山在岭就在
山在岭就在

目标检测文献阅读笔记（一）

如果觉得这篇文章对您有所启发，欢迎关注我的公众号，我会尽可能积极和大家交流，谢谢。 

目标检测文献阅读笔记（一）_第1张图片



　　最近研究了一段时间的目标检测问题，将阅读的一些文献资料总结如下：

　　1、使用增强2DPCA和ML算法估计的目标追踪（Object tracking using incremental 2DPCA learning and ML estimation）（英文，期刊，2008，EI检索）

　　这篇文章的最大作用就是帮我们找到了增强型2DPCA（双向2DPC）的原始文献。

　　2、2DPCA：人脸识别的新方法（Two-Dimensional PCA：A new approach to appearence based face representation and recognition）（英文，期刊，2004，EI检索）　　

　　这是2DPCA的原始文献，对2DPCA如何根据图像提取PCA分量的原理讲解得很清楚，推导过程中对某些矩阵运算没有弄太懂。唯一不足的是文章并没有给出2DPCA的具体算法步骤，需要进一步在网上搜索代码。这篇文章透漏出一个最基本的想法：所谓2DPCA，就是直接对训练样本集的均值协方差矩阵进行一次主成分分析。

　　3、基于仿射变换与模板更新策略的目标跟踪方法（中文，期刊，2001，知网）

　　文献非常古老，看这篇文献的目的即是了解仿射变换在目标跟踪中的应用和作用。文中对仿射变换的作用给出了一个解释：能够是的目标矩形框随着目标的变化而进行放大、缩小、旋转。

　　4、基于稀疏表示的目标跟踪算法（中文，学位论文，2013年，知网）

　　读了这篇硕士论文之后基本上了解了如何应用稀疏表示技术进行目标跟踪。这里稀疏表示主要应用于两个方面：判决模型和筛选粒子时求解粒子的权重。通过稀疏求解给候选粒子打上标签，分配权重，既增加了粒子数量，又使得运算不过于复杂。

　　5、基于深度特征表达与学习的视觉跟踪算法研究（中文，期刊，2015，知网）

　　PCANet在目标跟踪的应用，很原始，改进空间也很大。

　　6、VIBE：一种有效的视频流背景建模方法（VIBE：A powerful random technique to estimate the background video sequences）（英文，会议论文，2009年，EI检索）

　　介绍了VIBE这个基本的、巧妙的背景建模方法。

　　7、基于粒子滤波和稀疏表示的视频目标跟踪（中文，期刊，2015，知网）

　　粒子滤波+琐碎模板+稀疏表示+L1范数最小化，其中对仿射变换和粒子滤波之间的联系介绍得比较清楚。

　　8、融合背景信息的分块稀疏表示跟踪算法（中文，期刊，2013，知网）

　　论文与现有的跟踪算法原理很接近

　　9、基于2DPCA的人脸识别研究（中文，学位论文，2014，知网）

　　主要从这篇论文中学习一些2DPCA的原理知识，不过文中并没有详细说明如何实现2DPCA方法。

　　10、基于2DPCA和L1范数的目标追踪（Object tracking via 2DPCA and l1-regularization）（英文，期刊，2012，IEEE检索）

　　2DPCA提取特征，L1范数稀疏定位置，效果非常好。

　　

你可能感兴趣的:(文献阅读笔记,文献阅读笔记)

  • 【文献阅读笔记】去噪学生网络：DeSTSeg 迎着黎明那道光 文献阅读笔记视觉异常检测笔记异常检测视觉检测深度学习
    2023CVPR领域：异常检测目标：图像输入数据文章目录1、模型2、方法3、实验4、引用5、想法1、模型模型分为三个模块，包括教师网络、去噪学生网络和分割网络。分为两个阶段进行训练，第一阶段训练去噪学生网络，第二阶段训练分割网络。2、方法去噪学生网络，主要解决的是异常过度泛化的问题，利用编码器-解码器架构实现去噪。在第一个阶段将合成异常图像输入，训练去噪学生网络输出无异常图像。使用合成异常图像的目
  • 【文献阅读笔记】无监督异常检测遇到噪声数据：STKD 迎着黎明那道光 文献阅读笔记视觉异常检测笔记异常检测视觉检测深度学习
    2022ICIP领域：异常检测目标：图像输入数据文章目录1、什么是噪声数据2、解决的措施3、模型4、方法5、消融实验6、引用7、想法1、什么是噪声数据在无监督异常检测设置中，用于训练的数据均是正常图片，但由于缺陷可能是细微的，因种种原因可能无法保障用于训练的数据集内均是正常图像，有可能混有异常图像。如果仍然按照原有的假设进行异常检测，将会影响检测性能。2、解决的措施通过迭代执行异常检测步骤和训练步
  • 第二十九周：文献阅读笔记（ResMLP）+ pytorch学习（Resnet代码实现） @默然 笔记pytorch学习人工智能python深度学习机器学习
    第二十九周：文献阅读笔记（ResMLP）摘要Abstract1.ResMLP1.1文献摘要1.2文献引言1.3ResMLP方法1.3.1整体流程1.3.2残差多感知机层1.4实验1.4.1数据集1.4.2超参数设置1.4.3主要结果1.4.4监督设置1.4.5自监督设置1.4.5知识蒸馏设置1.5ResMLP的创新点2.pytorch学习（ResNet代码实现）2.1数据集2.2文件结构2.3下载
  • 第二十八周：文献阅读笔记（弱监督学习）+ pytorch学习 @默然 笔记学习pytorch深度学习人工智能python
    第二十八周：文献阅读笔记（弱监督学习）摘要Abstract1.弱监督学习1.1.文献摘要1.2.引言1.3.不完全监督1.3.1.主动学习与半监督学习1.3.2.通过人工干预1.3.3.无需人工干预1.4.不确切的监督1.5.不准确的监督1.6.弱监督学习的创新点2.pytorch学习2.1.对现有模型进行修改2.2.优化器的使用2.3.完整的模型训练套路总结摘要弱监督学习是一种机器学习方法，其训
  • 第二十七周：文献阅读笔记 @默然 笔记
    第二十七周：文献阅读笔记摘要AbstractDenseNet网络1.文献摘要2.引言3.ResNets4.DenseBlock5.Poolinglayers6.ImplementationDetails7.Experiments8.FeatureReuse9.代码实现总结摘要DenseNet（密集连接网络）是一种深度学习神经网络架构，由KaimingHe等人在2017年提出。相较于传统的卷积神经网
  • 第二十九周：文献阅读笔记（DenseNet）+ pytorch学习 @默然 笔记pytorch学习
    第二十九周：文献阅读笔记（DenseNet）+pytorch学习摘要Abstract1、DenseNet文献阅读1.1文献摘要1.2文献引言1.3DenseNets网络1.3.1残差网络1.3.2密集连接1.3.3实施细节1.4实验1.4.1数据集1.4.1.1CIFAR1.4.1.2SVHN1.4.2模型训练1.4.3CIFAR和SVHN的分类结果1.4.4ImageNet上的分类结果1.5总结
  • 跨文化能力研究的深化与西方范式面临的质疑 叶小静Stamy
    2019-03-083月文献阅读笔记07-《跨文化能力研究》时间：1990-1999机构成立：①国际跨文化研究院1997②国际语言与跨文化交际学会1999③中国跨文化交际学会1995研究主题：文化价值观、文化适应、跨文化能力、跨文化关系、文化认同、权力的不平等中国的主要研究成果：①林大津：跨文化能力包括得体、有效性和正当（属于道德范畴）②贾玉新：跨文化能力由基本的交际能力系统、情感和关系能力系统、
  • 儒家视角的跨文化能力理论 叶小静Stamy
    2019-03-233月文献阅读笔记19-《跨文化能力研究》【研究者】X.S.Xiao&G.M.Chen【观点】西方文化以自我为中心，在评价交际能力时强调对过程的控制以及预定目标的实现。然而，这种视角并不适合以人际关系为中心的中国儒家文化。在儒家文化看来，一个人的交际能力并不在于能都控制交流过程与实现个人目标，而在于能否以德行感化他人，不断提升自我人格。
  • 微生物群落 文献阅读笔记 芜穀杂粱
    PatternsandProcessesofMicrobialCommunityAssembly壹微生物群落组装过程的统一理论一、群落理论的框架1.Diversification2.Selection3.Dispersal4.Drift二、微生物群落组装的需要什么样的理论？1.和一般群落理论一致2.同时注重微生物特有的特性Aunifiedconceptualframeworkofmicrobial
  • 自动驾驶感知-预测-决策-规划-控制学习（3）：感知方向文献阅读笔记 棉花糖永远滴神 自动驾驶学习笔记
    提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、文章主题二、摘要阅读1.名词理解①点云是什么？②二维图像分割器③轻量化卷积网络提取特征④单模态表达和多模态特征融合的区别⑤基于ROS的多传感器融合感知⑥TensorRT工具2.总结摘要三、绪论解析1.首先分析了车道线检测方面有三类工作2.又分析了三维目标检测研究的三类工作3.综述各章节内容四、硬件与软件设计1.总体方案
  • 【多传感器融合导航论文阅读】 今天我刷leetcode了吗 论文阅读学习方法
    多传感器融合导航论文积累知识点总结因子图一致因子图文献阅读笔记[IF18.6]知识点总结因子图FactorGraph是概率图的一种，是对函数因子分解的表示图，一般内含两种节点，变量节点和函数节点。因子图存在着：两类节点：变量节点和对应的函数节点变量节点所代表的变量是函数节点的自变量。同类节点之间没有边直接相连。一致因子图一致性指的是在该框架中能够保持一致性地更新变量的值，使得整个概率图模型中的变量
  • 第二十五周：文献阅读笔记（swin transformer） @默然 笔记transformer深度学习人工智能机器学习
    第二十五周：文献阅读笔记（swintransformer）摘要Abstract1.swintransformer文献笔记1.1.文献摘要1.2.引言1.3.SwinTransformer原理1.3.1.整体架构1.3.2.PatchMerging1.3.3.VIT中的PatchProjection1.3.4.基于滑动窗口的自注意力1.非重叠窗口中的自注意力2.连续块中的移动窗口分区3.移动窗口所存
  • 第二十四周：文献阅读笔记（VIT） @默然 笔记
    第二十四周：文献阅读笔记摘要Abstract1.文献阅读1.1文献题目1.2文献摘要1.3引言1.4VIT1.4.1Embedding层结构详解1.4.2BN和LN算法1.4.3TransformerEncoder详解1.4.4MLPHead（全连接头）1.5实验1.6文献总结2.随机梯度下降（回顾）摘要VIT是一种基于Transformer模型的视觉处理方法。传统上，卷积神经网络（CNN）在计算
  • 【文献阅读笔记】基于自监督的异常检测和定位：SSM 迎着黎明那道光 文献阅读笔记视觉异常检测笔记视觉检测深度学习
    2022IEEETRANSACTIONSONMULTIMEDIA领域：异常检测目标：图像输入数据文章目录1、模型2、方法2.1、randommasking2.2、restorationnetwork2.3、损失函数2.4、推理时的渐进细化3、实验4、引用5、想法1、模型训练：每个图像实时生成随机的掩码，然后将掩码输入到具有两个预测头的条件自动编码器，一个用于重建图像，一个用于重建掩码。通过随机掩码
  • 目标检测文献阅读笔记（一） 山在岭就在 文献阅读笔记文献阅读笔记
    如果觉得这篇文章对您有所启发，欢迎关注我的公众号，我会尽可能积极和大家交流，谢谢。最近研究了一段时间的目标检测问题，将阅读的一些文献资料总结如下：1、使用增强2DPCA和ML算法估计的目标追踪（Objecttrackingusingincremental2DPCAlearningandMLestimation）（英文，期刊，2008，EI检索）这篇文章的最大作用就是帮我们找到了增强型2DPCA（双
  • 【文献阅读笔记】深度异常检测模型 迎着黎明那道光 视觉异常检测笔记异常检测
    文章目录导读相关关键词及其英文描述记录深度异常检测模型Superviseddeepanomalydetection有监督深度异常检测Semi-Superviseddeepanomalydetection半监督深度异常检测Hybriddeepanomalydetection混合深度异常检测One-classneuralnetworkforanomalydetection用于异常检测的一类神经网络Un
  • 【文献阅读笔记】SimpleNet: A Simple Network for Image Anomaly Detection and Localization 迎着黎明那道光 视觉异常检测文献阅读笔记笔记视觉检测深度学习
    文章目录1、模型2、训练3、推理4、实验结果消融实验一类新奇检测5、代码6、想法2023CVPR领域：异常检测目标：图像输入数据1、模型模块：特征提取器、特征适配器、异常特征生成器、鉴别器模块功能构成特征提取器提取局部特征预训练网络的不同层特征适配器将预训练的特征转移到目标域一层的全连接层异常特征生成器生成异常样本向特征空间添加高斯噪声鉴别器鉴别出正常和异常两层的多层感知机2、训练训练过程：正常样
  • 【文献阅读笔记】路径损耗模型公式 迎着黎明那道光 文献阅读笔记通信笔记算法matlab矩阵
    信道的路径损耗信道的路径损耗是信道路径损耗真值的分贝数。信道路径损耗真值为发射功率与接收功率之比。信道的路径增益信道的路径增益分贝数时路径损耗的分贝值的负数。通常是负数路径损耗的模型公式Pr=Pt*K*(d0/d)^r其中：Pr是接收功率Pt是发射功率K是依赖于天线特性和平均信道损耗的常系数d0是天线的参考距离d是实际距离r是路径损耗指数K<1，取为d0处的自由空间路径损耗瑞利信道和莱斯信道在实际
  • 【文献阅读笔记】关于GANomaly的异常检测方法 迎着黎明那道光 文献阅读笔记视觉异常检测笔记视觉检测深度学习
    文章目录1、GANomaly:Semi-SupervisedAnomalyDetectionviaAdversarialTraining模型主要创新2、Skip-GANomaly:SkipConnectedandAdversariallyTrainedEncoder-DecoderAnomalyDetection模型主要创新点3、Industrialsurfacedefectdetectionan
  • 【文献阅读笔记】Knowledge-enhanced Visual-Language Pre-training on Chest Radiology Images Cpdr 论文阅读_副本笔记论文阅读论文笔记
    文章目录摘要1.介绍2.相关工作2.1.视觉语言的预训练模型2.2.医学的命名实体识别模型2.3.医学知识增强模型3.方法3.1.算法概述3.2.问题场景3.3.知识编码器3.4.实体提取（Entityextraction）3.5.知识引导的视觉表征学习4.实验4.1.特定领域的知识（Domain-specificKnowledge）4.2.数据集4.2.1.预训练的数据集4.2.2.用于下游评估
  • G.M.Chen & W.J. Starosta 的综合的跨文化交际能力模型 叶小静Stamy
    2019-03-123月文献阅读笔记10-《跨文化能力研究》定义：跨文化交际能力是交际者在特定的情境中商讨文化意义、辨析文化身份，有效得体地进行交际的能力，由情感、认知和行为过程三个不断发展和完善的过程构成。关键概念：①情感过程指跨文化交际敏感性的发展，即特定情形中个人情绪或感受的变化，包括：自我概念、开明度、中立态度和社交从容。②认知过程即跨文化的意识发展，包括自我意识和文化意识的发展。③行为过
  • 自动驾驶4D毫米波雷达文献综述 风靡晚 自动驾驶人工智能机器学习信息与通信信号处理算法
    文献阅读笔记：《4DMillimeter-WaveRadarinAutonomousDriving:ASurvey》4D毫米波（mmWave）雷达，能够测量目标的距离、方位角、高度和速度，已经在自动驾驶领域引起了相当大的兴趣。这归因于它在极端环境下的鲁棒性，以及出色的速度和高度测量能力。4D毫米波雷达不仅是毫米波雷达的改进版本，而且还引入了许多重要的研究课题。4D毫米波雷达的原始数据大小比传统雷达
  • （论文阅读34-39）理解CNN 朽月初二 论文阅读cnn人工智能笔记学习神经网络深度学习
    34.文献阅读笔记简介题目Understandingimagerepresentationsbymeasuringtheirequivarianceandequivalence作者KarelLenc,AndreaVedaldi,CVPR,2015.原文链接http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Lenc_Un
  • （论文阅读51-57）图像描述3 53 朽月初二 论文阅读人工智能笔记学习
    51.文献阅读笔记（KNN）简介题目ExploringNearestNeighborApproachesforImageCaptioning作者JacobDevlin,SaurabhGupta,RossGirshick,MargaretMitchell,C.LawrenceZitnick,arXiv:1505.04467原文链接http://arxiv.org/pdf/1505.04467.pdf
  • （论文阅读46-50）图像描述2 朽月初二 论文阅读计算机视觉笔记学习
    46.文献阅读笔记简介题目LearningaRecurrentVisualRepresentationforImageCaptionGeneration作者XinleiChen,C.LawrenceZitnick,arXiv:1411.5654.原文链接http://www.cs.cmu.edu/~xinleic/papers/cvpr15_rnn.pdf关键词2014年rnn图像特征和文本特征相
  • （论文阅读40-45）图像描述1 朽月初二 论文阅读计算机视觉笔记学习cnn
    40.文献阅读笔记（m-RNN）简介题目ExplainImageswithMultimodalRecurrentNeuralNetworks作者JunhuaMao,WeiXu,YiYang,JiangWang,AlanL.Yuille,arXiv:1410.1090原文链接http://arxiv.org/pdf/1410.1090.pdf关键词m-RNN、multimodal研究问题研究问题：解
  • （论文阅读31/100）Stacked hourglass networks for human pose estimation 朽月初二 论文阅读计算机视觉笔记学习
    31.文献阅读笔记简介题目Stackedhourglassnetworksforhumanposeestimation作者AlejandroNewell,KaiyuYang,andJiaDeng,ECCV,2016.原文链接https://arxiv.org/pdf/1603.06937.pdf关键词HumanPoseEstimation研究问题CNN运用于HumanPoseEstimation，
  • （论文阅读32/100）Flowing convnets for human pose estimation in videos 朽月初二 论文阅读
    32.文献阅读笔记简介题目Flowingconvnetsforhumanposeestimationinvideos作者TomasPfister,JamesCharles,andAndrewZisserman,ICCV,2015.原文链接https://arxiv.org/pdf/1506.02897.pdf关键词HumanPoseEstimationinVideos研究问题视频中的人体姿态估计研
  • （论文阅读30/100）Convolutional Pose Machines 朽月初二 论文阅读计算机视觉笔记学习
    30.文献阅读笔记CPMs简介题目ConvolutionalPoseMachines作者Shih-EnWei,VarunRamakrishna,TakeoKanade,andYaserSheikh,CVPR,2016.原文链接https://arxiv.org/pdf/1602.00134.pdf关键词ConvolutionalPoseMachines（CPMs）、articulatedposee
  • （论文阅读28/100 人体姿态估计）Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields 朽月初二 论文阅读计算机视觉人工智能
    28.文献阅读笔记简介题目RealtimeMulti-Person2DPoseEstimationusingPartAffinityFields作者ZheCao,TomasSimon,Shih-EnWei,andYaserSheikh,CVPR,2017.原文链接arxiv.org/pdf/1611.08050.pdf【人体姿态估计2】Real-timeMulti-person2dposeesti
  • jquery实现的jsonp掉java后台 知了ing javajsonpjquery
    什么是JSONP？ 先说说JSONP是怎么产生的： 其实网上关于JSONP的讲解有很多，但却千篇一律，而且云里雾里，对于很多刚接触的人来讲理解起来有些困难，小可不才，试着用自己的方式来阐释一下这个问题，看看是否有帮助。 1、一个众所周知的问题，Ajax直接请求普通文件存在跨域无权限访问的问题，甭管你是静态页面、动态网页、web服务、WCF，只要是跨域请求，一律不准； 2、
  • Struts2学习笔记 caoyong struts2
    SSH : Spring + Struts2 + Hibernate 三层架构(表示层,业务逻辑层,数据访问层) MVC模式 (Model View Controller) 分层原则:单向依赖，接口耦合 1、Struts2  =  Struts  + Webwork 2、搭建struts2开发环境    a>、到www.apac
  • SpringMVC学习之后台往前台传值方法 满城风雨近重阳 springMVC
    springMVC控制器往前台传值的方法有以下几种： 1.ModelAndView    通过往ModelAndView中存放viewName：目标地址和attribute参数来实现传参：      ModelAndView mv=new ModelAndView();  mv.setViewName="success
  • WebService存在的必要性？ 一炮送你回车库 webservice
    做Java的经常在选择Webservice框架上徘徊很久，Axis  Xfire Axis2 CXF ，他们只有一个功能，发布HTTP服务然后用XML做数据传输。 是的，他们就做了两个功能，发布一个http服务让客户端或者浏览器连接，接收xml参数并发送xml结果。 当在不同的平台间传输数据时，就需要一个都能解析的数据格式。 但是为什么要使用xml呢？不能使json或者其他通用数据
  • js年份下拉框 3213213333332132 java web ee
    <div id="divValue">test...</div>测试 //年份 <select id="year"></select> <script type="text/javascript"> window.onload =
  • 简单链式调用的实现技术 归来朝歌 方法调用链式反应编程思想
    在编程中，我们可以经常遇到这样一种场景：一个实例不断调用它自身的方法，像一条链条一样进行调用 这样的调用你可能在Ajax中，在页面中添加标签： $("<p>").append($("<span>").text(list[i].name)).appendTo("#result");   也可能在HQ
  • JAVA调用.net 发布的webservice 接口 darkranger webservice
    /** * @Title: callInvoke * @Description: TODO(调用接口公共方法) * @param @param url 地址 * @param @param method 方法 * @param @param pama 参数 * @param @return * @param @throws BusinessException
  • Javascript模糊查找 | 第一章 循环不能不重视。 aijuans Way
    最近受我的朋友委托用js+HTML做一个像手册一样的程序，里面要有可展开的大纲，模糊查找等功能。我这个人说实在的懒，本来是不愿意的，但想起了父亲以前教我要给朋友搞好关系，再加上这也可以巩固自己的js技术，于是就开始开发这个程序，没想到却出了点小问题，我做的查找只能绝对查找。具体的js代码如下： function search(){ var arr=new Array("my
  • 狼和羊，该怎么抉择 atongyeye 工作
    狼和羊，该怎么抉择 在做一个链家的小项目，只有我和另外一个同事两个人负责，各负责一部分接口，我的接口写完，并全部测联调试通过。所以工作就剩下一下细枝末节的，工作就轻松很多。每天会帮另一个同事测试一些功能点，协助他完成一些业务型不强的工作。 今天早上到公司没多久，领导就在QQ上给我发信息，让我多协助同事测试，让我积极主动些，有点责任心等等，我听了这话，心里面立马凉半截，首先一个领导轻易说
  • 读取android系统的联系人拨号 百合不是茶 androidsqlite数据库内容提供者系统服务的使用
           联系人的姓名和号码是保存在不同的表中,不要一下子把号码查询来,我开始就是把姓名和电话同时查询出来的,导致系统非常的慢   关键代码:     1, 使用javabean操作存储读取到的数据 package com.example.bean; /** * * @author Admini
  • ORACLE自定义异常 bijian1013 数据库自定义异常
    实例： CREATE OR REPLACE PROCEDURE test_Exception ( ParameterA IN varchar2, ParameterB IN varchar2, ErrorCode OUT varchar2 --返回值,错误编码 ) AS /*以下是一些变量的定义*/ V1 NUMBER; V2 nvarc
  • 查看端号使用情况 征客丶 windows
    一、查看端口 在windows命令行窗口下执行： >netstat -aon|findstr "8080" 显示结果： TCP     127.0.0.1:80         0.0.0.0:0    &
  • 【Spark二十】运行Spark Streaming的NetworkWordCount实例 bit1129 wordcount
    Spark Streaming简介   NetworkWordCount代码   /* * Licensed to the Apache Software Foundation (ASF) under one or more * contributor license agreements. See the NOTICE file distributed with
  • Struts2 与 SpringMVC的比较 BlueSkator struts2spring mvc
    1. 机制：spring mvc的入口是servlet，而struts2是filter，这样就导致了二者的机制不同。 2. 性能：spring会稍微比struts快。spring mvc是基于方法的设计，而sturts是基于类，每次发一次请求都会实例一个action，每个action都会被注入属性，而spring基于方法，粒度更细，但要小心把握像在servlet控制数据一样。spring
  • Hibernate在更新时，是可以不用session的update方法的(转帖） BreakingBad Hibernateupdate
    地址：http://blog.csdn.net/plpblue/article/details/9304459 public void synDevNameWithItil() {Session session = null;Transaction tr = null;try{session = HibernateUtil.getSession();tr = session.beginTran
  • 读《研磨设计模式》-代码笔记-观察者模式 bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ import java.util.ArrayList; import java.util.List; import java.util.Observable; import java.util.Observer; /** * “观
  • 重置MySQL密码 chenhbc mysql重置密码忘记密码
    如果你也像我这么健忘，把MySQL的密码搞忘记了，经过下面几个步骤就可以重置了（以Windows为例，Linux/Unix类似）： 1、关闭MySQL服务 2、打开CMD，进入MySQL安装目录的bin目录下，以跳过权限检查的方式启动MySQL mysqld --skip-grant-tables  3、新开一个CMD窗口，进入MySQL mysql -uroot  
  • 再谈系统论，控制论和信息论 comsci 设计模式生物能源企业应用领域模型
                               再谈系统论，控制论和信息论     偶然看
  • oracle moving window size与 AWR retention period关系 daizj oracle
    转自： http://tomszrp.itpub.net/post/11835/494147 晚上在做11gR1的一个awrrpt报告时,顺便想调整一下AWR snapshot的保留时间,结果遇到了ORA-13541这样的错误.下面是这个问题的发生和解决过程. SQL> select * from v$version; BANNER -------------------
  • Python版B树 dieslrae python
    话说以前的树都用java写的,最近发现python有点生疏了,于是用python写了个B树实现,B树在索引领域用得还是蛮多了,如果没记错mysql的默认索引好像就是B树... 首先是数据实体对象,很简单,只存放key,value class Entity(object): '''数据实体''' def __init__(self,key,value)
  • C语言冒泡排序 dcj3sjt126com 算法
    代码示例： # include <stdio.h> //冒泡排序 void sort(int * a, int len) { int i, j, t; for (i=0; i<len-1; i++) { for (j=0; j<len-1-i; j++) { if (a[j] > a[j+1]) // >表示升序
  • 自定义导航栏样式 dcj3sjt126com 自定义
    -(void)setupAppAppearance { [[UILabel appearance] setFont:[UIFont fontWithName:@"FZLTHK—GBK1-0" size:20]]; [UIButton appearance].titleLabel.font =[UIFont fontWithName:@"FZLTH
  • 11.性能优化-优化-JVM参数总结 frank1234 jvm参数性能优化
    1.堆 -Xms --初始堆大小 -Xmx --最大堆大小 -Xmn --新生代大小 -Xss --线程栈大小 -XX:PermSize  --永久代初始大小 -XX:MaxPermSize  --永久代最大值 -XX:SurvivorRatio --新生代和suvivor比例,默认为8 -XX:TargetSurvivorRatio --survivor可使用
  • nginx日志分割 for linux HarborChung nginxlinux脚本
    nginx日志分割 for linux 默认情况下，nginx是不分割访问日志的，久而久之，网站的日志文件将会越来越大，占用空间不说，如果有问题要查看网站的日志的话，庞大的文件也将很难打开，于是便有了下面的脚本   使用方法，先将以下脚本保存为 cutlog.sh，放在/root 目录下，然后给予此脚本执行的权限   复制代码代码如下: chmo
  • Spring4新特性——泛型限定式依赖注入 jinnianshilongnian springspring4泛型式依赖注入
    Spring4新特性——泛型限定式依赖注入 Spring4新特性——核心容器的其他改进 Spring4新特性——Web开发的增强 Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC  Spring4新特性——Groovy Bean定义DSL Spring4新特性——更好的Java泛型操作API  Spring4新
  • centOS安装GCC和G++ liuxihope centosgcc
    Centos支持yum安装，安装软件一般格式为yum install .......，注意安装时要先成为root用户。 按照这个思路，我想安装过程如下： 安装gcc：yum install gcc 安装g++： yum install g++ 实际操作过程发现，只能有gcc安装成功，而g++安装失败，提示g++ command not found。上网查了一下，正确安装应该
  • 第13章 Ajax进阶（上） onestopweb Ajax
    index.html <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/
  • How to determine BusinessObjects service pack and fix pack blueoxygen BO
    http://bukhantsov.org/2011/08/how-to-determine-businessobjects-service-pack-and-fix-pack/   The table below is helpful. Reference   BOE XI 3.x 12.0.0. y BOE XI 3.0 12.0. x. y BO
  • Oracle里的自增字段设置 tomcat_oracle oracle
    　大家都知道吧，这很坑，尤其是用惯了mysql里的自增字段设置，结果oracle里面没有的。oh，no 　　我用的是12c版本的，它有一个新特性，可以这样设置自增序列，在创建表是，把id设置为自增序列 create table t ( id 　　 　　 number generated by default as identity (start with 1 increment b
  • Spring Security（01）——初体验 yang_winnie springSecurity
    Spring Security（01）——初体验     博客分类： spring Security Spring Security入门安全认证        首先我们为Spring Security专门建立一个Spring的配置文件，该文件就专门用来作为Spring Security的配置
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他