- 基于深度学习的钢材表面缺陷检测系统:UI界面 + R-CNN + 数据集
深度学习&目标检测实战项目
R-CNN检测系统深度学习uir语言开发语言计算机视觉cnn人工智能
在制造业中,钢材表面缺陷的检测是保证产品质量和生产效率的关键环节。随着工业自动化水平的提高,传统的人工检测已经无法满足快速、精确的检测要求。基于深度学习的钢材表面缺陷检测系统能够通过计算机视觉自动识别钢材表面的缺陷类型和位置,极大地提升了检测的准确性和效率。本文将详细介绍如何基于深度学习、R-CNN算法和自定义数据集构建一个钢材表面缺陷检测系统。内容涵盖从数据准备、R-CNN模型训练到UI界面设计
- 洛谷题单python解 【算法1-1】模拟与高精度
Keyk__
算法python开发语言
P1009[NOIP1998普及组]阶乘之和deffac(n):ifn==0orn==1:return1else:returnn*fac(n-1)s=int(input())fac_sum=0forjinrange(1,s+1):fac_sum+=fac(j)print(str(fac_sum))
- MATLAB基础学习相关知识
没有不重的名么
matlab学习数据结构
MATLAB安装参考:抖音-记录美好生活MATLAB基础知识学习参考:【1小时Matlab速成教程-哔哩哔哩】https://b23.tv/CnvHtO3第1部分:变量定义和基本运算生成矩阵:%生成矩阵%直接法%,表示行;表示列a=[1,2,3;4,5,6;7,8,9];%冒号一维矩阵a=开始:步长:结束,步长为1可省略b=1:1:10;%1,2,...10b=1:10;%与上一个等价%函数生成%
- C语言学习,插入排序
五味香
c语言学习排序算法算法开发语言android数据结构
C语言,插入排序是一种简单直观的排序算法,插入排序是通过构建有序序列,对于未排序数据,在已排序序列中从后向前扫描,找到相应位置并插入。示例://插入排序函数voidinsertionSort(intarr[],intn){for(inti=1;i=0&&arr[j]>key){arr[j+1]=arr[j];j=j-1;}arr[j+1]=key;}}//打印voidprintArray(inta
- java设计模式单件模式_Head First设计模式(5):单件模式
weixin_39822493
java设计模式单件模式
更多的可以参考我的博客,也在陆续更新inghttp://www.hspweb.cn/单件模式确保一个类只有一个实例,并提供一个全局访点。例子:学生的学号生成方案,是在学生注册后,通过录入学生的基本信息,包括入学学年、学院、专业、班级等信息后,保存相应的资料后自动生成的。学号生成器的业务算法为:入学学年(2位)+学院代码(2位)+专业代码(2位)+班级代码(2位)+序号(2位)1.目录image2.
- 基于ThinkPHP 5~8兼容的推荐算法类实现,
极梦网络无忧
自建推荐算法算法机器学习
在现代推荐系统中,随着用户量和物品量的增长,传统的推荐算法可能会面临性能瓶颈。本文将介绍如何基于ThinkPHP实现一个高性能的推荐系统,结合显性反馈(如兴趣选择)、隐性反馈(如观看时长、评论、点赞、搜索等)、行为序列分析和关键词拆分(支持中文)等功能,并通过优化方案支持大规模用户场景。目录推荐系统简介数据库设计推荐算法类的实现优化方案总结与扩展推荐系统简介推荐系统的目标是根据用户的历史行为,预测
- 计算机考研之数据结构:大 O 记号
CS创新实验室
考研复习408考研数据结构
《数据结构》不仅是计算机考研408的必考科目,也是很多自命题学校要考的科目。这里将刊登系列文章,对《数据结构》这门课的某些问题进行讲解,供学习者参考。在计算机科学领域,算法的效率至关重要。随着数据规模的不断增大,一个高效的算法能够显著提升系统性能,而低效的算法则可能导致程序运行缓慢甚至无法正常工作。为了准确评估算法的效率,我们需要一种科学的方法来衡量算法随着输入规模增长时的运行时间或空间使用情况。
- Spark MLlib中的机器学习算法及其应用场景
Java资深爱好者
深度学习推荐算法
SparkMLlib是ApacheSpark框架中的一个机器学习库,提供了丰富的机器学习算法和工具,用于处理和分析大规模数据。以下是SparkMLlib中的机器学习算法及其应用场景的详细描述:一、SparkMLlib中的机器学习算法分类算法:逻辑回归:用于二分类问题,通过最大化对数似然函数来估计模型参数。支持向量机(SVM):用于分类和回归问题,通过寻找一个超平面来最大化不同类别之间的间隔。决策树
- 解析Python网络爬虫:核心技术、Scrapy框架、分布式爬虫(选择题、填空题、判断题)(第1、2、3、4、5、6、7、10、11章)
一口酪
python爬虫scrapy
第一章【填空题】网络爬虫又称网页蜘蛛或(网络机器人)网络爬虫能够按照一定的(规则),自动请求万维网站并提取网络数据。根据使用场景的不同,网络爬虫可分为(通用爬虫)和(聚焦爬虫)两种。爬虫可以爬取互联网上(公开)且可以访问到的网页信息。【判断题】爬虫是手动请求万维网网站且提取网页数据的程序。×爬虫爬取的是网站后台的数据。×通用爬虫用于将互联网上的网页下载到本地,形成一个互联网内容的镜像备份。√聚焦爬
- 实测|用DeepSeek批量生成头条爆款标题,1小时搞定1周工作量!效率提升300%的秘诀全公开
kang_deepsk
AI写作人工智能ai
一、[痛点直击]创作者的标题困境标题内卷:头条每天新增200万条内容,90%的文章因标题平庸被算法“雪藏”。时间黑洞:人工想1个爆款标题平均耗时15分钟,团队日均消耗6小时。数据玄学:模仿热门标题却跑不出量,平台规则变化永远追不上。用户共鸣:“上月写了30篇优质长文,阅读量全不过万,问题竟出在标题上!”——某科技领域创作者自述二、[技术革命]DeepSeek的标题生成黑科技1.爆款基因解码系统实时
- 八大经典排序算法
BUG 劝退师
算法c语言排序算法算法数据结构
八大经典排序算法目录算法概览算法详解冒泡排序选择排序插入排序希尔排序归并排序快速排序堆排序计数排序性能对比1.算法概览排序算法平均时间复杂度空间复杂度稳定性排序方式冒泡排序O(n²)O(1)稳定In-place选择排序O(n²)O(1)不稳定In-place插入排序O(n²)O(1)稳定In-place希尔排序O(nlogn)O(1)不稳定In-place归并排序O(nlogn)O(n)稳定Out
- Vue中虚拟DOM的全面解析
七公子77
vuevue.js前端javascript
一、虚拟DOM的核心概念虚拟DOM(VirtualDOM)是一个轻量级的JavaScript对象,它是对真实DOM的抽象表示。在Vue中,组件模板会被编译成虚拟DOM树,通过Diff算法对比新旧虚拟DOM,计算出最小化的DOM操作,最终批量更新真实DOM。二、为什么需要虚拟DOM?1.直接操作DOM的问题性能瓶颈:DOM操作是浏览器中最昂贵的操作之一,频繁操作会导致性能下降。手动优化困难:开发者需
- 2024年国内人工智能大模型汇总
kiiy2
人工智能ai学习
文心一言文心一言(ERNIEBot)是百度基于文心大模型技术推出的生成式对话产品,将于2023年3月完成内测并面向公众开放。该产品是百度在人工智能领域深耕十余年后,拥有产业级知识增强文心大模型ERNIE的基础上,利用跨模态、跨语言的深度语义理解与生成能力而开发的一款AI聊天机器人。它被设计用于回答用户的问题和提供信息,以帮助人们解决问题和获取知识。此外,文心一言还可以通过学习和训练,不断提高自己的
- 程序三大结构详解:顺序、选择、循环
禁小默
C算法数据结构c++pythonjava
目录前言一、顺序结构二、选择结构1.单分支结构2.双分支结构3.多分支结构4.条件匹配结构三、循环结构1.for循环2.while循环3.do-while循环四、总结与建议前言程序设计中,顺序结构、选择结构、循环结构是最基本的控制结构,也是任何程序的核心组成部分。这三种结构可以组合成任意复杂的算法,掌握它们是学习编程的第一步。本文将详细讲解这三种结构的定义、特点,并结合实际示例帮助理解其应用。一、
- ssd训练自己的数据集
reset2021
目标检测目标检测python深度学习人工智能pytorch
基于SSD算法实现对自己数据集的训练与检测。(该专题以操作为主)SSD是一种非常优秀的one-stage目标检测方法,one-stage算法就是目标检测和分类是同时完成的,其主要思路是利用CNN提取特征后,均匀地在图片的不同位置进行密集抽样,抽样时可以采用不同尺度和长宽比,物体分类与预测框的回归同时进行,整个过程只需要一步,所以其优势是速度快。这篇文档主要讲述怎样用SSD算法来实现对自己数据集的训
- 【算法通关村 Day7】递归与二叉树遍历
Ava_J
算法数据结构
递归与二叉树遍历青铜挑战理解递归递归算法是指一个方法在其执行过程中调用自身。它通常用于将一个问题分解为更小的子问题,通过重复调用相同的方法来解决这些子问题,直到达到基准情况(终止条件)。递归算法通常包括两个主要部分:基准情况(也叫递归终止条件):当问题规模足够小,递归可以停止,通常返回一个简单的结果。递归部分:将问题分解成更小的子问题,并在递归过程中调用自身。为了更清晰地说明递归,我给你一个经典的
- 嵌入式人工智能应用-第四章 KNN 算法介绍 3
数贾电子科技
嵌入式人工智能应用人工智能算法linuxknn
KNN算法介绍1KNN介绍1.1基本概念1.1.1主要步骤1.1.2.距离计算:1.1.3进行预测:2分类介绍2.1KNN算法的K值说明2.2K值的选取2.3距离计算2.4KNN算法特点2.5KNN算法流程3实验验证3.1实验代码-具体代码可以从附件下载3.2演示效果1KNN介绍K邻近(K-NearestNeighbors,KNN)是一种广泛使用的监督学习算法,主要用于分类和回归任务。以下是K邻近
- 美国第3代哈希散列算法之SHA3(Keccak)
黄金龙PLUS
Hash算法哈希算法算法密码学人工智能网络安全
目录(1)Keccak算法简介(2)消息填充规则(3)海绵结构的实现过程(4)内部状态及表示方法(5)Keccak-f置换美国第3代哈希散列算法之SHA3(Keccak)(1)Keccak算法简介Keccak算法是美国国家标准与技术研究院(NIST)发起的SHA3竞赛的获胜算法,采用的是新型的海绵结构。根据摘要值长度的不同可以分为Keccak224、Keccak256、Keccak384、Kecc
- 蓝桥杯学习大纲
ん贤
蓝桥杯算法数据结构
(致酷德与热爱算法、编程的小伙伴们)在查阅了相当多的资料后,发现没有那篇博客、文章很符合我们备战蓝桥杯的学习路径。所以,干脆自己整理一篇,欢迎大家补充!一、蓝桥必备高频考点我们以此为重点学习方向:1.基础算法枚举模拟贪心递归分治构造前缀和差分2.搜索与排序线性搜索二分法BFSDFS回溯剪枝深搜优化记忆化搜索位运算冒泡排序归并排序快速排序桶排序3.动态规划编辑距离最长不重复子串整数背包矩阵连乘最长公
- 【Python 语法】heapq 模块
一杯水果茶!
python
堆的应用场景主要功能示例:使用`heapq`实现优先队列heapq是Python标准库中用于实现堆队列(heapqueue)算法的模块。堆队列是一个基于堆(heap)数据结构的优先队列,它能在O(logn)时间内执行插入、删除最小元素等操作。Python中的heapq模块实现的是一个最小堆(min-heap),即堆顶元素是堆中的最小元素。堆的应用场景优先队列:heapq可以用来实现优先队列,按优先
- 高斯混合模型(GMM)与K均值算法(K-means)算法的异同
路野yue
人工智能机器学习聚类
高斯混合模型(GaussianMixtureModel,GMM)和K均值(K-Means)算法都是常用于聚类分析的无监督学习方法,虽然它们的目标都是将数据分成若干个类别或簇,但在实现方法、假设和适用场景上有所不同。1.模型假设K均值(K-Means):假设每个簇的样本点在簇中心附近呈均匀分布,通常是球形的(即每个簇的数据点彼此之间的距离相对均匀,具有相同的方差)。每个簇通过一个中心点来表示(即质心
- 初识pytorch
m0_73286250
pytorch人工智能python
一、AI发展史二、什么是深度学习深度学习是机器学习的一个子集。为了更好地理解这种关系,我们可以将它们放在人工智能(AI)的大框架中来看。机器学习是实现人工智能的一种途径,深度学习是机器学习的一个子集,也就是说深度学习是实现机器学习的一种方法。与机器学习算法的主要区别如下图所示:三、扩展1.使用场景1)图像识别和处理2)自然语言处理(NLP)3)音频处理4)视频分析5)游戏和仿真6)自动驾驶汽车7)
- 【matlab】采用傅立叶变换空间载波法从强度分布恢复相位分布
鱼弦
人工智能时代matlab开发语言
采用傅立叶变换空间载波法从强度分布恢复相位分布介绍傅立叶变换空间载波法是一种从强度分布恢复相位分布的技术,广泛应用于光学测量、干涉测量、表面形貌测量等领域。该方法通过分析空间上呈正弦分布的光强信息,利用傅立叶变换提取相位信息,从而恢复波面的相位分布。应用使用场景光学测量:用于测量光学元件的表面形貌和波前误差。干涉测量:用于干涉仪中的相位恢复和表面形貌测量。生物医学成像:用于相位对比显微镜中的相位恢
- 【MATLAB例程】虚拟长基线校正INS,代码实现
MATLAB卡尔曼
matlab开发语言
实现水下航行器(AUV)的惯性导航(SINS)与虚拟长基线(VLBL)融合校正,抑制导航误差累积。文章目录惯性导航核心算法误差模型改进运行结果:代码代码总结核心功能技术亮点应用场景结果验证扩展建议代码依赖与运行创新点总结惯性导航核心算法采用四元数法进行姿态更新(如搜索结果3所述),解决大角度旋转问题实现速度/位置力学编排(参考搜索结果14的机械编排流程)虚拟长基线校正:模拟4个海底信标的测距数据(
- 三大平台云数据库生态服务对决
title:三大平台云数据库生态服务对决date:2025/2/21updated:2025/2/21author:cmdragonexcerpt:包含自动分片算法实现、跨云迁移工具链开发、智能索引推荐系统构建等核心内容,提供成本优化计算模型、灾备演练方案设计、性能调优路线图等完整解决方案。categories:前端开发tags:云数据库弹性扩展多云架构数据库即服务自动运维全球部署成本优化扫描二维
- 前端面试题---虚拟dom更新原理
*星之卡比*
前端前端vue.js
vue的生命周期里有"挂载"这个阶段这个阶段里,vue实例已经把准备好的组件挂载到页面,模版被编译成虚拟DOM,最终渲染到实际的dom中Vue虚拟DOM更新原理1数据变化:当组件数据变化时,Vue会重新生成虚拟DOM。2Diff算法:Vue比较新旧虚拟DOM,找到差异。3生成补丁:根据差异生成补丁(需要更新的DOM操作)。4应用补丁:将补丁应用到真实DOM,更新视图。5异步更新:Vue将更新操作异
- 机器学习课程的常见章节结构
zhangfeng1133
机器学习分类学习
以下是机器学习课程的常见章节结构,结合了搜索结果中的信息:1.机器学习基础知识机器学习的定义与分类监督学习、无监督学习、半监督学习、强化学习机器学习的产生与发展机器学习的历史与现代应用经验误差与过拟合过拟合与欠拟合的概念及解决方案评估方法与性能度量交叉验证、准确率、召回率、F1分数等偏差与方差偏差-方差权衡及其对模型的影响2.经典机器学习算法2.1线性模型一元线性回归与多元线性回归梯度下降算法(批
- 机器学习_18 K均值聚类知识点总结
数据媛
机器学习均值算法聚类pythonscikit-learnpandasnumpy
K均值聚类(K-meansClustering)是一种经典的无监督学习算法,广泛应用于数据分组、模式识别和降维等领域。它通过将数据划分为K个簇,使得簇内相似度高而簇间相似度低。今天,我们就来深入探讨K均值聚类的原理、实现和应用。一、K均值聚类的基本概念1.1K均值聚类的目标K均值聚类的目标是将数据集划分为K个簇,使得每个簇内的数据点尽可能接近,而不同簇之间的数据点尽可能远离。具体来说,K均值聚类最
- 深度学习归一化与正则化
鱼儿也有烦恼
深度学习深度学习
文章目录深度学习归一化与正则化1.归一化(Normalization)2.正则化(Regularization)深度学习归一化与正则化1.归一化(Normalization)定义:归一化是指通过某种算法将输入数据或神经网络层的激活值处理后限制在我们需要的特定范围内。它的目的是为了方便后续的数据处理,并加快程序的收敛速度。归一化的主要作用是统一样本的统计分布。在0到1之间的归一化代表的是概率分布,而
- Cavishape: Python编程与图像处理的艺术之作
laforet
本文还有配套的精品资源,点击获取简介:Cavishape可能是一个以Python编写的创新软件项目,它的名称和标签暗示着该项目具有非传统的设计和创新的特性。项目的主要元素可能与图形用户界面设计和图像处理相关,特别是以鱼形为设计元素。它可能采用了面向对象编程方法,图形界面可能利用了Python的GUI库,图像处理方面可能涉及特定的图形生成算法。项目可能使用了版本控制,如Git,并强调测试与调试的重要
- 继之前的线程循环加到窗口中运行
3213213333332132
javathreadJFrameJPanel
之前写了有关java线程的循环执行和结束,因为想制作成exe文件,想把执行的效果加到窗口上,所以就结合了JFrame和JPanel写了这个程序,这里直接贴出代码,在窗口上运行的效果下面有附图。
package thread;
import java.awt.Graphics;
import java.text.SimpleDateFormat;
import java.util
- linux 常用命令
BlueSkator
linux命令
1.grep
相信这个命令可以说是大家最常用的命令之一了。尤其是查询生产环境的日志,这个命令绝对是必不可少的。
但之前总是习惯于使用 (grep -n 关键字 文件名 )查出关键字以及该关键字所在的行数,然后再用 (sed -n '100,200p' 文件名),去查出该关键字之后的日志内容。
但其实还有更简便的办法,就是用(grep -B n、-A n、-C n 关键
- php heredoc原文档和nowdoc语法
dcj3sjt126com
PHPheredocnowdoc
<!doctype html>
<html lang="en">
<head>
<meta charset="utf-8">
<title>Current To-Do List</title>
</head>
<body>
<?
- overflow的属性
周华华
JavaScript
<!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/1999/xhtml&q
- 《我所了解的Java》——总体目录
g21121
java
准备用一年左右时间写一个系列的文章《我所了解的Java》,目录及内容会不断完善及调整。
在编写相关内容时难免出现笔误、代码无法执行、名词理解错误等,请大家及时指出,我会第一时间更正。
&n
- [简单]docx4j常用方法小结
53873039oycg
docx
本代码基于docx4j-3.2.0,在office word 2007上测试通过。代码如下:
import java.io.File;
import java.io.FileInputStream;
import ja
- Spring配置学习
云端月影
spring配置
首先来看一个标准的Spring配置文件 applicationContext.xml
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
xmlns:xsi=&q
- Java新手入门的30个基本概念三
aijuans
java新手java 入门
17.Java中的每一个类都是从Object类扩展而来的。 18.object类中的equal和toString方法。 equal用于测试一个对象是否同另一个对象相等。 toString返回一个代表该对象的字符串,几乎每一个类都会重载该方法,以便返回当前状态的正确表示.(toString 方法是一个很重要的方法) 19.通用编程:任何类类型的所有值都可以同object类性的变量来代替。
- 《2008 IBM Rational 软件开发高峰论坛会议》小记
antonyup_2006
软件测试敏捷开发项目管理IBM活动
我一直想写些总结,用于交流和备忘,然都没提笔,今以一篇参加活动的感受小记开个头,呵呵!
其实参加《2008 IBM Rational 软件开发高峰论坛会议》是9月4号,那天刚好调休.但接着项目颇为忙,所以今天在中秋佳节的假期里整理了下.
参加这次活动是一个朋友给的一个邀请书,才知道有这样的一个活动,虽然现在项目暂时没用到IBM的解决方案,但觉的参与这样一个活动可以拓宽下视野和相关知识.
- PL/SQL的过程编程,异常,声明变量,PL/SQL块
百合不是茶
PL/SQL的过程编程异常PL/SQL块声明变量
PL/SQL;
过程;
符号;
变量;
PL/SQL块;
输出;
异常;
PL/SQL 是过程语言(Procedural Language)与结构化查询语言(SQL)结合而成的编程语言PL/SQL 是对 SQL 的扩展,sql的执行时每次都要写操作
- Mockito(三)--完整功能介绍
bijian1013
持续集成mockito单元测试
mockito官网:http://code.google.com/p/mockito/,打开documentation可以看到官方最新的文档资料。
一.使用mockito验证行为
//首先要import Mockito
import static org.mockito.Mockito.*;
//mo
- 精通Oracle10编程SQL(8)使用复合数据类型
bijian1013
oracle数据库plsql
/*
*使用复合数据类型
*/
--PL/SQL记录
--定义PL/SQL记录
--自定义PL/SQL记录
DECLARE
TYPE emp_record_type IS RECORD(
name emp.ename%TYPE,
salary emp.sal%TYPE,
dno emp.deptno%TYPE
);
emp_
- 【Linux常用命令一】grep命令
bit1129
Linux常用命令
grep命令格式
grep [option] pattern [file-list]
grep命令用于在指定的文件(一个或者多个,file-list)中查找包含模式串(pattern)的行,[option]用于控制grep命令的查找方式。
pattern可以是普通字符串,也可以是正则表达式,当查找的字符串包含正则表达式字符或者特
- mybatis3入门学习笔记
白糖_
sqlibatisqqjdbc配置管理
MyBatis 的前身就是iBatis,是一个数据持久层(ORM)框架。 MyBatis 是支持普通 SQL 查询,存储过程和高级映射的优秀持久层框架。MyBatis对JDBC进行了一次很浅的封装。
以前也学过iBatis,因为MyBatis是iBatis的升级版本,最初以为改动应该不大,实际结果是MyBatis对配置文件进行了一些大的改动,使整个框架更加方便人性化。
- Linux 命令神器:lsof 入门
ronin47
lsof
lsof是系统管理/安全的尤伯工具。我大多数时候用它来从系统获得与网络连接相关的信息,但那只是这个强大而又鲜为人知的应用的第一步。将这个工具称之为lsof真实名副其实,因为它是指“列出打开文件(lists openfiles)”。而有一点要切记,在Unix中一切(包括网络套接口)都是文件。
有趣的是,lsof也是有着最多
- java实现两个大数相加,可能存在溢出。
bylijinnan
java实现
import java.math.BigInteger;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class BigIntegerAddition {
/**
* 题目:java实现两个大数相加,可能存在溢出。
* 如123456789 + 987654321
- Kettle学习资料分享,附大神用Kettle的一套流程完成对整个数据库迁移方法
Kai_Ge
Kettle
Kettle学习资料分享
Kettle 3.2 使用说明书
目录
概述..........................................................................................................................................7
1.Kettle 资源库管
- [货币与金融]钢之炼金术士
comsci
金融
自古以来,都有一些人在从事炼金术的工作.........但是很少有成功的
那么随着人类在理论物理和工程物理上面取得的一些突破性进展......
炼金术这个古老
- Toast原来也可以多样化
dai_lm
androidtoast
Style 1: 默认
Toast def = Toast.makeText(this, "default", Toast.LENGTH_SHORT);
def.show();
Style 2: 顶部显示
Toast top = Toast.makeText(this, "top", Toast.LENGTH_SHORT);
t
- java数据计算的几种解决方法3
datamachine
javahadoopibatisr-languer
4、iBatis
简单敏捷因此强大的数据计算层。和Hibernate不同,它鼓励写SQL,所以学习成本最低。同时它用最小的代价实现了计算脚本和JAVA代码的解耦,只用20%的代价就实现了hibernate 80%的功能,没实现的20%是计算脚本和数据库的解耦。
复杂计算环境是它的弱项,比如:分布式计算、复杂计算、非数据
- 向网页中插入透明Flash的方法和技巧
dcj3sjt126com
htmlWebFlash
将
Flash 作品插入网页的时候,我们有时候会需要将它设为透明,有时候我们需要在Flash的背面插入一些漂亮的图片,搭配出漂亮的效果……下面我们介绍一些将Flash插入网页中的一些透明的设置技巧。
一、Swf透明、无坐标控制 首先教大家最简单的插入Flash的代码,透明,无坐标控制: 注意wmode="transparent"是控制Flash是否透明
- ios UICollectionView的使用
dcj3sjt126com
UICollectionView的使用有两种方法,一种是继承UICollectionViewController,这个Controller会自带一个UICollectionView;另外一种是作为一个视图放在普通的UIViewController里面。
个人更喜欢第二种。下面采用第二种方式简单介绍一下UICollectionView的使用。
1.UIViewController实现委托,代码如
- Eos平台java公共逻辑
蕃薯耀
Eos平台java公共逻辑Eos平台java公共逻辑
Eos平台java公共逻辑
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
蕃薯耀 2015年6月1日 17:20:4
- SpringMVC4零配置--Web上下文配置【MvcConfig】
hanqunfeng
springmvc4
与SpringSecurity的配置类似,spring同样为我们提供了一个实现类WebMvcConfigurationSupport和一个注解@EnableWebMvc以帮助我们减少bean的声明。
applicationContext-MvcConfig.xml
<!-- 启用注解,并定义组件查找规则 ,mvc层只负责扫描@Controller -->
<
- 解决ie和其他浏览器poi下载excel文件名乱码
jackyrong
Excel
使用poi,做传统的excel导出,然后想在浏览器中,让用户选择另存为,保存用户下载的xls文件,这个时候,可能的是在ie下出现乱码(ie,9,10,11),但在firefox,chrome下没乱码,
因此必须综合判断,编写一个工具类:
/**
*
* @Title: pro
- 挥洒泪水的青春
lampcy
编程生活程序员
2015年2月28日,我辞职了,离开了相处一年的触控,转过身--挥洒掉泪水,毅然来到了兄弟连,背负着许多的不解、质疑——”你一个零基础、脑子又不聪明的人,还敢跨行业,选择Unity3D?“,”真是不自量力••••••“,”真是初生牛犊不怕虎•••••“,••••••我只是淡淡一笑,拎着行李----坐上了通向挥洒泪水的青春之地——兄弟连!
这就是我青春的分割线,不后悔,只会去用泪水浇灌——已经来到
- 稳增长之中国股市两点意见-----严控做空,建立涨跌停版停牌重组机制
nannan408
对于股市,我们国家的监管还是有点拼的,但始终拼不过飞流直下的恐慌,为什么呢?
笔者首先支持股市的监管。对于股市越管越荡的现象,笔者认为首先是做空力量超过了股市自身的升力,并且对于跌停停牌重组的快速反应还没建立好,上市公司对于股价下跌没有很好的利好支撑。
我们来看美国和香港是怎么应对股灾的。美国是靠禁止重要股票做空,在
- 动态设置iframe高度(iframe高度自适应)
Rainbow702
JavaScriptiframecontentDocument高度自适应局部刷新
如果需要对画面中的部分区域作局部刷新,大家可能都会想到使用ajax。
但有些情况下,须使用在页面中嵌入一个iframe来作局部刷新。
对于使用iframe的情况,发现有一个问题,就是iframe中的页面的高度可能会很高,但是外面页面并不会被iframe内部页面给撑开,如下面的结构:
<div id="content">
<div id=&quo
- 用Rapael做图表
tntxia
rap
function drawReport(paper,attr,data){
var width = attr.width;
var height = attr.height;
var max = 0;
&nbs
- HTML5 bootstrap2网页兼容(支持IE10以下)
xiaoluode
html5bootstrap
<!DOCTYPE html>
<html>
<head lang="zh-CN">
<meta charset="UTF-8">
<meta http-equiv="X-UA-Compatible" content="IE=edge">