m0_46521579
m0_46521579

随机过程——卡尔曼滤波学习笔记

一、均方预测和随机序列分解

考虑随机序列X(k),X(k-1),X(k-2),\cdots, X(2),X(1),X(0)

使用X(k-1),X(k-2),\cdots,X(2),X(1),X(0)预测X(k)

定义X_{MS}(k) = E[X(k)|X(k-1),X(k-2),\cdots ,X(0)]

称为X(k)的均方可预测部分。 

若X(k),X(k-1),\cdots ,X(1),X(0)相互独立，则X(k)是均方不可预测的。

X_{MS}(k) = E[X(k)|X(k-1),X(k-2),\cdots ,X(0)] = E[X(k)]

定义随机序列X(k)的新息序列V(k)=X(k)-X_{MS}(k) 

V(k)基于样本观测的条件均值为0，即均方不可预测。

V(k)与X_{MS}(k)是正交的，即E[V(k)X_{MS}(k)] = 0。

二、卡尔曼滤波

输入观测量z(n)，对x(n)进行估计得到\hat{x}(n)

1. 系统模型

状态方程

x(n)=F(n,n-1)x(n-1)+v_1(n-1)

观测方程 

z(n)=C(n)x(n)+v_2(n)

 其中，

x(n)：状态向量，N \times 1

z(n)：观测向量，M \times 1

v_1(n)：状态噪声，N \times 1，高斯白噪声

v_2(n)：观测噪声，M \times 1，高斯白噪声

F(n, n-1)：状态转移矩阵，N \times N

C(n)：观测矩阵，M \times N

相关性质：

（1）乘积率：F(n+1, n-1) = F(n+1, n)F(n, n-1)

（2）状态噪声自相关矩阵：E\left[ v_1(n) v_1^H(n) \right ] = Q_1(n) \delta(n-k)

（3）观测噪声自相关矩阵：E\left[ v_2(n) v_2^H(n) \right ] = Q_2(n) \delta(n-k)

（4）噪声独立性：E\left[ v_1(n) v_2^H(n) \right ] = 0

2. 新息过程

随机过程——卡尔曼滤波学习笔记_第1张图片

定义MMSE下的预测误差e(n)为新息过程，记作a(n)

a(n) = z(n) - \hat{d}(n) = z(n) - W^Hz_{n-1}

\hat{d}(n)记作\hat{z}\left( n | Z_{n-1} \right )是用前n-1个观测值对z(n)进行MMSE估计。

其中，

观测向量：z_{n-1} = \left[ z(1), z(2), z(3), \cdots , z(n-1) \right ]^T

权向量：W = \left[ w_1, w_2, \cdots, w_{n-1} \right ]^{T}

性质

（1）当前新息与以前各观测量正交

E\left[ a(n) z^{*}(n) \right ] = 0, k=0,1,2,\cdots,n-1

（2）当前新息与以前各新息正交

E\left[ a(n) a^{*}(n) \right ] = 0, k=0,1,2,\cdots,n-1

（3）新息与观测量等价

随机过程——卡尔曼滤波学习笔记_第2张图片

3. 用观测量估计（MMSE估计）状态变量

\hat{x}(n|Z_n) = W^{H} z_n = W^HL_{n}^{-1}a_n = b^{H}a_n

其中，

a_n = a(n) = \left[ a(1), a(2), \cdots, a(n) \right ]^T

b(n) = \left[ b(1), b(2), \cdots, b(n) \right ]^T

A(n) = E\left[ a_n a_n^{H} \right ]

p_a(n) = E\left[ a_n x^{*}(n) \right ]

递推形式：

\hat{x}(n|Z_n) = b^{H} a_n = \sum_{i=1}^{n} b^{*}(i)a(i) = \hat{x}(n|Z_{n-1}) + b^{*}(n)a(n)

随机过程——卡尔曼滤波学习笔记_第3张图片

你可能感兴趣的:(算法)

  • 代码随想录算法训练营第三十九天-动态规划-337. 打家劫舍 III taoyong001 算法动态规划c++leetcode
    老师讲这是树形dp的入门题目解题思路是以二叉树的遍历（递归三部曲）再结合动规五部曲dp数组如何定义：只需要定义一个二个元素的数组，dp[0]与dp[1]dp[0]表示不偷当前节点的最大价值dp[1]表示偷当前节点后的最大价值这样可以把每个节点的状态值都表示出来但这个数组的两个值只表示当前节点的状态值递归时要使用后序遍历：使用后序遍历的原因就是要从叶子结点一层一层向上统计出来/***Definiti
  • 使用OpenSSL库接口，实现AES CBC加密，基于X509 base64编码证书的RSA非对称加密例子 GavinFj C语言相关工作学习总结算法数据安全
    RSA加密的填充方式安全不一样，RSA算法PKCS1填充方式没有OAEP填充方式安全；同样的AES选择CBC模式更加安全。网上看了好多例子，都没有使用X509base64编码证书的RSAOAEP填充方式加密。研究记录下RSA、AES的加密，以供参考。话不多说，直接上demo。/*************************************************************
  • 实战LLM强化学习——使用GRPO（DeepSeek R1出圈算法） FF-Studio DeepSeekR1算法语言模型人工智能自然语言处理机器学习
    ——关于使用Unsloth库、LoRa微调及GRPOTrainer自定义奖励函数实现“只输出10个英语单词”的探索为什么要进行“只输出10个英文单词”的极端尝试？在大模型的训练或微调当中，大多数场景我们都希望它能“自由发挥”，给出越丰富越好的答案。但，为了更好的理解强化学习在LLM训练过程中发挥的意义，也为了学习GPRO这个强化学习算法，笔者出此题目，方便大家学习理解。GRPO（GroupRela
  • 【AI中数学-数理统计-综合实例-包括python实现】 揭开数据的面纱：真实样本数据的探索与可视化 云博士的AI课堂 AI中的数学人工智能python数理统计数据预处理数据探索数据可视化机器学习
    第五章：数理统计-综合实例1.揭开数据的面纱：真实样本数据的探索与可视化在人工智能（AI）应用中，数据是构建算法和模型的基石，而数理统计则为我们提供了理解和处理这些数据的工具。数据探索和可视化是数理统计中至关重要的步骤，它们不仅能帮助我们理解数据的分布、关系和趋势，还能够为后续的建模工作提供依据。本节将通过五个实际案例，展示如何使用数理统计和可视化技术对真实样本数据进行探索。每个案例都包括具体的描
  • 数据结构与算法之排序: LeetCode 1356. 根据数字二进制下 1 的数目排序 (Ts版) Wang's Blog DataStructureandAlgorithms动态规划leetcode算法
    根据数字二进制下1的数目排序https://leetcode.cn/problems/sort-integers-by-the-number-of-1-bits/description/描述给你一个整数数组arr。请你将数组中的元素按照其二进制表示中数字1的数目升序排序如果存在多个数字二进制中1的数目相同，则必须将它们按照数值大小升序排列请你返回排序后的数组示例1输入：arr=[0,1,2,3,4
  • 2025年美赛数学建模 MCM Problem B: Managing Sustainable Tourism 问题 B：可持续旅游管理 代码解析 2025年数学建模美赛 2025年美赛MCM/ICM数学建模旅游2025美赛2025年数学建模美赛python代码matlab可持续旅游管理
    目录代码框架：遗传算法优化可持续旅游模型python代码代码解析：matlab代码代码解析：代码框架：遗传算法优化可持续旅游模型python代码importnumpyasnpimportrandomimportmatplotlib.pyplotasplt#定义遗传算法的参数POP_SIZE=100#种群大小GENS=500#迭代代数MUTATION_RATE=0.01#变异率CROSSOVER_R
  • Python 实现文本摘要功能 热爱技术的小胡 python
    互联网时代信息爆炸式增长，人们面对越来越多的信息无法一一阅读，而文本自动摘要技术可以一定程度上缓解这个问题。摘要就是一篇文章的核心部分信息，文本自动摘要技术分抽取式摘要和生成式摘要，前者是在原文中挑选一定比例的句子拼凑成一个摘要，后者更接近人为的总结式简写一篇文章。目前越来越多的研究者使用深度神经网络来研究生成式摘要技术，但是难度也挺大，效果有限。本文的方法是使用基于启发式规则的算法实现了一个抽取
  • 区块链学习资料 sunchenzl 区块链学习资料
    本文列举了关于区块链和数字加密技术的文章和资源，分为以下几个部分：构建区块和基础；基础（和历史）；关键概念——包括特定课题（例如区块链治理）；隐私和安全；扩展；共识算法、加密货币经济和投资；资金筹集和通证分布；去中心化交易所；稳定货币；加密货币经济原生产品（数字加密收藏品、管理市场、游戏）。最后，文章还提供了开发者教程、实践教程和人物事迹，以及其他资源，例如时事新闻和课程。干货满满哦！1、构建区块
  • 快手NS sig3签名算法（2025年1月） sh_moranliunian 蜘蛛侠网络爬虫后端python爬虫算法
    kuaishou/__NS_sig3.js源码见文章最后。python中调用示例importjsonimportsysimportrequestsimportosimportexecjsimporthashlibimportdatetimefromCookieUtilimportCookieUtilfromfake_useragentimportUserAgentnormal_js=execjs.
  • bkcrack安装 x0da6h 网络安全
    bkcrack是一款破解密码算法工具在ctf中主要用于破解压缩包密码本文主要介绍它的下载、安装方法先从github获取资源，windows中安装bkcrack还需要额外安装VC++的Redistributablegitclonehttps://github.com/kimci86/bkcrack.git然后配置cmake工具，需要用到cmake手动构建brack的项目代码pipinstallcma
  • 【IMU Kalman滤波器】9轴IMU传感器（加速度计、陀螺仪、磁力计）的卡尔曼滤波器算法研究（Matlab代码实现） 然哥爱编程 算法matlab开发语言
    欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录⛳️赠与读者1概述一、引言二、9轴IMU传感器原理及误差分析三、卡尔曼滤波器算法四、实验与结果分析五、结论与展望2运行结果3参考文献4Matlab代码、数据⛳️赠与读者‍做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努
  • CVPR‘24开源 | ADA-Track：端到端3D多目标跟踪最新SOTA！ 计算机视觉工坊 3D视觉从入门到精通3d目标跟踪人工智能
    编辑：计算机视觉工坊添加小助理：dddvision，备注：方向+学校/公司+昵称，拉你入群。文末附行业细分群扫描下方二维码，加入3D视觉知识星球，星球内凝聚了众多3D视觉实战问题，以及各个模块的学习资料：近20门视频课程（星球成员免费学习）、最新顶会论文、3DGS系列、计算机视觉书籍、优质3D视觉算法源码等。想要入门3D视觉、做项目、搞科研，欢迎扫码加入！
  • 启元世界（Inspir.ai）技术浅析（一） 爱研究的小牛 AIGC—游戏制作人工智能机器学习AIGC深度学习
    启元世界（Inspir.ai）作为全球领先的通用人工智能平台公司，自2017年成立以来，一直致力于通过人工智能技术提升产业效能和生活体验。公司汇聚了来自全球顶尖公司和高等学府的技术专家，专注于深度强化学习、推荐算法以及机器学习系统平台等前沿领域，并成功将人工智能技术应用于数字娱乐、智能决策和机器人等多个领域。一、核心技术启元世界在人工智能领域取得了多项突破性进展，其核心技术涵盖了以下几个方面：1.
  • 数据结构与算法课后题整理（三） ミッタン 数据结构算法
    第三章1.(2分)串是任意有限个（）。A.符号构成的集合B.符号构成的序列C.字符构成的集合D.字符构成的序列2.(2分)串是一种特殊的线性表，其特殊性体现在（）。A.可以顺序存储B.数据元素是一个字符C.可以链式存储D.数据元素可以是多个字符3.(2分)两个串相等必有串长度相等且（）。A.串的各位置字符任意B.串中各位置字符均对应相等C.两个串含有相同的字符D.两个串所含字符任意4.(2分)设有
  • 数据结构与算法课后题整理（四） ミッタン 数据结构算法二叉树
    1.(2分)具有10个叶结点的二叉树中有（）个度为2的结点。A.9B.10C.8D.112.(2分)一棵完全二叉树上有1001个结点，其中叶子结点的个数是(）。A.250B.501C.505D.2543.一棵二叉树高度为h（只有根结点时的高度为1）,所有结点的度或为0，或为2，则这棵二叉树最少有（）个结点。A.2hB.h+1C.2h+1D.2h-14.高度为K（只有根结点时的高度为1）的二叉树最大
  • Python实现复原毫米波雷达呼吸波形的示例 go5463158465 python算法机器学习python开发语言
    以下是一个使用Python实现复原毫米波雷达呼吸波形的示例，该示例将涉及模型算法在重建损失和KL（Kullback-Leibler）损失之间的平衡问题。我们将使用深度学习中的变分自编码器（VAE）作为模型来进行呼吸波形的复原，因为VAE可以很好地处理重建和潜在空间分布的问题。步骤概述数据准备：生成或加载毫米波雷达的呼吸波形数据。定义VAE模型：包括编码器和解码器。定义损失函数：结合重建损失和KL损
  • 大数据技术在数据安全治理中的应用 罗思付之技术屋 综合技术探讨及方案专栏大数据
    摘要面对新形势下的数据安全治理挑战，顺应数据安全领域的技术发展趋势，针对大型国企在数据安全治理实际应用中突出的关键权限人员识别问题，提出了一种基于图算法的关键权限人员识别技术。该技术可以发现系统中潜在的权限影响因素，并可从多个角度衡量不同含义的权重影响力，识别结果可解释性强。针对数据安全治理中的用户与实体行为异常检测问题，提出一种基于生成对抗网络的用户与实体行为异常检测方法，实验结果表明，所提方法
  • 阶乘的六种实现代码 ← Python hnjzsyjyj Python程序设计Python阶乘
    阶乘是一个常见的数学概念。一个正整数n的阶乘是所有小于等于n的正整数的乘积。阶乘通常用符号n!来表示。其中n是一个正整数。【算法代码一：for循环】deffac(n):p=1foriinrange(1,n+1):p=p*ireturnpx=eval(input())print(fac(x))【算法代码二：while循环】Python中没有++和--这两个运算符。deffac(n):i=1p=1wh
  • 代码随想录算法训练营第五十九天| 503.下一个更大元素II、42. 接雨水 Joanna-升 代码随想录训练营算法leetcode数据结构
    代码随想录算法训练营第五十九天|503.下一个更大元素II、42.接雨水503.下一个更大元素II解题代码42.接雨水解题代码503.下一个更大元素II题目链接：503.下一个更大元素II解题代码funcnextGreaterElements(nums[]int)[]int{length:=len(nums)result:=make([]int,length,length)fori:=0;i0&&
  • LeetCode-第一题 Joanna-升 LeetCode解题篇leetcodec语言
    LeetCode1.求两数之和开篇心得题目复述思考历程解题代码（C语言）结题结语开篇心得刷算法题一直是一件在计划中的事情，从未接触C语言时就拥有这样的冲动，直到现在学完数据结构，才有了略为正式的开始。之前从没有接触过算法题的训练，也深知自己几斤几两，所以博客里可能会有很多不成熟的、不正确的想法和观点，十分欢迎混圈的大神们赐教，但更多的还是想记录自己青涩的成长之路。叨叨半天的废话，下面还是开始进入正
  • 如何使用深度学习中的 Transformer 算法进行视频目标检测 go5463158465 python算法深度学习python开发语言
    以下将介绍如何使用深度学习中的Transformer算法进行视频目标检测，并给出一个复现相关论文思路及示例代码。这里以DETR（End-to-EndObjectDetectionwithTransformers）为基础进行说明，它是将Transformer引入目标检测领域的经典论文。步骤概述环境准备：安装必要的库，如PyTorch、torchvision等。数据准备：使用公开的视频目标检测数据集，
  • 数据结构---数组与链表 GOV_D 数据结构数据结构
    文章目录一、数组二、链表三、数组和链表的选择四、链表的基本使用和算法一、数组数组的特点1.在内存中，数组是一块连续的区域2.数组需要预留空间，在使用前需要提前申请所占内存的大小，不知道需要多大的空间，可能会浪费内存空间，即数组空间利用率低3.在数组起始位置处，插入数据和删除数据效率低。插入数据时，待插入位置的的元素和它后面的所有元素都需要向后搬移删除数据时，待删除位置后面的所有元素都需要向前搬移4
  • SpringBoot中运行Yolov5程序 eqa11 springbootYOLO后端
    文章目录SpringBoot中运行Yolov5程序一、引言二、环境搭建1、SpringBoot项目创建2、YOLOv5环境配置三、SpringBoot与YOLOv5集成1、创建Python服务2、SpringBoot调用Python服务四、使用示例1、创建控制器五、总结SpringBoot中运行Yolov5程序一、引言在人工智能领域，目标检测是一个热门且实用的技术。YOLOv5作为目标检测算法中的
  • 模型架构选择：从传统NLP到Transformer AI天才研究院 AI大模型应用入门实战与进阶大数据AI人工智能计算大数据人工智能语言模型AI大模型LLMJavaPython架构设计AgentRPA
    模型架构选择：从传统NLP到Transformer关键词：自然语言处理(NLP),模型架构,传统NLP,Transformer,RNN,CNN,预训练模型文章目录模型架构选择：从传统NLP到Transformer1.背景介绍1.1问题的由来1.2研究现状1.3研究意义1.4本文结构2.核心概念与联系3.核心算法原理&具体操作步骤3.1算法原理概述3.1.1传统NLP模型3.1.2RNN模型3.1.
  • 基于matlab的GPS信号捕获仿真 Simuworld MATLAB仿真案例matlabGPS信号捕获
    目录1.算法概述2.仿真效果3.MATLAB仿真源码1.算法概述全球定位系统gps是一种可以在全球范围内为用户全天候提供实时、连续、高精度的位置、速度和时间信息的卫星导航系统，其主要终端设备是gps接收机。gps信号捕获是gps接收机的关键技术之一，它直接影响着后续对信号的跟踪和定位数据的解算，决定着接收机的性能。现有的gps接收机c/a码捕获方法主要有两种：一种是基于时域的串行搜索捕获法，该方法
  • Transformer架构的GPU并行和之前的NLP算法并行有什么不同？ AI大模型学习不迷路 transformer自然语言处理大模型深度学习NLPLLM大语言模型
    1.什么是GPU并行计算？GPU并行计算是一种利用图形处理单元（GPU）进行大规模并行数据处理的技术。与传统的中央处理单元（CPU）相比，GPU拥有更多的核心，能够同时处理数千个线程，这使得GPU在处理高度并行的任务时表现出色。在深度学习中，GPU并行计算被广泛应用于训练神经网络，加速模型训练过程。在2017年之前，自然语言处理（NLP）领域的研究者们通常会从头开始训练模型，那时能够利用GPU进行
  • 垃圾回收机制 Louis yeap 算法pythongo
    系列文章目录文章目录目录系列文章目录文章目录前言一、垃圾回收算法二、golang垃圾回收算法三、python垃圾回收算法前言垃圾回收（GarbageCollection,GC）是一种自动管理内存的技术，用于动态分配内存的编程语言中。当程序运行时，会创建大量的对象和变量，这些对象占用内存。在程序的某些阶段，一些对象不再被需要，或者不再被引用，这些对象占用的内存就可以被释放，以便其他对象使用。垃圾回收
  • 贪心算法--加油站、公路问题 我不叫喂！我叫楚雨荨 贪心算法算法C++贪心算法算法
    题目来自洛谷-P9749，传送门题目描述小苞准备开着车沿着公路自驾。公路上一共有nnn个站点，编号为从111到nnn。其中站点iii与站点i+1i+1i+1的距离为viv_ivi公里。公路上每个站点都可以加油，编号为iii的站点一升油的价格为aia_iai元，且每个站点只出售整数升的油。小苞想从站点111开车到站点nnn，一开始小苞在站点111且车的油箱是空的。已知车的油箱足够大，可以装下任意多的
  • 无重复字符的最长子串 不停留 150道经典算法面试习题javascript开发语言ecmascript
    hello大家好！今天开写一个新章节，每一天一道算法题。让我们一起来学习算法思维吧！functionlengthOfLongestSubstring(s){//用于存储字符及其在字符串中最新出现的索引constcharIndexMap=newMap();//记录最长无重复字符子串的长度letmaxLength=0;//滑动窗口的起始位置letstart=0;//遍历字符串，end作为滑动窗口的结束
  • 长度最小的子数组 不停留 150道经典算法面试习题javascript数据结构算法
    hello大家好！今天开写一个新章节，每一天一道算法题。让我们一起来学习算法思维吧！functionminSubArrayLen(target,nums){constn=nums.length;//初始化最小子数组长度为一个较大的值，用于后续比较更新letminLength=Infinity;//初始化当前子数组的起始位置letstart=0;//初始化当前子数组的元素总和letsum=0;//遍
  • linux系统服务器下jsp传参数乱码 3213213333332132 javajsplinuxwindowsxml
    在一次解决乱码问题中， 发现jsp在windows下用js原生的方法进行编码没有问题，但是到了linux下就有问题， escape,encodeURI,encodeURIComponent等都解决不了问题 但是我想了下既然原生的方法不行，我用el标签的方式对中文参数进行加密解密总该可以吧。于是用了java的java.net.URLDecoder,结果还是乱码，最后在绝望之际，用了下面的方法解决了
  • Spring 注解区别以及应用 BlueSkator spring
    1. @Autowired @Autowired是根据类型进行自动装配的。如果当Spring上下文中存在不止一个UserDao类型的bean，或者不存在UserDao类型的bean，会抛出 BeanCreationException异常，这时可以通过在该属性上再加一个@Qualifier注解来声明唯一的id解决问题。   2. @Qualifier 当spring中存在至少一个匹
  • printf和sprintf的应用 dcj3sjt126com PHPsprintfprintf
    <?php printf('b: %b <br>c: %c <br>d: %d <bf>f: %f', 80,80, 80, 80); echo '<br />'; printf('%0.2f <br>%+d <br>%0.2f <br>', 8, 8, 1235.456); printf('th
  • config.getInitParameter 171815164 parameter
    web.xml <servlet> <servlet-name>servlet1</servlet-name> <jsp-file>/index.jsp</jsp-file> <init-param> <param-name>str</param-name>
  • Ant标签详解--基础操作 g21121 ant
            Ant的一些核心概念：         build.xml：构建文件是以XML 文件来描述的，默认构建文件名为build.xml。        project：每个构建文
  • [简单]代码片段_数据合并 53873039oycg 代码
            合并规则:删除家长phone为空的记录,若一个家长对应多个孩子,保留一条家长记录,家长id修改为phone,对应关系也要修改。         代码如下:        
  • java 通信技术 云端月影 Java 远程通信技术
    在分布式服务框架中，一个最基础的问题就是远程服务是怎么通讯的，在Java领域中有很多可实现远程通讯的技术，例如：RMI、MINA、ESB、Burlap、Hessian、SOAP、EJB和JMS等，这些名词之间到底是些什么关系呢，它们背后到底是基于什么原理实现的呢，了解这些是实现分布式服务框架的基础知识，而如果在性能上有高的要求的话，那深入了解这些技术背后的机制就是必须的了，在这篇blog中我们将来
  • string与StringBuilder 性能差距到底有多大 aijuans
              之前也看过一些对string与StringBuilder的性能分析，总感觉这个应该对整体性能不会产生多大的影响，所以就一直没有关注这块！         由于学程序初期最先接触的string拼接，所以就一直没改变过自己的习惯！        
  • 今天碰到 java.util.ConcurrentModificationException 异常 antonyup_2006 java多线程工作IBM
    今天改bug，其中有个实现是要对map进行循环，然后有删除操作，代码如下： Iterator<ListItem> iter = ItemMap.keySet.iterator(); while(iter.hasNext()){ ListItem it = iter.next(); //...一些逻辑操作 ItemMap.remove(it); } 结果运行报Con
  • PL/SQL的类型和JDBC操作数据库 百合不是茶 PL/SQL表标量类型游标PL/SQL记录
    PL/SQL的标量类型:    字符,数字,时间,布尔,%type五中类型的 --标量：数据库中预定义类型的变量 --定义一个变长字符串 v_ename varchar2(10); --定义一个小数,范围 -9999.99~9999.99 v_sal number(6,2); --定义一个小数并给一个初始值为5.4 :=是pl/sql的赋值号
  • Mockito：一个强大的用于 Java 开发的模拟测试框架实例 bijian1013 mockito单元测试
    Mockito框架：         Mockito是一个基于MIT协议的开源java测试框架。         Mockito区别于其他模拟框架的地方主要是允许开发者在没有建立“预期”时验证被测系统的行为。对于mock对象的一个评价是测试系统的测
  • 精通Oracle10编程SQL(10)处理例外 bijian1013 oracle数据库plsql
    /* *处理例外 */ --例外简介 --处理例外-传递例外 declare v_ename emp.ename%TYPE; begin SELECT ename INTO v_ename FROM emp where empno=&no; dbms_output.put_line('雇员名：'||v_ename); exceptio
  • 【Java】Java执行远程机器上Linux命令 bit1129 linux命令
    Java使用ethz通过ssh2执行远程机器Linux上命令，   封装定义Linux机器的环境信息   package com.tom; import java.io.File; public class Env { private String hostaddr; //Linux机器的IP地址 private Integer po
  • java通信之Socket通信基础 白糖_ javasocket网络协议
    正处于网络环境下的两个程序，它们之间通过一个交互的连接来实现数据通信。每一个连接的通信端叫做一个Socket。一个完整的Socket通信程序应该包含以下几个步骤： ①创建Socket； ②打开连接到Socket的输入输出流； ④按照一定的协议对Socket进行读写操作； ④关闭Socket。   Socket通信分两部分：服务器端和客户端。服务器端必须优先启动，然后等待soc
  • angular.bind boyitech AngularJSangular.bindAngularJS APIbind
    angular.bind 描述：         上下文，函数以及参数动态绑定，返回值为绑定之后的函数. 其中args是可选的动态参数，self在fn中使用this调用。 使用方法：          angular.bind(se
  • java-13个坏人和13个好人站成一圈，数到7就从圈里面踢出一个来，要求把所有坏人都给踢出来，所有好人都留在圈里。请找出初始时坏人站的位置。 bylijinnan java
    import java.util.ArrayList; import java.util.List; public class KickOutBadGuys { /** * 题目：13个坏人和13个好人站成一圈，数到7就从圈里面踢出一个来，要求把所有坏人都给踢出来，所有好人都留在圈里。请找出初始时坏人站的位置。 * Maybe you can find out
  • Redis.conf配置文件及相关项说明（自查备用） Kai_Ge redis
       Redis.conf配置文件及相关项说明 # Redis configuration file example # Note on units: when memory size is needed, it is possible to specifiy # it in the usual form of 1k 5GB 4M and so forth: #
  • [强人工智能]实现大规模拓扑分析是实现强人工智能的前奏 comsci 人工智能
         真不好意思,各位朋友...博客再次更新...      节点数量太少,网络的分析和处理能力肯定不足,在面对机器人控制的需求方面,显得力不从心....      但是,节点数太多,对拓扑数据处理的要求又很高,设计目标也很高,实现起来难度颇大...
  • 记录一些常用的函数 dai_lm java
    public static String convertInputStreamToString(InputStream is) { StringBuilder result = new StringBuilder(); if (is != null) try { InputStreamReader inputReader = new InputStreamRead
  • Hadoop中小规模集群的并行计算缺陷 datamachine mapreducehadoop并行计算
    注：写这篇文章的初衷是因为Hadoop炒得有点太热，很多用户现有数据规模并不适用于Hadoop，但迫于扩容压力和去IOE（Hadoop的廉价扩展的确非常有吸引力）而尝试。尝试永远是件正确的事儿，但有时候不用太突进，可以调优或调需求，发挥现有系统的最大效用为上策。 -----------------------------------------------------------------
  • 小学4年级英语单词背诵第二课 dcj3sjt126com englishword
    egg  蛋 twenty 二十 any 任何 well 健康的，好   twelve 十二 farm 农场 every 每一个 back 向后，回   fast 快速的 whose 谁的 much 许多 flower 花   watch 手表 very 非常，很 sport 运动 Chinese 中国的  
  • 自己实践了github的webhooks, linux上面的权限需要注意 dcj3sjt126com githubwebhook
    环境, 阿里云服务器   1. 本地创建项目, push到github服务器上面   2. 生成www用户的密钥 sudo -u www ssh-keygen -t rsa -C "[email protected]"     3. 将密钥添加到github帐号的SSH_KEYS里面   3. 用www用户执行克隆, 源使
  • Java冒泡排序 蕃薯耀 冒泡排序Java冒泡排序Java排序
    冒泡排序 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> 蕃薯耀 2015年6月23日 10:40:14 星期二 http://fanshuyao.iteye.com/
  • Excle读取数据转换为实体List【基于apache-poi】 hanqunfeng apache
    1.依赖apache-poi   2.支持xls和xlsx   3.支持按属性名称绑定数据值   4.支持从指定行、列开始读取   5.支持同时读取多个sheet   6.具体使用方式参见org.cpframework.utils.excelreader.CP_ExcelReaderUtilTest.java 比如： Str
  • 3个处于草稿阶段的Javascript API介绍 jackyrong JavaScript
    原文： http://www.sitepoint.com/3-new-javascript-apis-may-want-follow/?utm_source=html5weekly&utm_medium=email   本文中，介绍3个仍然处于草稿阶段，但应该值得关注的Javascript API. 1) Web Alarm API   &
  • 6个创建Web应用程序的高效PHP框架 lampcy Web框架PHP
    以下是创建Web应用程序的PHP框架，有coder bay网站整理推荐： 1. CakePHP CakePHP是一个PHP快速开发框架，它提供了一个用于开发、维护和部署应用程序的可扩展体系。CakePHP使用了众所周知的设计模式，如MVC和ORM，降低了开发成本，并减少了开发人员写代码的工作量。 2. CodeIgniter CodeIgniter是一个非常小且功能强大的PHP框架，适合需
  • 评"救市后中国股市新乱象泛起"谣言 nannan408
    首先来看百度百家一位易姓作者的新闻： 三个多星期来股市持续暴跌，跌得投资者及上市公司都处于极度的恐慌和焦虑中，都要寻找自保及规避风险的方式。面对股市之危机，政府突然进入市场救市，希望以此来重建市场信心，以此来扭转股市持续暴跌的预期。而政府进入市场后，由于市场运作方式发生了巨大变化，投资者及上市公司为了自保及为了应对这种变化，中国股市新的乱象也自然产生。 首先，中国股市这两天
  • 页面全屏遮罩的实现 方式 Rainbow702 htmlcss遮罩mask
    之前做了一个页面，在点击了某个按钮之后，要求页面出现一个全屏遮罩，一开始使用了position:absolute来实现的。当时因为画面大小是固定的，不可以resize的，所以，没有发现问题。 最近用了同样的做法做了一个遮罩，但是画面是可以进行resize的，所以就发现了一个问题，当画面被reisze到浏览器出现了滚动条的时候，就发现，用absolute 的做法是有问题的。后来改成fixed定位就
  • 关于angularjs的点滴 tntxia AngularJS
      angular是一个新兴的JS框架，和以往的框架不同的事，Angularjs更注重于js的建模，管理，同时也提供大量的组件帮助用户组建商业化程序，是一种值得研究的JS框架。   Angularjs使我们可以使用MVC的模式来写JS。Angularjs现在由谷歌来维护。   这里我们来简单的探讨一下它的应用。   首先使用Angularjs我
  • Nutz--->>反复新建ioc容器的后果 xiaoxiao1992428 DAOmvcIOCnutz
    问题： public class DaoZ {     public static Dao dao() { // 每当需要使用dao的时候就取一次     Ioc ioc = new NutIoc(new JsonLoader("dao.js"));     return ioc.get(
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他