  • 【文本去重】通俗易懂理解Minhash算法 凌漪_ 算法数据结构大模型
    Minhash算法直观理解作者：@凌漪_@板烧鱼仔@Yuxn.背景Jaccard相似度两个集合A和B，我们关心它们的Jaccard相似度J(A,B)=∣A∪B∣∣A∩B∣J(A,B)=\frac{∣A∪B∣}{∣A∩B∣}J(A,B)=∣A∩B∣∣A∪B∣Jaccard相似度描述了两个集合之间的相似程度。使用场景1：两个文档之间的相似度。注意:jaccard相似度并没有提取文档的任何语义，只是在查
  • 28岁开始零基础学前端，这些血的教训你一定要避免 2501_90336583 前端
    写了一个Vue动态表单组件，发布到NPM上。模仿Vue1.0版本写了一个MiniVue，这让我对Vue的理解达到了源码级别。写了几篇关于Vue的文章。计算机理论知识计算机理论知识决定了一个程序员的天花板（在国内还得加上英语）。数据结构与算法算法看了《剑指offer题解》、《Leetcode题解》这两本书，还是挺有用的，也有刷到的题面试正好碰上了的。编译原理、计算机原理由于编译原理和计算机原理是看的
  • java面试题（jvm） lgcgkCQ java面试题javajvm面试面试题
    目录jvm组成1.jvm由哪些部分组成？2.什么是程序计数器3.什么是堆？4.什么虚拟机栈？5.栈和堆的区别？6.什么是方法区？7.什么是直接内存？类加载器1.什么是类加载器？2.有哪些类加载器？3.双亲委派模型4.类加载器的执行过程垃圾回收1.对象什么时候可以被垃圾器回收2.有哪些垃圾回收算法3.分代回收4.jvm有哪些垃圾回收器5.G1垃圾回收器6.强引用、软引用、弱引用、虚引用jvm实践1.
  • 分享10个实用的Python工具的源码，支持定制 mosquito_lover1 python开源
    1.音频处理工具【免费】一个功能丰富的音频处理工具箱，支持音频格式转换、剪辑和音量调节等功能资源-CSDN文库2.视频转换工具【免费】一个简单易用的视频格式转换工具，支持多种常见视频格式之间的转换资源-CSDN文库3.PDF工具箱【免费】一个功能强大的PDF工具箱，提供PDF合并和分割功能资源-CSDN文库4.系统监控工具【免费】一个实时系统监控工具，可以监控CPU、内存、磁盘和网络使用情况资源-
  • yolo是什么，有什么优缺点以及YOLO的应用场景？ cesske YOLO
    目录前言一、yolo是什么？二、YOLO的优点三、YOLO的缺点四、YOLO的应用场景总结前言这里我们来讲一下yolo是什么，有什么优缺点？一、yolo是什么？“YOLO”在计算机视觉和深度学习领域是一个特定的算法框架，全称是“YouOnlyLookOnce”。这个算法最初由JosephRedmon、SantoshDivvala、RossGirshick和AliFarhadi在2015年提出，旨在
  • 人机交互：面部识别_14.面部识别在虚拟现实和增强现实中的应用 zhubeibei168 机器人及导航人机交互vrar开发语言机器人导航与定位
    14.面部识别在虚拟现实和增强现实中的应用14.1虚拟现实中的面部识别在虚拟现实（VR）环境中，面部识别技术可以显著提升用户体验，使其更加沉浸和自然。通过识别用户的面部表情，VR系统可以实时调整虚拟角色的行为，增强用户与虚拟世界的互动。14.1.1面部表情识别面部表情识别是虚拟现实中最常见的应用之一。通过摄像头捕捉用户的面部图像，使用计算机视觉算法识别出用户的表情，如微笑、惊讶、愤怒等，虚拟角色可
  • Huffman编码的Python的实现 childish_tree python算法霍夫曼树数据压缩
    Huffman编码的Python的实现基本原理及步骤Huffman编码是一种贪心算法，用于无损数据压缩。它基于字符在数据中出现的频率来构建编码，频率高的字符使用较短的编码，而频率低的字符使用较长的编码。这种方式的目的是减少数据的大小，因为最常见的字符使用最短的编码，从而在整体上减少了所需的位数。实现Huffman编码的原理如下：频率统计：如果输入数据是一个字符串，代码会遍历这个字符串，统计每个字符
  • 计数排序算法及优化（java） 爱吃土豆的程序员 数据结构与算法（JAVA）算法java计数排序
    1.1引言计数排序是一种非比较排序算法，它适用于一定范围内的整数排序。计数排序的核心思想是通过统计每个元素出现的次数来确定它们的位置，而不是通过比较来决定元素的顺序。本文将详细介绍计数排序的历史背景、工作原理，并通过具体案例来阐述其应用。此外，还将探讨计数排序的不同优化方案，并给出相应的Java代码示例。1.2计数排序的历史计数排序的思想可以追溯到20世纪初，最早是由HaroldH.Seward在
  • AI真的能理解我们这个现实物理世界吗？深度剖析原理、实证及未来走向 AI_DL_CODE 人工智能深度学习AIAI理解世界
    摘要：当下，AI与深度学习广泛渗透生活各领域，大模型与海量数据加持下，其是否理解现实物理世界引发热议。文章开篇抛出疑问，随后深入介绍AI深度学习基础，包含神经网络架构、反向传播算法。继而列举AI在物理场景识别、实验数据分析中显露的“理解”迹象，也点明常识性错误、极端场景失效这类反例。从信息论、物理启发式算法剖析理论支撑，探讨融合物理知识路径，并延展至跨学科应用、评估维度、伦理社会问题，最终展望AI
  • 攻克设备数据质量难题：深度学习应用的数据基石搭建教程（DBSCAN 聚类算法） AI_DL_CODE 深度学习运维算法数据质量DBSCAN聚类算法
    摘要：在深度学习赋能设备管理的浪潮中，数据质量成为关键瓶颈。本文聚焦设备数据采集与预处理阶段面临的噪声干扰、数据缺失等难题，深入讲解强化采集端管控的策略，详细剖析聚类、统计法及线性回归模型在数据清洗与补全中的应用原理，并结合振动传感器数据实例给出可实操的Python代码。旨在为从业者提供一站式解决方案，助力打造高质量设备数据集，为深度学习模型高效运行筑牢根基，推动设备管理智能化落地。文章目录攻克设
  • pytorch实现循环神经网络 纠结哥_Shrek pytorchrnn深度学习
    人工智能例子汇总：AI常见的算法和例子-CSDN博客PyTorch提供三种主要的RNN变体：nn.RNN：最基本的循环神经网络，适用于短时依赖任务。nn.LSTM：长短时记忆网络，适用于长序列数据，能有效解决梯度消失问题。nn.GRU：门控循环单元，比LSTM计算更高效，适用于大部分任务。网络类型优势适用场景RNN计算简单，适用于短时序列语音、文本处理（短序列）LSTM适用于长序列，能记忆长期信息
  • 普通算法——一维差分 ZZTC 算法算法
    一维差分题目链接：https://www.acwing.com/problem/content/799/题目描述：输入一个长度为nnn的整数序列。接下来输入mmm个操作，每个操作包含三个整数l,r,c，l,r,c，l,r,c，表示将序列中[l,r][l,r][l,r]之间的每个数加上ccc。请你输出进行完所有操作后的序列。说明：差分是前缀和的逆运算，也就是构造一个bbb数组使aaa数组是bbb数组
  • Java实现计数排序算法详解及优化 捕风捉你 从0开始学算法java排序算法算法
    引言计数排序（CountingSort）是一种线性时间复杂度的排序算法，特别适用于数据范围有限的情况。它通过统计每个元素出现的次数，然后按照次数排序，从而实现排序。本文将详细讲解如何使用Java实现计数排序算法，并结合图解和实例代码，帮助您全面理解这一高级排序算法。同时，我们还将探讨计数排序的优化方法，以进一步提高其性能。计数排序算法的原理计数排序通过统计每个元素出现的次数，然后利用这些计数值将元
  • 二路归并排序算法 qq_26261861 排序算法算法数据结构
    二路归并排序算法简单理解就是两两进行比较，然后把他们合并到一起。通俗理解就是去买衣服的时候，经常会货比三家，看了一个店选两件衣服，然后又去另外一个店选了同款的两件衣服。看价格排序，或者性价比排序一下，看哪个更便宜，或者性价比更高。二路归并排序关键点：相邻的两两进行比较，然后把他们合并在一起。相邻的两两最开始是单个元素，合并之后就会翻倍。二路归并排序的过程，需要先拆分元素，然后再合并。二路归并排序是
  • PyTorch 官方文档 中文版本 圣心 pytorch机器学习
    文档来源https://pytorch.cadn.net.cn大多数机器学习工作流都涉及处理数据、创建模型、优化模型参数，并保存经过训练的模型。本教程向您介绍完整的ML工作流在PyTorch中实现，并提供了用于了解有关每个概念的更多信息的链接。我们将使用FashionMNIST数据集来训练一个神经网络，该神经网络预测输入图像是否属于到以下类别之一：T恤/上衣、裤子、套头衫、连衣裙、外套、凉鞋、衬衫
  • 基于 YOLOv8+PyQt5 的无人机红外目标检测系统：开启智能监测新时代 人工智能教学实践 人工智能YOLOqt无人机
    基于YOLOv8+PyQt5的无人机红外目标检测系统：开启智能监测新时代【毕业与课程大作业参考】基于yolov8+pyqt5界面自适应的无人机红外目标检测系统demo.zip资源-CSDN文库在科技飞速发展的今天，无人机技术在各个领域的应用越来越广泛。为了提升无人机在复杂环境下的目标检测能力，结合先进的深度学习算法和图形用户界面开发技术，打造功能强大的无人机红外目标检测系统成为了研究热点。本文将详
  • PYTHON 常用算法 33个 trust Tomorrow python算法python排序算法
    文章目录冒泡排序（BubbleSort）选择排序（SelectionSort）插入排序（InsertionSort）快速排序（QuickSort）归并排序（MergeSort）堆排序（HeapSort）计数排序（CountingSort）基数排序（RadixSort）桶排序（BucketSort）希尔排序（ShellSort）二分查找（BinarySearch）线性查找（LinearSearch）
  • 为什么要有库 h^hh linux
    库提供了基础功能，提高开发效率，平常写的printf，如果没有库也能写，比如现在你需要向显示器打印，向文件写入，向网络发送各种功能的时候，因为没有库了，所以printf需要你自己去实现，你想写一个链表逆置的算法，再把整个链表打印出来，你写的时候可能用了两个小时，其中一个半小时都在实现printf，剩下30分钟你再写链表，更夸张的是你以后再写任何方法的时候，只要想打印，你都得自己实现一个printf
  • Nginx的负载均衡 入眼皆含月 nginx负载均衡运维
    一、概述Nginx负载均衡是一种通过将客户端请求分发到多个后端服务器的技术，旨在提高系统的吞吐量、可用性和容错性。二、Nginx负载均衡工作原理Nginx作为反向代理服务器，接收客户端的请求，并根据配置的负载均衡算法将请求转发到后端服务器。其工作流程如下：客户端请求到达Nginx。Nginx根据配置的负载均衡策略选择后端服务器。Nginx将请求转发到选定的后端服务器。后端服务器处理请求并返回响应。
  • c++ 算法之二分答案详解 必胜的小铭 c++算法c++算法开发语言
    二分答案是c++之中一个简单而重要的算法，每一个OIer必备的基础算法，你知道它究竟是什么吗？目录一、简介1.定义2.时间复杂度二、核心代码三、例题1.跳石头1.题目描述2.解法2.进击的奶牛1.题目描述2.思路一、简介1.定义二分答案是一种二分搜索，二分搜索（英语：binarysearch），也称折半搜索（英语：half-intervalsearch）、对数搜索（英语：logarithmicse
  • iOS http封装 374016526 ios服务器交互http网络请求
    程序开发避免不了与服务器的交互，这里打包了一个自己写的http交互库。希望可以帮到大家。   内置一个basehttp，当我们创建自己的service可以继承实现。   KuroAppBaseHttp *baseHttp = [[KuroAppBaseHttp alloc] init]; [baseHttp setDelegate:self]; [baseHttp
  • lolcat ：一个在 Linux 终端中输出彩虹特效的命令行工具 brotherlamp linuxlinux教程linux视频linux自学linux资料
      那些相信 Linux 命令行是单调无聊且没有任何乐趣的人们，你们错了，这里有一些有关 Linux 的文章，它们展示着 Linux 是如何的有趣和“淘气” 。 在本文中，我将讨论一个名为“lolcat”的小工具 – 它可以在终端中生成彩虹般的颜色。 何为 lolcat ? Lolcat 是一个针对 Linux，BSD 和 OSX 平台的工具，它类似于 cat 命令，并为 cat
  • MongoDB索引管理（1）——[九] eksliang mongodbMongoDB管理索引
    转载请出自出处：http://eksliang.iteye.com/blog/2178427 一、概述       数据库的索引与书籍的索引类似，有了索引就不需要翻转整本书。数据库的索引跟这个原理一样，首先在索引中找，在索引中找到条目以后，就可以直接跳转到目标文档的位置，从而使查询速度提高几个数据量级。       不使用索引的查询称
  • Informatica参数及变量 18289753290 Informatica参数变量
    下面是本人通俗的理解，如有不对之处，希望指正 info参数的设置：在info中用到的参数都在server的专门的配置文件中（最好以parma）结尾 下面的GLOBAl就是全局的，$开头的是系统级变量，$$开头的变量是自定义变量。如果是在session中或者mapping中用到的变量就是局部变量，那就把global换成对应的session或者mapping名字。 [GLOBAL] $Par
  • python 解析unicode字符串为utf8编码字符串 酷的飞上天空 unicode
    php返回的json字符串如果包含中文，则会被转换成\uxx格式的unicode编码字符串返回。 在浏览器中能正常识别这种编码，但是后台程序却不能识别，直接输出显示的是\uxx的字符，并未进行转码。   转换方式如下   >>> import json >>> q = '{"text":"\u4
  • Hibernate的总结 永夜-极光 Hibernate
    1.hibernate的作用,简化对数据库的编码,使开发人员不必再与复杂的sql语句打交道   做项目大部分都需要用JAVA来链接数据库，比如你要做一个会员注册的 页面，那么 获取到用户填写的 基本信后，你要把这些基本信息存入数据库对应的表中，不用hibernate还有mybatis之类的框架，都不用的话就得用JDBC，也就是JAVA自己的，用这个东西你要写很多的代码，比如保存注册信
  • SyntaxError: Non-UTF-8 code starting with '\xc4' 随便小屋 python
    刚开始看一下Python语言，传说听强大的，但我感觉还是没Java强吧！ 写Hello World的时候就遇到一个问题，在Eclipse中写的，代码如下 ''' Created on 2014年10月27日 @author: Logic ''' print("Hello World!");  运行结果 SyntaxError: Non-UTF-8
  • 学会敬酒礼仪 不做酒席菜鸟 aijuans 菜鸟
    俗话说，酒是越喝越厚，但在酒桌上也有很多学问讲究，以下总结了一些酒桌上的你不得不注意的小细节。 细节一：领导相互喝完才轮到自己敬酒。敬酒一定要站起来，双手举杯。 细节二：可以多人敬一人，决不可一人敬多人，除非你是领导。 细节三：自己敬别人，如果不碰杯，自己喝多少可视乎情况而定，比如对方酒量，对方喝酒态度，切不可比对方喝得少，要知道是自己敬人。 细节四：自己敬别人，如果碰杯，一
  • 《创新者的基因》读书笔记 aoyouzi 读书笔记《创新者的基因》
    创新者的基因   创新者的“基因”，即最具创意的企业家具备的五种“发现技能”：联想，观察，实验，发问，建立人脉。   第一部分破坏性创新，从你开始 第一章破坏性创新者的基因 如何获得启示： 发现以下的因素起到了催化剂的作用：(1) -个挑战现状的问题；(2)对某项技术、某个公司或顾客的观察；(3) -次尝试新鲜事物的经验或实验；(4)与某人进行了一次交谈，为他点醒
  • 表单验证技术 百合不是茶 JavaScriptDOM对象String对象事件
    js最主要的功能就是验证表单,下面是我对表单验证的一些理解,贴出来与大家交流交流  ,数显我们要知道表单验证需要的技术点, String对象,事件,函数   一:String对象;通常是对字符串的操作;   1,String的属性;   字符串.length;表示该字符串的长度; var str= "java"
  • web.xml配置详解之context-param bijian1013 javaservletweb.xmlcontext-param
    一.格式定义： <context-param> <param-name>contextConfigLocation</param-name> <param-value>contextConfigLocationValue></param-value> </context-param> 作用：该元
  • Web系统常见编码漏洞（开发工程师知晓） Bill_chen sqlPHPWebfckeditor脚本
    1.头号大敌：SQL Injection 原因：程序中对用户输入检查不严格，用户可以提交一段数据库查询代码，根据程序返回的结果， 获得某些他想得知的数据，这就是所谓的SQL Injection，即SQL注入。 本质: 对于输入检查不充分，导致SQL语句将用户提交的非法数据当作语句的一部分来执行。 示例： String query = "SELECT id FROM users
  • 【MongoDB学习笔记六】MongoDB修改器 bit1129 mongodb
    本文首先介绍下MongoDB的基本的增删改查操作，然后，详细介绍MongoDB提供的修改器，以完成各种各样的文档更新操作  MongoDB的主要操作 show dbs 显示当前用户能看到哪些数据库 use foobar 将数据库切换到foobar show collections 显示当前数据库有哪些集合 db.people.update，update不带参数，可
  • 提高职业素养，做好人生规划 白糖_ 人生
      培训讲师是成都著名的企业培训讲师，他在讲课中提出的一些观点很新颖，在此我收录了一些分享一下。注：讲师的观点不代表本人的观点，这些东西大家自己揣摩。   1、什么是职业规划：职业规划并不完全代表你到什么阶段要当什么官要拿多少钱，这些都只是梦想。职业规划是清楚的认识自己现在缺什么，这个阶段该学习什么，下个阶段缺什么，又应该怎么去规划学习，这样才算是规划。  
  • 国外的网站你都到哪边看？ bozch 技术网站国外
    学习软件开发技术，如果没有什么英文基础，最好还是看国内的一些技术网站，例如：开源OSchina，csdn，iteye,51cto等等。 个人感觉如果英语基础能力不错的话，可以浏览国外的网站来进行软件技术基础的学习，例如java开发中常用的到的网站有apache.org 里面有apache的很多Projects,springframework.org是spring相关的项目网站,还有几个感觉不错的
  • 编程之美-光影切割问题 bylijinnan 编程之美
    package a; public class DisorderCount { /**《编程之美》“光影切割问题” * 主要是两个问题： * 1.数学公式（设定没有三条以上的直线交于同一点）： * 两条直线最多一个交点，将平面分成了4个区域； * 三条直线最多三个交点，将平面分成了7个区域； * 可以推出：N条直线 M个交点，区域数为N+M+1。
  • 关于Web跨站执行脚本概念 chenbowen00 Web安全跨站执行脚本
    跨站脚本攻击(XSS)是web应用程序中最危险和最常见的安全漏洞之一。安全研究人员发现这个漏洞在最受欢迎的网站,包括谷歌、Facebook、亚马逊、PayPal,和许多其他网站。如果你看看bug赏金计划,大多数报告的问题属于 XSS。为了防止跨站脚本攻击,浏览器也有自己的过滤器,但安全研究人员总是想方设法绕过这些过滤器。这个漏洞是通常用于执行cookie窃取、恶意软件传播,会话劫持,恶意重定向。在
  • [开源项目与投资]投资开源项目之前需要统计该项目已有的用户数 comsci 开源项目
            现在国内和国外,特别是美国那边,突然出现很多开源项目,但是这些项目的用户有多少,有多少忠诚的粉丝,对于投资者来讲,完全是一个未知数,那么要投资开源项目,我们投资者必须准确无误的知道该项目的全部情况,包括项目发起人的情况,项目的维持时间..项目的技术水平,项目的参与者的势力,项目投入产出的效益.....
  • oracle alert log file（告警日志文件） daizj oracle告警日志文件alert log file
    The alert log is a chronological log of messages and errors, and includes the following items: All internal errors (ORA-00600), block corruption errors (ORA-01578), and deadlock errors (ORA-00060)
  • 关于 CAS SSO 文章声明 denger SSO
    由于几年前写了几篇 CAS 系列的文章，之后陆续有人参照文章去实现，可都遇到了各种问题，同时经常或多或少的收到不少人的求助。现在这时特此说明几点： 1.  那些文章发表于好几年前了，CAS 已经更新几个很多版本了，由于近年已经没有做该领域方面的事情，所有文章也没有持续更新。 2. 文章只是提供思路，尽管 CAS 版本已经发生变化，但原理和流程仍然一致。最重要的是明白原理，然后
  • 初二上学期难记单词 dcj3sjt126com englishword
    lesson 课 traffic 交通 matter 要紧；事物 happy 快乐的，幸福的 second 第二的 idea 主意；想法；意见 mean 意味着 important 重要的，重大的 never 从来，决不 afraid 害怕 的 fifth 第五的 hometown 故乡，家乡 discuss 讨论；议论 east 东方的 agree 同意；赞成 bo
  • uicollectionview 纯代码布局, 添加头部视图 dcj3sjt126com Collection
    #import <UIKit/UIKit.h> @interface myHeadView : UICollectionReusableView { UILabel *TitleLable; } -(void)setTextTitle; @end #import "myHeadView.h" @implementation m
  • N 位随机数字串的 JAVA 生成实现 FX夜归人 javaMath随机数Random
    /** * 功能描述 随机数工具类<br /> * @author FengXueYeGuiRen * 创建时间 2014-7-25<br /> */ public class RandomUtil { // 随机数生成器 private static java.util.Random random = new java.util.R
  • Ehcache（09）——缓存Web页面 234390216 ehcache页面缓存
    页面缓存 目录 1       SimplePageCachingFilter 1.1      calculateKey 1.2      可配置的初始化参数 1.2.1     cach
  • spring中少用的注解@primary解析 jackyrong primary
    这次看下spring中少见的注解@primary注解，例子 @Component public class MetalSinger implements Singer{ @Override public String sing(String lyrics) { return "I am singing with DIO voice
  • Java几款性能分析工具的对比 lbwahoo java
    Java几款性能分析工具的对比 摘自：http://my.oschina.net/liux/blog/51800   在给客户的应用程序维护的过程中，我注意到在高负载下的一些性能问题。理论上，增加对应用程序的负载会使性能等比率的下降。然而，我认为性能下降的比率远远高于负载的增加。我也发现，性能可以通过改变应用程序的逻辑来提升，甚至达到极限。为了更详细的了解这一点，我们需要做一些性能
  • JVM参数配置大全 nickys jvm应用服务器
    JVM参数配置大全 /usr/local/jdk/bin/java -Dresin.home=/usr/local/resin -server -Xms1800M -Xmx1800M -Xmn300M -Xss512K -XX:PermSize=300M -XX:MaxPermSize=300M -XX:SurvivorRatio=8 -XX:MaxTenuringThreshold=5 -
  • 搭建 CentOS 6 服务器(14) - squid、Varnish rensanning varnish
    （一）squid 安装 # yum install httpd-tools -y # htpasswd -c -b /etc/squid/passwords squiduser 123456 # yum install squid -y 设置 # cp /etc/squid/squid.conf /etc/squid/squid.conf.bak # vi /etc/
  • Spring缓存注解@Cache使用 tom_seed spring
    参考资料 http://www.ibm.com/developerworks/cn/opensource/os-cn-spring-cache/ http://swiftlet.net/archives/774   缓存注解有以下三个： @Cacheable      @CacheEvict     @CachePut
  • dom4j解析XML时出现"java.lang.noclassdeffounderror: org/jaxen/jaxenexception"错误 xp9802
    java.lang.NoClassDefFoundError: org/jaxen/JaxenExc 关键字: java.lang.noclassdeffounderror: org/jaxen/jaxenexception 使用dom4j解析XML时，要快速获取某个节点的数据，使用XPath是个不错的方法，dom4j的快速手册里也建议使用这种方式 执行时却抛出以下异常： Exceptio
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他