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)

  • 求平方根：牛顿迭代法 mjfztms leetcode算法
    应用牛顿迭代法求解方程近似解，收敛速度很快牛顿迭代法求解平方根给你一个非负整数x，计算并返回x的算术平方根n，结果只保留整数部分。算法流程图由题意得，n2=xn^2=xn2=x，即为对f(n)=n2−xf(n)=n^2-xf(n)=n2−x求解。第一步：易得：x2−x1=0−f(x1)f′(x1)x_2-x_1=\frac{0-f(x_1)}{f'(x_1)}x2−x1=f′(x1)0−f(x1)
  • 模型微调方法Prefix-Tuning ballball~~ 大模型人工智能算法大数据
    简介：个人学习分享，如有错误，欢迎批评指正。随着大规模预训练语言模型（如GPT系列、BERT等）的广泛应用，如何高效、经济地针对特定任务对这些模型进行微调（Fine-Tuning）成为研究热点。传统的微调方法通常需要调整模型的大量参数，导致计算资源消耗大、适应新任务的速度慢。为了解决这一问题，Prefix-Tuning（前缀调优）作为一种高效的微调技术被提出，旨在通过引入少量可训练的前缀参数，达到
  • TDengine DECIMAL 数据类型使用手册 TDengine （老段） TDengine产品设计tdengine大数据时序数据库数据库物联网涛思数据iot
    TDengineDECIMAL数据类型使用手册1.概述DECIMAL数据类型用来存储高精度数值数据，在其他数据库也被称为NUMERIC。DECIMAL数据类型的基本运算返回的是精确结果，适用于需要精确计算的场景，如金融数据、货币计算等。相比于浮点数类型（FLOAT、DOUBLE），DECIMAL类型：优势：保证精确计算，避免浮点数舍入误差劣势：计算性能相对较低2.基本概念2.1核心术语DECIMA
  • Python 编程基础作业总结
    本周主要围绕Python基础编程展开了学习，通过一系列的作业题来巩固所学知识。这些题目涵盖了输入输出、条件判断、循环结构等多个基础知识点，下面将对每道作业题进行详细分析。1.计算指定月份第一天是星期几题目描述编写一个程序，接受用户输入的一个年份和一个月份，输出该月份的第一天是星期几。使用蔡乐公式计算星期。提示：使用蔡乐公式计算星期。W=((26*M-2)/10+D+Y+Y/4+C/4-2*C)%7
  • 如何自定义R语言函数？参数中的省略号`...`有什么用？ 「已注销」 python编程语言java人工智能c++
    学习R未必要学习很多工具包，有时候根据自己的理解去自定义函数也是一个不错的选择。本篇推文主要介绍两方面的内容：在R语言中自定义函数的一般方法；函数参数中...的作用。在看函数的帮助文档时会发现许多函数的参数中都有...符号，它是表示被省略的参数吗？如果是，作者为什么会省略它？如果不是，那又表示什么含义呢？不久前，学堂君分享了自己编写的计算空间可达性的函数，详见推文：两步移动搜索法（2SFCA）计算
  • 无人机飞控2___为所有伺服通道计算脉冲宽度调制（PWM）信号
    该代码是伺服通道管理类SRV_Channels中的一个函数，用于为所有伺服通道计算脉冲宽度调制（PWM）信号。/*runcalc_pwmforallchannels*/voidSRV_Channels::calc_pwm(void){//slewratelimitfunctionsfor(slew_list*slew=_slew;slew;slew=slew->next){if(is_positi
  • 【计算机毕业设计】基于Springboot的办公用品管理系统+LW 枫叶学长(专业接毕设) Java毕业设计实战案例课程设计springboot后端
    博主介绍：✌全网粉丝3W+,csdn特邀作者、CSDN新星计划导师、Java领域优质创作者,掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和学生毕业项目实战,高校老师/讲师/同行前辈交流✌技术范围：SpringBoot、Vue、SSM、HLMT、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、小程序、安卓app、大数据、物联网、机器学习等设计与开发。主要内容：
  • MongoDB + Voyage AI 详解：重塑数据库与AI的协同范式 csdn_tom_168 NoSQL数据库mongodb人工智能AI
    MongoDB+VoyageAI详解：重塑数据库与AI的协同范式2025年2月，MongoDB官方宣布收购VoyageAI，这一举措标志着数据库与人工智能技术的深度融合迈入新阶段。通过整合VoyageAI的先进AI检索与嵌入模型能力，MongoDB旨在重新定义AI时代的数据库架构，为企业构建智能应用提供端到端的数据基础设施。一、收购背景与技术战略1.行业趋势驱动AI数据挑战：随着生成式AI与大语言
  • HarmonyOS5.0仓颉引擎与盘古大模型：个性化作业批改系统架构设计与实现 H老师带你学鸿蒙 系统架构HarmonyOS5.0鸿蒙华为仓颉教育
    人工智能与边缘计算的融合正在重塑教育评价体系。本文将展示如何基于HarmonyOS5.0仓颉并发引擎和盘古大模型，构建新一代智能作业批改系统。系统架构全景graphTDA[学生端设备]-->|提交作业|B[仓颉边缘处理]B-->C[盘古大模型分析]C-->D[个性化反馈生成]D-->E[学生终端]D-->F[教师仪表盘]subgraphHarmonyOS分布式系统B-->|设备协同|G[教室平板集
  • 基于高斯两步移动搜寻法（2SFCA）的城市绿地可达性分析 yorov GIS技巧算法
    【2SFCA的基本思路，可以略过】对每个供给点j，搜索所有在j搜寻半径（d0）范围内的需求点（k），计算供需比Rj；对每个需求点i，搜索所有在i搜寻半径（d0）范围内的供【数据】成都市城区绿地数据、各街道小区数据、路网数据OSM【那再来理解一下高斯两步移动搜索法】对于最初的两步移动模型相当于二分，而高斯型相当于是缓慢下降—急速下降—趋于平缓的状态。很像上次莫兰指数里说的空间关系概念化。第一步，对于
  • 阿里云瑶池数据库 Data Agent for Meta 正式发布，让 AI 更懂你的业务！ 数据库观点资讯人工智能
    背景随着生成式人工智能（GenerativeAI）从概念验证迈向规模化商业落地，AIAgent已成为企业核心业务流程的重要组成部分。然而，当模型调用日益便捷时，核心痛点已不再是模型本身，而是集中在一个关键要素上：数据。AIAgent的落地瓶颈已从技术能力转向高质量、高相关性、安全合规的数据供给。企业面临的核心挑战在于：数据孤岛导致知识库分散，通用大模型难以理解专业业务传统数据管理依赖人工开发维护，
  • 【PaddleOCR】OCR文本检测与文本识别数据集整理，持续更新......
    博主简介：曾任某智慧城市类企业算法总监，目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。CSDN人工智能领域的优质创作者，提供AI相关的技术咨询、项目开发和个性化解决方案等服务，如有需要请站内私信或者联系任意文章底部的的VX名片（ID：xf982831907）博主粉丝群介绍：①群内初中生、
  • 多模态大模型的技术应用与未来展望：重构AI交互范式的新引擎 zhaoyi_he 重构人工智能
    一、引言：为什么多模态是AI发展的下一场革命？过去十年，深度学习推动了计算机视觉和自然语言处理的飞跃，但两者的发展路径长期割裂。随着生成式AI和大模型时代的到来，**多模态大模型（MultimodalFoundationModels）**以统一的建模方式处理图像、文本、音频、视频等多源数据，重塑了“感知-认知-决策”链条，为AGI迈出关键一步。OpenAI的GPT-4o、Google的Gemini
  • 使用 C++ 实现 MFCC 特征提取与说话人识别系统 whoarethenext c++开发语言mfcc语音识别
    使用C++实现MFCC特征提取与说话人识别系统在音频处理和人工智能领域，C++凭借其卓越的性能和对硬件的底层控制能力，在实时音频分析、嵌入式设备和高性能计算场景中占据着不可或缺的地位。本文将引导你了解如何使用C++库计算核心的音频特征——梅尔频率倒谱系数(MFCCs)，并进一步利用这些特征构建一个说话人识别（声纹识别）系统。Part1:在C/C++中计算MFCCs直接从零开始实现MFCC的所有计算
  • Transformer模型压缩：结构化剪枝与混合精度量化研究 pk_xz123456 仿真模型机器学习深度学习transformer剪枝深度学习
    Transformer模型压缩：结构化剪枝与混合精度量化研究摘要本文针对Transformer模型在实际部署中面临的计算资源消耗大、内存占用高和推理延迟等问题，提出了一种结合结构化剪枝与混合精度量化的综合压缩方案。我们首先分析了Transformer模型的结构特点及其在计算效率方面的瓶颈，然后系统地研究了结构化剪枝和混合精度量化的理论基础与实现方法。通过实验验证，我们的方法在保持模型性能的同时显著
  • 一位华为离职员工的十年感悟（1）
    注：徐是华为数据中心的头，技术超级牛人，一级部门总监，华为副总裁，年收入过千万，数据中心是用火山岩建的深入地下的一个大型建筑。防辐射，可防卫星的电子，雷达等手段的侦察。里面有象卫星发射中心那种超大屏幕，机房里满是三米的大型服务器和大型计算机。连接整个华为全球的每一台终端，整个华为每天三十多万封邮件，海外和全球的同步研发，内部的信息管理，内部流程，华为的国内国际ip电话都是通过出去。上周，我正式提交
  • 样本量计算：配对样本定量资料——平均值法
    今天介绍的是配对样本定量资料采用平均值法的样本量计算。先来看一下案例。一、案例为明确某种新的训练计划是否能显著提高运动员的100米短跑成绩，欲招募一批志愿者，分别记录运动员在进行新训练计划前后的100米短跑成绩（秒）。据早期研究，两配对样本差值的标准差为5秒，若接受新的训练计划前后的100米短跑成绩平均值差为3秒，问至少需要招募多少志愿者？运动员的100米短跑成绩属于连续性数据。经正态性检验，成绩
  • ImportError: /nvidia/cusparse/lib/libcusparse.so.12: undefined symbol: __nvJitLinkComplete_12_4 爱编程的喵喵 Python基础课程pythonImportErrortorchnvJitLink解决方案
      大家好，我是爱编程的喵喵。双985硕士毕业，现担任全栈工程师一职，热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳，不仅形成深入且独到的理解，而且能够帮助新手快速入门。  本文主要介绍了ImportError:/home/
  • WebSocket协议探究（二） weixin_30662539 网络nettyjavascriptViewUI
    一复习和目标1复习协议概述：WebSocket内置消息定界并且全双工通信WebSocket使用HTTP进行协议协商，协商成功使用TCP连接进行传输数据WebScoket数据格式支持二进制和文本初始握手和计算响应键值消息格式关闭握手2目标Nodejs实现WebSocket服务器Netty实现WebSocket服务器Jsapi实现WebSocket客户端二Nodejs实现WebScoket服务器1概述
  • Hadoop核心组件最全介绍 Cachel wood 大数据开发hadoop大数据分布式spark数据库计算机网络
    文章目录一、Hadoop核心组件1.HDFS(HadoopDistributedFileSystem)2.YARN(YetAnotherResourceNegotiator)3.MapReduce二、数据存储与管理1.HBase2.Hive3.HCatalog4.Phoenix三、数据处理与计算1.Spark2.Flink3.Tez4.Storm5.Presto6.Impala四、资源调度与集群管
  • 【机器学习&深度学习】多分类评估策略 一叶千舟 深度学习【理论】深度学习【应用必备常识】大数据人工智能
    目录前言一、多分类3大策略✅宏平均（MacroAverage）✅加权平均（WeightedAverage）✅微平均（MicroAverage）二、类比理解2.1宏平均（MacroAverage）2.1.1计算方式2.1.2适合场景2.1.3宏平均不适用的场景2.1.4宏平均一般用在哪些指标上？2.1.5怎么看macroavg指标？2.1.6宏平均值低说明了什么？2.1.7从宏平均指标中定位模型短板
  • ShaderGraph节点解析(136):矩形节点（Rectangle Node）详解 小李也疯狂 #UnityShaderGraphRectangle
    目录一、节点功能概述二、端口详解三、控制选项四、技术原理解析4.1数学原理（距离场计算）4.2生成代码解析4.3视觉特性五、应用场景与实战案例5.1UI元素（矩形按钮/面板）场景：在UI中生成无纹理的矩形按钮或面板，支持动态调整大小和圆角（配合其他节点）5.2材质纹理（网格/条纹）场景：为材质添加矩形网格或条纹纹理（如布料格子、屏幕像素感）5.3粒子形状（矩形粒子/条纹）场景：控制粒子的形状为矩形
  • Unity 内置着色器的使用与性能优化【Usage and Performance of Built-in Shaders】 小李也疯狂 #Shader：Built-inshadersunity着色器性能优化shader
    Unity中的着色器通过材质（Material）应用，材质将着色器代码与纹理、颜色等参数结合。理解着色器与材质的关系及性能影响因素，对优化项目渲染效率至关重要。以下是内置着色器的使用指南与性能分析：一、着色器与材质的关系核心概念着色器（Shader）：定义渲染逻辑（如光照计算、纹理混合），决定材质的属性和外观。材质（Material）：着色器的实例，存储具体参数（如纹理、颜色值），同一着色器可创建
  • 网络安全相关专业总结（非常详细）零基础入门到精通，收藏这一篇就够了 网络安全工程师教学 兼职副业黑客技术网络安全web安全安全人工智能网络运维
    一、网络工程专业专业内涵网络工程是指按计划进行的以工程化的思想、方式、方法，设计、研发和解决网络系统问题的工程，一般指计算机网络系统的开发与构建。该专业培养具备计算机科学与技术学科理论基础，掌握网络技术领域专业知识和基本技能，在计算机、网络及人工智能领域的工程实践和应用方面受到良好训练，具有深厚通信背景、可持续发展、能力较强的高水平工程技术人才。学生可在计算机软硬件系统、互联网、移动互联网及新一代
  • 徐家骏:我在华为工作十年的感悟 （转）
    徐是华为数据中心的头,技术超级牛人,一级部门总监,华为副总裁,年收入过千万,数据中心是用火山岩建的深入地下的一个大型建筑.防辐射,可防卫星的电子,雷达等手段的侦察.里面有象卫星发射中心那种超大屏幕,机房里满是三米的大型服务器和大型计算机.连接整个华为全球的每一台终端,整个华为每天三十多万封邮件,海外和全球的同步研发,内部的信息管理,内部流程,华为的国内国际IP电话都是通过出去.上周,我正式提交了离
  • OpenCV 图像操作：颜色识别、替换与水印添加
    目录引言代码实现1.导入必要的库2.图像加法3.图像直接相加4.颜色加权加法5.HSV颜色空间转换概念作用6.查找颜色范围对应的像素点7.与运算-生成掩膜8.添加水印9.主函数总结引言在计算机视觉领域，OpenCV是一个强大的库，提供了丰富的图像操作功能。本文将详细介绍如何使用OpenCV进行图像加法、颜色加权加法、HSV颜色空间转换、颜色范围查找、与运算生成掩膜以及添加水印等操作，并给出相应的P
  • 【机器学习笔记Ⅰ】7 向量化 巴伦是只猫 机器学习机器学习笔记人工智能
    向量化（Vectorization）详解向量化是将数据或操作转换为向量（或矩阵）形式，并利用并行计算高效处理的技术。它是机器学习和数值计算中的核心优化手段，能显著提升代码运行效率（尤其在Python中避免显式循环）。1.为什么需要向量化？(1)传统循环的缺陷低效：Python的for循环逐元素操作，速度慢。代码冗长：需手动处理每个元素。示例：计算两个数组的点积（非向量化）a=[1,2,3]b=[4
  • 高效沟通05-FFC赞美法则 古城码农 工作记实录高效沟通沟通技巧
    效沟通专栏–组织运转的命脉与个人成功的基石目录1.概念1.1底层逻辑1.2优势1.3适用场景1.4技巧2.示例1.概念  FFC是由三个英文单词首字母组成的结构化赞美模型，旨在让赞美真实可信、打动人心，避免空洞敷衍。其核心是通过三个层次构建逻辑闭环：要素含义作用关键要点F（Feeling）感受表达主观情感反应用情绪词传递真诚（如“感动”“佩服”）例：“你的方案让我非常惊喜！”F（Fact）事实提供
  • 这是gpt o1给出的物联网工程专业的大学规划，有人看看这个合理吗？ 王倚山 gpt物联网学习开发语言
    下面是一份更为详细、覆盖全年（包括寒暑假）的四阶段学习规划，旨在帮助你在大学剩余时间里持续学习、循序渐进地掌握物联网（IoT）核心技能，打造深厚的技术壁垒。每个阶段都有明确的学习目标与自学内容细节，并在寒暑假安排了“强化期”任务，让你全年不停歇，不断提升。总体思路稳扎稳打：从嵌入式基础到RTOS、传感器驱动、通信协议，再到边缘计算、云平台、工业协议、安全攻防，层层深入。项目驱动：每个阶段至少完成1
  • JavaScript基础语法之运算符和控制流 AA-代码批发V哥 JavaScriptjavascript
    JavaScript基础语法之运算符和控制流一、运算符1.1算术运算符：数值计算的基石1.1.1字符串拼接陷阱1.2比较运算符：条件判断的起点1.2.1严格比较（`===`）vs松散比较（`==`）1.2.2其他比较运算符1.3逻辑运算符：复杂条件的组合1.3.1短路逻辑（重要特性）1.3.2实战：表单验证1.4赋值运算符：数据存储的桥梁1.4.1基础赋值（`=`）1.4.2解构赋值（ES6新增）
  • 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