无脑敲代码，bug漫天飞
无脑敲代码，bug漫天飞

情感计算 - 情感模型

1 基本情感论模型--离散状态

1 Tomkins

面部表情 惩罚或奖励的反馈结果

八类： 基本情感

2 Izard

具有动机的特征

10中基本情感状态（言语内容 表情等）

神经系统 电化学 自主，遗传决定

情感面部 姿势活动 情感活动输出决定

脑区的反馈信息 情感活动输出产生

3 Ekman

美国心理学家

早期的情感模型都是他提出的

面部表情中应用广泛

1972年六类情感状态

90年代扩充 更多的维度 对于计算机视觉研究起到了推动作用

泛文化意义

历史进化中不同面部表情的面部表达是独特的

自主神经中枢神经机制

特定情感细节反应在时间上的变化

情感表达主观体验强度进行等级划分

情感表达包含多种信息

情感的持续时间相对较短

情感表达可以伪装

每种情感都有自己特定的诱发条件（与情景相关，特定的人体诱发特定的情感状态）

基本情感论缺陷： 分类问题，刻画的情感种类有限

表情行为等的情感表现有较大差异

无法对情感表达的渐变性建模

2 基于维度空间论的情感模型--欧式空间描述

采用直观的低维欧式空间定量描述

实数轴来度量其变化

实时跟踪，细粒度

1 一维空间--一维数值

Johnston

正半轴快乐维度

负半轴快乐的负极

通过数值动态跟踪愉快程度

2 二维空间

James A

愉快度 强度维度

不同取值的组合得到不同表征，例如第一象限的高兴

3 三维空间

1962 倒抛物线锥

德国 wihelm

 愉快不愉快

紧张-松弛

兴奋-沉闷

布朗大学教授 harold

注意拒绝

倒立圆锥形

因子分析法 抛物线锥体

强的靠近远点

弱的靠近边缘

PAD模型

应用最广的维度情感模型

愉悦度、唤醒度、优势度

P：正负特性-喜欢不喜欢 Pleasure

A： 警觉性 Arousal

D： 个体对情景和他人的控制状态Dominance （用户（主控，正直）与外部环境（受控，负值）主导程度；）

前面的离散情感模型与维度的也可以对应

三个维度划分为9个情感状态

4 高维空间

应用少 标注成本高

3 基本情感论 VS 维度空间论

情感描述方式：形容词标签  矢量、欧式空间坐标点

情感描述能力：有限几种情感类别   任意情感变化

应用情感识别领域时期； 1980s  2000s

建模方法： 容易简单，可解释性更强  数据集进行建模、标注，成本高（不同个体不同时间片段标注）

离散情感标注： 语音情感识别，每句话单独打标签（最基本的），也可以粗粒度方面进行正负向标注

维度情感： 随时间动态变换，视频音频进行分桢 不同时间片段标注，每个100ms时间对媒体数据打标签  有些情感状态不易察觉，多个人同时标注，通过投票方式得到结果

维度值打标签也是对维度值进行离散化，标注人员也是选择合适的量级，再求平均，提高可信度

标注时也要注意：当前与相邻时刻的情感状态关联 一分钟的视频需要10分钟的时间标注

情感识别任务数据规模少

4 基于认知机制的情感模型（后续建模方法时用的少）

认知神经科学重要组成部分；

交感与副交感神经活动

1 情感相关联的神经机构

某些特定脑神经结构的活动水平因情感信息变化而有显著差异；

七个神经结构：

杏仁核：对负情感刺激反应强烈，恐惧情感刺激

框额叶皮层： 情感的面孔识别，个体制定计划时活动明显，奖赏惩罚机制

前扣带回皮层： 情感反应和情感自我调节特别重要，对疼痛知觉中也有重要作用

脑岛：厌恶情绪

伏核：条件反射

丘脑：亢奋重要地位

腹侧被盖区： 预期和实际发生，正性激活

大脑相关联的区间活动模式复杂的

2 基于认知机制的模型 EM模型

两种不同模式：感知层 认知层

获得输入图像的基本特征

并行工作

后者抽取目标的认知信息

处理流程： 感知层 愿望向量  基本刺激评价

认知处理器

3 Roseman模型

事件评价的情感模型

意料之外

动机状态

确定性

控制

事件引发原因

无法处理多种评价的复杂情景中应产生什么

4 EMA情感模型

两个不断重复步骤组成；

策略：以问题 为焦点；以情感为焦点

5 Salt&Pepper

认知和行为发生器

情感发生器

中断管理器

5 基于个性化的情感模型

 1 大五模型

人的性格测试

五个维度反应人的个性化特征： 开放性、认真性、外向性、宜人性、神经质

大五量表、选择题，得分评估人性格，人的特质（异质性情感）

2 EFA性格空间

个性空间： 外向（Extroversion） 担心(Fear) 好斗(Aggression)

三个维度建模

人稳态的特性，与前面的情绪是变化的

3 情绪-心情-性格

人机对话系统

文本处理模块

性格模块

心情-情绪模块

同步模块

6 其他情感模型

1 HMM情感模型：

双重随机过程

马尔可夫链 一般随机过程---隐马尔可夫模型构成

情感隐藏性（隐状态）

表情 语调 神情--可观测

这个模型只考虑了前一时刻--与真实情况有所出入--模型精度不高的一个原因--所以用的少

2 分布式情感模型

外界刺激建立的分布式情感模型

你可能感兴趣的:(情感计算,人工智能)

  • 设计模式：设计模式的最佳实践 AI天才研究院 架构师必知必会系列自然语言处理人工智能语言模型编程实践开发语言架构设计
    作者：禅与计算机程序设计艺术为什么要学习设计模式？在软件开发领域，设计模式(DesignPattern)已经成为一种成熟、经过深思熟虑、高度可重用的解决方案，它提倡通过一系列的重复代码来避免面向对象编程中一些常见问题。学习设计模式可以让我们更加灵活地开发出健壮、可维护的代码。此外，由于设计模式已经成为一门独立的计算机科学科目，许多大型组织也会在各自的业务系统或项目中采用它们来提高生产力、降低成本、
  • Java: 基于Redis Geo实现的坐标距离计算 東辰 Javaredisjava
    Redis在3.2版本之后加入了Geo支持，我们可以据此实现不同坐标点的距离计算、排序等功能，从而实现类似附近的人、附近的餐厅等功能，本文主要简介一下使用方法，没对原理进行深究，感兴趣的同学可自行研究一、添加Redis依赖redis.clientsjedis3.5.2二、通过geoadd初始化坐标信息Jedisjedis=newJedis("127.0.0.1");Stringkey="compa
  • C/S架构与B/S架构 嗯嗯= 架构
    一.C/S架构与B/S架构的简述1.1什么是C./S架构C/S架构（Client/ServerArchitecture）是一种软件系统的基本架构模式，客户端负责用户界面和业务逻辑，服务器负责数据存储和处理。C/S架构是一个分布式的计算架构，客户端通过网络连接与服务器通信，完成任务。C/S架构的优点是数据处理效率高，实现灵活，但缺点是维护和安全方面的要求较高，且需要长期维护客户端和服务器。1.2什么
  • 监控易：智慧高校一体化综合运维解决方案 MXsoft618 运维信息安全物联网监控类
    新冠疫情发生以来，线上线下教育模式的初探，促使学校、家长和社会对于教育信息化认识产生巨大的转变。伴随着云计算和物联网的发展，教育已经开启了一个全新的时代。自“十三五”规划中明确提出“支持各级各类学校建设智慧校园，综合利用互联网、大数据、人工智能和虚拟现实技术探索未来教育教学新模式”以来，政策春风也不断加码教育信息化进程，《教育信息化2.0行动计划》以及《智慧校园总体框架》的相继发布，全国各地都在积
  • 机试题——考古学家 指针从不空 #hw机试题算法c++
    题目描述有一个考古学家发现一个石碑，但是很可惜，发现时其已经断成多段，原地发现n个断口整齐的石碑碎片。为了破解石碑内容，考古学家希望有程序能帮忙计算复原后的石碑文字组合数，你能帮忙吗？输入描述第一行输入一个整数n，表示石碑碎片的个数。第二行输入n个字符串，表示n个石碑碎片的内容，每个字符串之间有空格。输出描述输出石碑文字的所有组合（按照升序排列），每个组合占一行。如果存在石碑碎片内容完全相同，则由
  • 圈乘运算问题 panjyash 算法动态规划
    题目描述关于整数的2元圈乘运算⊕⊕⊕定义为X⊕⊕⊕Y=十进制整数X的各位数字之和×\times×十进制整数Y的最大数字+Y的最小数字。例如，9⊕30=9×3+0=279⊕30=9\times3+0=279⊕30=9×3+0=27。对于给定的十进制整数X和K，由X和⊕⊕⊕运算可以组成各种不同的表达式。试设计一个算法，计算出由X和⊕⊕⊕运算组成的值为K的表达式最少需用多少个⊕⊕⊕运算。算法设计：给定十
  • 跟我学C++中级篇——64位的处理 fpcc C++11C++c++开发语言
    一、计算机的发展计算机从二进制为基础开始描述整个世界，但正如现实世界一样，十进制为主的世界也会有万千百概念。所以在实际的应用中，会出现32位和64位的计算机系统。当然，前面还有过16位、8位和4位等，以后还可以会出现128位和256位甚至更高也不是没可能。怎么理解它们呢？先举一个不太形象的比喻。现实世界中的GDP的单位一般是万亿元为单位；大公司的利润一般是以亿元为单位，中小公司的利润一般是以万元为
  • 深度学习模型在汽车自动驾驶领域的应用 eso1983 深度学习汽车自动驾驶
    汽车自动驾驶是一个高度复杂的系统，深度学习和计算技术在其中扮演核心角色。今天简单介绍一下自动驾驶领域常用的深度学习模型及其计算原理的解析。1.深度学习模型分类及应用场景1.1视觉感知模型CNN（卷积神经网络）应用：图像分类、物体检测（车辆、行人、交通标志）、语义分割（道路、车道线）。典型模型：YOLO：实时目标检测，低延迟特性适合自动驾驶。MaskR-CNN：结合检测与像素级分割，用于精确场景理解
  • 蓝桥杯模拟算法：蛇形方阵 无敌大饺子 1 蓝桥杯算法职场和发展
    P5731【深基5.习6】蛇形方阵-洛谷|计算机科学教育新生态我们只要定义两个方向向量数组，这种问题就可以迎刃而解了比如我们是4的话，我们从左向右开始存，1，2，3，4到5的时候y就大于4了就是越界了，这时候我们换成向下的方向，也就是用第二个方向向量继续往下走，也就是增加x，继续存5，6，7，接下来x又越界了，接下来继续向左存8，9，10然后向上存11，12向右存13，14，向下存15，向左存16
  • 专业技术计算机应用能力考试ppt2007,全国专业技术人员计算机应用能力考试系列教材——PowerPoint 2003中文演示文稿... Bloodysteve
    全国专业技术人员计算机应用能力考试系列教材——PowerPoint2003中文演示文稿语音编辑锁定讨论上传视频全国专业技术人员计算机应用能力考试系列教材——PowerPoint2003中文演示文稿，由机械工业出版社出版，随书所带光盘《天宇考王》职称计算机考试专用软件。书名全国专业技术人员计算机应用能力考试系列教材——PowerPoint2003中文演示文稿别名PowerPoint2003中文演示文
  • (持续更新中~~)3、原来可以这样理解C语言_分⽀和循环上(3)条件操作符 do_you_want_ C语言逐步拆解c语言算法数据结构
    目录3.条件操作符3.条件操作符条件操作符也叫三⽬操作符，需要接受三个操作数的，形式如下：exp1?exp2:exp3条件操作符的计算逻辑是：如果exp1为真，exp2计算，计算的结果是整个表达式的结果；如果exp1为假，exp3计算，计算的结果是整个表达式的结果。练习1：使⽤条件操作符表⽰下⾯代码的逻辑#includeintmain(){inta=0;intb=0;scanf("%d",&a);
  • excel python脚本_Python自动化处理Excel脚本 Yu-Demon32~ excelpython脚本
    经常看到身边的同事(包括自己)在弄Excel表格的时候，各种复制粘贴非常麻烦，尤其是每天做一样的工作，重复枯燥费时间，于是打算写个小脚本自动更新Excel表格。image.png我们以这个表格为例，给大家看下表格长啥样儿，我们要更新的列是日期-字段9里面的数据，其中最后两列是套公式自动计算的。我们这里主要使用pandas和openpyxl这两个库进行操作。思路首先表格中肯定会存在制作好的公式，只要
  • w184校园网上店铺的设计与实现 栗豆包 javaspringboot后端javaspringtomcat
    作者简介：多年一线开发工作经验，原创团队，分享技术代码帮助学生学习，独立完成自己的网站项目。代码可以查看文章末尾⬇️联系方式获取，记得注明来意哦~赠送计算机毕业设计600个选题excel文件，帮助大学选题。赠送开题报告模板，帮助书写开题报告。作者完整代码目录供你选择：《Springboot网站项目》400套《ssm网站项目》800套《小程序项目》300套《App项目》500套《Python网站项目
  • MyBatis概述——一个优秀的持久层框架 AI天才研究院 Python实战自然语言处理人工智能语言模型编程实践开发语言架构设计
    作者：禅与计算机程序设计艺术1.简介MyBatis是一款开源的持久层框架，它支持定制化SQL、存储过程以及高级映射。MyBatis避免了几乎所有的JDBC代码和参数处理，将XML配置化结果映射成Java对象并通过接口形式传入到业务层，使得开发人员更关注于业务逻辑而不是数据库相关的事务控制和重复代码等低级事务性工作。MyBatis的定位就是将Java对象和关系数据库的数据对接起来，做到自动化crud
  • AI 计算的未来：去中心化浪潮与全球竞争格局重塑 智识微光Intelligence 人工智能机器学习大数据
    引言人工智能（AI）正以前所未有的速度发展，尤其是大模型训练和推理效率的提升，使得AI计算成本迅速下降，呈现出向去中心化演进的趋势。最新的DeepSeekr1模型，以仅600万美元的训练成本，达到了OpenAIo1级别的性能，表明AI技术正迈向更具普惠性的阶段。这一趋势不仅对AI产业格局产生深远影响，还将改变计算基础设施、全球科技竞争力分布，甚至可能影响人工超级智能（ASI）的未来发展。因此，AI
  • 聊聊AI中的“蒸馏”技术 自由鬼 行业发展IT应用探讨产品分析对比人工智能深度学习机器学习
    一、什么是“蒸馏”技术“蒸馏”技术实际上是指知识蒸馏（KnowledgeDistillation），这是一种用于压缩和优化大模型的机器学习方法。其核心思想类似于传统蒸馏：大模型（教师模型）包含丰富的知识，而小模型（学生模型）通过学习大模型的输出，从而在保持高性能的同时降低计算成本。1.知识蒸馏的过程教师模型（TeacherModel）训练先训练一个大规模基础模型，这个模型能力很强，但计算开销大。生
  • 使用scikit-learn中的线性回归包对自定义数据集进行拟合 Luzem0319 scikit-learn线性回归python
    1.导入必要的库首先，需要导入所需的库，包括pandas用于数据处理，numpy用于数值计算，以及scikit-learn中的线性回归模型。importpandasaspdimportnumpyasnpfromsklearn.model_selectionimporttrain_test_splitfromsklearn.linear_modelimportLinearRegressionfrom
  • AIGC时代的Vue或React前端开发 GISer_Jinger JavascriptReactVueAIGCvue.jsreact.js
    在AIGC（人工智能生成内容）时代，Vue开发正经历着深刻的变革。以下是对AIGC时代Vue开发的详细分析：一、AIGC技术对Vue开发的影响代码生成与自动化AIGC技术使得开发者能够借助智能工具快速生成和优化Vue代码。例如，通过自然语言处理模型（如ChatGPT），开发者可以描述组件的功能和样式需求，然后自动生成包含模板、脚本和样式的完整组件代码。这不仅大大提高了开发效率，还减少了人为错误的可
  • 刷题前必学！二叉树！用JavaScript学数据结构与算法
    ‍JavaScript算法与数据结构-HowieCong务必要熟悉JavaScript使用再来学！一、树是什么？数据结构中的树，对于现实世界中的树简化——树根抽象为“根节点”，树枝抽象为“边”，树枝的两个端点抽象为“结点”，树叶抽象为“叶子结点”计算机中的树如下：二、树的重点树的层次计算规则：根结点所在的那一层为第一层，其子节点为第二层，以此类推结点和树的高度计算规则：叶子结点高度为1，每向上一层
  • 计算机网络概述 听风与他 计算机网络网络软件设计师
    前言本文主要是【计算机网络概述】——计算机网络概述的文章，如果有什么需要改进的地方还请大佬指出⛺️作者简介：大家好，我是听风与他☁️博客首页：CSDN主页听风与他每日一句：狠狠沉淀，顶峰相见目录前言计算机网络21世纪的特征早期网络分类互联网互联网概述计算机网络互联网服务提供者ISP互联网交换点IXP互联网的组成边缘部分计算机之间通信核心部分分组交换计算机网络类别1.按照网络的作用范围来进行分类2.
  • 数据通信与计算机网络（精炼知识点） 桃花键神 系统架构师数据通信与计算机网络
    前言该部分知识点不多，分值3分知识点TCPTCP采用可变大小的滑动窗口协议进行流量控制。在前向纠错系统中，当接收端检测到错误后就根据纠错编码的规律自行纠错;在后向纠错系统中，接收方会请求发送方重发出错分组。IP协议不预先建立虚电路，而是对每个数据报独立地选择路由并一站一站地进行转发，直到送达目标地。层次化网络设计层次化网络设计应该遵循一些简单的原则，这些原则可以保证设计出来的网络更加具有层次的特性
  • 什么是“脚本语言” 暮雨澪 脚本语言
    一、脚本脚本语言又被称为扩建的语言,或者动态语言,是一种编程语言,用来控制软件应用程序,脚本通常是以文本(ASCⅡ)保存,只是在被调用时进行解释或者编译。当执行脚本时，计算机会执行一连串的操作。这些操作可能只涉及Illustrator，也可能涉及其他应用程序，如文字处理、电子表格和数据管理程序。Illustrator可支持多种脚本环境（例如，MicrosoftVisualBasic、AppleSc
  • 什么是知识蒸馏技术？ deepdata_cn 垂域模型机器学习人工智能知识蒸馏
    知识蒸馏（KnowledgeDistillation）是一种模型压缩和加速技术，旨在将大型模型（通常称为教师模型）所学到的知识迁移到小型模型（通常称为学生模型）中，从而让小型模型在减少计算资源消耗和推理时间的同时，尽可能达到接近大型模型的性能。具有很好的成本效益，在实际应用中有助于降低计算资源需求和部署成本。一、基本原理1.模仿学习：知识蒸馏的核心思想是让学生模型模仿教师模型的行为。教师模型通常是
  • 计算机网络的分类 不会游泳的鱼ꦿ 网络分类
    计算机网络的分类划分形式：①网络的作用范围。②网络的传输技术方式。③网络的通信介质。④网络的通信速率。⑤网络的使用范围。⑥网络的控制方式。⑦网络的拓扑结构。具体如下：1.按网络的作用范围分类（1）局域网（LAN）。局域网是计算机通过高速线路相连组成的网络，一般限定在较小的区域内。覆盖的地理范围从几十米到几千米之内。（2）城域网（MAN）。城域网一般限定在一座城市的范围内，覆盖的地理范围从几十千米到
  • 在亚马逊云科技上通过LangChain ReAct Agent开发金融多模态数据AI分析中台 佛州小李哥 AWS技术科技langchain人工智能云计算亚马逊云科技aws数据分析
    项目简介：小李哥将继续每天介绍一个基于亚马逊云科技AWS云计算平台的全球前沿AI技术解决方案，帮助大家快速了解国际上最热门的云计算平台亚马逊云科技AWSAI最佳实践，并应用到自己的日常工作里。本次介绍的是如何在亚马逊云科技机器学习托管服务AmazonSageMaker上搭建一个多模态LangChainAgent，通过ReAct逻辑让Agent通过AmazonBedrockAI模型托管服务上的大模型
  • 大模型蒸馏与大模型微调技术有啥差别? kcarly 大模型知识乱炖杂谈大模型蒸馏大模型微调大模型AI
    大模型蒸馏与大模型微调是当前人工智能领域中两种重要的技术手段，它们在模型优化、性能提升和资源利用方面各有特点。以下将从定义、技术原理、应用场景及优缺点等方面对这两种技术进行深入对比。一、定义与基本概念大模型蒸馏（KnowledgeDistillation）蒸馏是一种将大型复杂模型（教师模型）的知识迁移到小型模型（学生模型）的技术。通过训练学生模型模仿教师模型的行为，实现模型压缩和性能保留的目标。蒸
  • DeepSeek大模型技术深度解析：揭开Transformer架构的神秘面纱 不一样的信息安全 网络杂烩AIDeepSeek
    摘要DeepSeek大模型由北京深度求索人工智能基础技术研究有限公司开发，基于Transformer架构，具备卓越的自然语言理解和生成能力。该模型能够高效处理智能对话、文本生成和语义理解等复杂任务，标志着人工智能在自然语言处理领域的重大进展。关键词DeepSeek模型,Transformer架构,自然语言,智能对话,文本生成,语义理解一、DeepSeek大模型的架构解析1.1DeepSeek大模型
  • 计算机网络之计算机网络的分类 DKPT #计算机网络计算机网络笔记学习开发语言算法
    计算机网络可以根据不同的角度进行分类，以下是几种常见的分类方式：1.按照规模和范围：局域网（LAN，LocalAreaNetwork）：覆盖较小范围（例如一个建筑物或校园），通常使用以太网技术。城域网（MAN，MetropolitanAreaNetwork）：覆盖城市范围，通常由多个局域网组成，通过高速光纤连接。广域网（WAN，WideAreaNetwork）：覆盖较大范围，可以跨越城市、国家甚至
  • 分布式系统架构7：本地缓存 快乐非自愿 架构缓存
    1.引入缓存的影响我们在开发时，用到缓存的情况，无非就是为了减少客户端对相同资源的重复请求，降低服务器的负载压力。引入缓存后，既有好处也有坏处引入缓存负面影响：开发角度，增加了系统复杂度，需考虑缓存失效、更新、一致性问题运维角度，缓存会掩盖一些缺陷问题安全角度，缓存可能泄密某些保密数据引入缓存的理由：为了缓解CPU压力，将实时计算运行结果存储起来，节省CPU压力为了缓解I/O压力，将原本对网络、磁
  • 《DeepSeek-R1 问世，智能搜索领域迎来新变革》 黑金IT 智能搜索
    DeepSeek-R1是由DeepSeek公司开发的一款创新型人工智能模型，自2024年5月7日发布以来，迅速在AI领域引起广泛关注。该模型凭借其卓越的语言理解能力、高效的数据处理能力、自适应学习能力、高安全性与可靠性以及广泛的应用场景与拓展性，在众多人工智能模型中脱颖而出。DeepSeek-R1的核心特点强大的语言理解能力：DeepSeek-R1采用先进的深度学习算法，能够精准解析复杂的语义结构
  • PHP，安卓，UI，java，linux视频教程合集 cocos2d-x小菜 javaUIPHPandroidlinux
    ╔-----------------------------------╗┆                           
  • 各表中的列名必须唯一。在表 'dbo.XXX' 中多次指定了列名 'XXX'。 bozch .net.net mvc
    在.net mvc5中，在执行某一操作的时候，出现了如下错误：       各表中的列名必须唯一。在表 'dbo.XXX' 中多次指定了列名 'XXX'。 经查询当前的操作与错误内容无关，经过对错误信息的排查发现，事故出现在数据库迁移上。 回想过去： 在迁移之前已经对数据库进行了添加字段操作，再次进行迁移插入XXX字段的时候，就会提示如上错误。  &
  • Java 对象大小的计算 e200702084 java
                              Java对象的大小 如何计算一个对象的大小呢？    
  • Mybatis Spring 171815164 mybatis
    ApplicationContext ac = new ClassPathXmlApplicationContext("applicationContext.xml"); CustomerService userService = (CustomerService) ac.getBean("customerService"); Customer cust
  • JVM 不稳定参数 g21121 jvm
            -XX 参数被称为不稳定参数，之所以这么叫是因为此类参数的设置很容易引起JVM 性能上的差异，使JVM 存在极大的不稳定性。当然这是在非合理设置的前提下，如果此类参数设置合理讲大大提高JVM 的性能及稳定性。        可以说“不稳定参数”
  • 用户自动登录网站 永夜-极光 用户
    1.目标:实现用户登录后,再次登录就自动登录,无需用户名和密码 2.思路:将用户的信息保存为cookie            每次用户访问网站,通过filter拦截所有请求,在filter中读取所有的cookie,如果找到了保存登录信息的cookie,那么在cookie中读取登录信息,然后直接
  • centos7 安装后失去win7的引导记录 程序员是怎么炼成的 操作系统
    1.使用root身份(必须)打开 /boot/grub2/grub.cfg 2.找到 ### BEGIN /etc/grub.d/30_os-prober ###   在后面添加    menuentry "Windows 7 (loader) (on /dev/sda1)" { 
  • Oracle 10g 官方中文安装帮助文档以及Oracle官方中文教程文档下载 aijuans oracle
    Oracle 10g 官方中文安装帮助文档下载：http://download.csdn.net/tag/Oracle%E4%B8%AD%E6%96%87API%EF%BC%8COracle%E4%B8%AD%E6%96%87%E6%96%87%E6%A1%A3%EF%BC%8Coracle%E5%AD%A6%E4%B9%A0%E6%96%87%E6%A1%A3 Oracle 10g 官方中文教程
  • JavaEE开源快速开发平台G4Studio_V3.2发布了 無為子 AOPoraclemysqljavaeeG4Studio
      我非常高兴地宣布,今天我们最新的JavaEE开源快速开发平台G4Studio_V3.2版本已经正式发布。大家可以通过如下地址下载。   访问G4Studio网站 http://www.g4it.org   G4Studio_V3.2版本变更日志 功能新增 (1).新增了系统右下角滑出提示窗口功能。 (2).新增了文件资源的Zip压缩和解压缩
  • Oracle常用的单行函数应用技巧总结 百合不是茶 日期函数转换函数(核心)数字函数通用函数(核心)字符函数
    单行函数;   字符函数,数字函数,日期函数,转换函数(核心),通用函数(核心) 一:字符函数: .UPPER(字符串) 将字符串转为大写 .LOWER (字符串) 将字符串转为小写 .INITCAP(字符串) 将首字母大写 .LENGTH (字符串) 字符串的长度 .REPLACE(字符串,'A','_') 将字符串字符A转换成_
  • Mockito异常测试实例 bijian1013 java单元测试mockito
    Mockito异常测试实例： package com.bijian.study; import static org.mockito.Mockito.mock; import static org.mockito.Mockito.when; import org.junit.Assert; import org.junit.Test; import org.mockito.
  • GA与量子恒道统计 Bill_chen JavaScript浏览器百度Google防火墙
    前一阵子，统计**网址时，Google Analytics（GA） 和量子恒道统计（也称量子统计），数据有较大的偏差，仔细找相关资料研究了下，总结如下：   为何GA和量子网站统计（量子统计前身为雅虎统计）结果不同？ 首先：没有一种网站统计工具能保证百分之百的准确出现该问题可能有以下几个原因：（1）不同的统计分析系统的算法机制不同；（2）统计代码放置的位置和前后
  • 【Linux命令三】Top命令 bit1129 linux命令
    Linux的Top命令类似于Windows的任务管理器，可以查看当前系统的运行情况，包括CPU、内存的使用情况等。如下是一个Top命令的执行结果：     top - 21:22:04 up 1 day, 23:49, 1 user, load average: 1.10, 1.66, 1.99 Tasks: 202 total, 4 running, 198 sl
  • spring四种依赖注入方式 白糖_ spring
      平常的java开发中，程序员在某个类中需要依赖其它类的方法，则通常是new一个依赖类再调用类实例的方法，这种开发存在的问题是new的类实例不好统一管理，spring提出了依赖注入的思想，即依赖类不由程序员实例化，而是通过spring容器帮我们new指定实例并且将实例注入到需要该对象的类中。依赖注入的另一种说法是“控制反转”，通俗的理解是：平常我们new一个实例，这个实例的控制权是我
  • angular.injector boyitech AngularJSAngularJS API
    angular.injector   描述: 创建一个injector对象, 调用injector对象的方法可以获得angular的service, 或者用来做依赖注入.   使用方法: angular.injector(modules, [strictDi])   参数详解: Param Type Details mod
  • java-同步访问一个数组Integer[10]，生产者不断地往数组放入整数1000，数组满时等待；消费者不断地将数组里面的数置零，数组空时等待 bylijinnan Integer
    public class PC { /** * 题目：生产者-消费者。 * 同步访问一个数组Integer[10]，生产者不断地往数组放入整数1000，数组满时等待；消费者不断地将数组里面的数置零，数组空时等待。 */ private static final Integer[] val=new Integer[10]; private static
  • 使用Struts2.2.1配置 Chen.H apachespringWebxmlstruts
    Struts2.2.1 需要如下 jar包: commons-fileupload-1.2.1.jar commons-io-1.3.2.jar commons-logging-1.0.4.jar freemarker-2.3.16.jar javassist-3.7.ga.jar ognl-3.0.jar spring.jar struts2-core-2.2.1.jar struts2-sp
  • [职业与教育]青春之歌 comsci 教育
           每个人都有自己的青春之歌............但是我要说的却不是青春...        大家如果在自己的职业生涯没有给自己以后创业留一点点机会,仅仅凭学历和人脉关系,是难以在竞争激烈的市场中生存下去的....   &nbs
  • oracle连接(join)中使用using关键字 daizj JOINoraclesqlusing
    在oracle连接(join)中使用using关键字 34. View the Exhibit and examine the structure of the ORDERS and ORDER_ITEMS tables. Evaluate the following SQL statement: SELECT oi.order_id, product_id, order_date FRO
  • NIO示例 daysinsun nio
    NIO服务端代码： public class NIOServer { private Selector selector; public void startServer(int port) throws IOException { ServerSocketChannel serverChannel = ServerSocketChannel.open(
  • C语言学习homework1 dcj3sjt126com chomework
    0、 课堂练习做完 1、使用sizeof计算出你所知道的所有的类型占用的空间。 int x; sizeof(x);   sizeof(int);   # include <stdio.h> int main(void) { int x1; char x2; double x3; float x4; printf(&quo
  • select in order by , mysql排序 dcj3sjt126com mysql
    If i select like this: SELECT id FROM users WHERE id IN(3,4,8,1); This by default will select users in this order 1,3,4,8, I would like to select them in the same order that i put IN() values so:
  • 页面校验-新建项目 fanxiaolong 页面校验
    $(document).ready( function() { var flag = true; $('#changeform').submit(function() { var projectScValNull = true; var s =""; var parent_id = $("#parent_id").v
  • Ehcache（02）——ehcache.xml简介 234390216 ehcacheehcache.xml简介
    ehcache.xml简介          ehcache.xml文件是用来定义Ehcache的配置信息的，更准确的来说它是定义CacheManager的配置信息的。根据之前我们在《Ehcache简介》一文中对CacheManager的介绍我们知道一切Ehcache的应用都是从CacheManager开始的。在不指定配置信
  • junit 4.11中三个新功能 jackyrong java
    junit 4.11中两个新增的功能，首先是注解中可以参数化，比如 import static org.junit.Assert.assertEquals; import java.util.Arrays; import org.junit.Test; import org.junit.runner.RunWith; import org.junit.runn
  • 国外程序员爱用苹果Mac电脑的10大理由 php教程分享 windowsPHPunixMicrosoftperl
    Mac 在国外很受欢迎，尤其是在 设计/web开发/IT 人员圈子里。普通用户喜欢 Mac 可以理解，毕竟 Mac 设计美观，简单好用，没有病毒。那么为什么专业人士也对 Mac 情有独钟呢？从个人使用经验来看我想有下面几个原因： 1、Mac OS X 是基于 Unix 的 这一点太重要了，尤其是对开发人员，至少对于我来说很重要，这意味着Unix 下一堆好用的工具都可以随手捡到。如果你是个 wi
  • 位运算、异或的实际应用 wenjinglian 位运算
    一． 位操作基础，用一张表描述位操作符的应用规则并详细解释。       二． 常用位操作小技巧，有判断奇偶、交换两数、变换符号、求绝对值。       三． 位操作与空间压缩，针对筛素数进行空间压缩。    &n
  • weblogic部署项目出现的一些问题（持续补充中……） Everyday都不同 weblogic部署失败
    好吧，weblogic的问题确实……   问题一： org.springframework.beans.factory.BeanDefinitionStoreException: Failed to read candidate component class: URL [zip:E:/weblogic/user_projects/domains/base_domain/serve
  • tomcat7性能调优（01） toknowme tomcat7
        Tomcat优化： 1、最大连接数最大线程等设置 <Connector port="8082" protocol="HTTP/1.1"                useBodyEncodingForURI="t
  • PO VO DAO DTO BO TO概念与区别 xp9802 javaDAO设计模式bean领域模型
    O/R Mapping 是 Object Relational Mapping（对象关系映射）的缩写。通俗点讲，就是将对象与关系数据库绑定，用对象来表示关系数据。在O/R Mapping的世界里，有两个基本的也是重要的东东需要了解，即VO，PO。 它们的关系应该是相互独立的，一个VO可以只是PO的部分，也可以是多个PO构成，同样也可以等同于一个PO（指的是他们的属性）。这样，PO独立出来，数据持
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他