- 医学图像增强的层级化模糊与虚拟仪器无参考质量评价研究【附代码】
拉勾科研工作室
计算机视觉图像处理人工智能
算法与建模领域的探索者|专注数据分析与智能模型设计✨擅长算法、建模、数据分析matlab、python、仿真✅具体问题可以私信或查看文章底部二维码✅感恩科研路上每一位志同道合的伙伴!(1)层级模糊隶属度的X光医学图像增强算法针对X光医学图像普遍存在的对比度差、细节模糊等问题,本算法提出了一种基于层级模糊隶属度的增强方法。该方法的核心思想在于利用拉普拉斯金字塔分解图像,并在多尺度下分层计算模糊隶属度
- OpenCV计算机视觉实战(12)——图像金字塔与特征缩放
AI technophile
OpenCV项目实践指南计算机视觉opencv人工智能
OpenCV计算机视觉实战(12)——图像金字塔与特征缩放0.前言1.高斯金字塔1.1应用场景1.2实现过程2.拉普拉斯金字塔2.1应用场景2.2实现过程3.图像融合实例3.1应用场景3.2实现过程小结系列链接0.前言图像金字塔技术通过对原始图像按不同分辨率进行多层次表示,不仅能提升计算效率,还能为图像融合、检测与识别提供多尺度特征。高斯金字塔(GaussianPyramid)用于构建多级低通图像
- [信号与系统]IIR滤波器与FIR滤波器的表达、性质以及一些分析
庭师_Official
信号与系统信号与系统信号处理
前言阅读本文需要阅读一些前置知识[信号与系统]傅里叶变换、卷积定理、和为什么时域的卷积等于频域相乘。[信号与系统]有关滤波器的一些知识背景[信号与系统]关于LTI系统的转换方程、拉普拉斯变换和z变换[信号与系统]关于双线性变换IIR滤波器的数学表达式IIR(InfiniteImpulseResponse)滤波器的输出信号y[n]y[n]y[n]可以用输入信号x[n]x[n]x[n]和滤波器系数表示
- 物理学界的悖论
目录经典力学与相对论拉普拉斯妖埃伦费斯特悖论双生子悖论贝尔飞船悖论量子力学薛定谔的猫EPR佯谬维格纳的朋友量子芝诺效应热力学与统计物理麦克斯韦妖洛斯密特可逆悖论吉布斯悖论宇宙学与天体物理奥伯斯佯谬黑洞信息悖论玻尔兹曼大脑运动学与时空理论芝诺二分法悖论飞矢不动悖论跑道悖论其他领域圆周率=4悖论费米悖论真
- python学智能算法(十三)|机器学习朴素贝叶斯方法进阶-简单二元分类
西猫雷婶
人工智能机器学习python学习笔记机器学习python分类人工智能开发语言矩阵深度学习
引言前述学习进程中,已经学习了拉普拉斯平滑公式计算条件概率的简单应用,文章链接为:python学智能算法(十二)|机器学习朴素贝叶斯方法初步-拉普拉斯平滑计算条件概率在此基础上,今天更进一步,联系一个简单二元分类的项目。项目介绍简单二元分类,就是把数据分成两种样本,完成区分即可。参数定义开展项目之前,先来定义几个参数:先验概率P(y):P(y)=∑j=1j=nyj∑yP(y)=\frac{\sum
- python学智能算法(十二)|机器学习朴素贝叶斯方法初步-拉普拉斯平滑计算条件概率
西猫雷婶
人工智能概率论机器学习机器学习人工智能深度学习矩阵python开发语言
【1】引言前序学习进程中,对条件概率进行了简单探索:https://blog.csdn.net/weixin_44855046/article/details/145388138?spm=1001.2014.3001.5501今天,以此为基础,探索机器学习中朴素贝叶斯方法的基本程序。【2】代码解读【2.1】库引入这里只需要numpy库:#引入numpy模块importnumpyasnp【2.2】初
- python学智能算法(十四)|机器学习朴素贝叶斯方法进阶-CountVectorizer文本处理简单测试
西猫雷婶
python学习笔记机器学习人工智能机器学习python人工智能
【1】引用前序学习文章中,已经对拉普拉斯平滑和简单二元分类进行了初步探索,相关文章链接为:python学智能算法(十二)|机器学习朴素贝叶斯方法初步-拉普拉斯平滑计算条件概率-CSDN博客python学智能算法(十三)|机器学习朴素贝叶斯方法进阶-简单二元分类-CSDN博客在实践应用中也会发现,朴素贝叶斯方法还能对文本进行分类,今天的学习目标就是学习简单的文本操作技巧,需要使用sklearn里面的
- 大数定律与中心极限定理:概率论的双子星
Algo-hx
概率论与数理统计概率论
目录引言5大数定律与中心极限定理5.1大数定律:频率的稳定性5.1.1辛钦大数定律定理内容5.1.2伯努利大数定律定理内容5.1.3切比雪夫大数定律定理内容对比总结表5.2中心极限定理:正态分布的普适性5.2.1独立同分布情形定理内容图释5.2.2李雅普诺夫定理定理内容核心思想图释5.2.3棣莫弗-拉普拉斯定理定理内容应用条件图释对比总结表5.3定理对比:LLNvsCLT引言当随机现象的个体行为无
- FM28V020-SGTR铁电存储器英飞凌 工业/汽车首选!替代SRAM+EEPROM
深圳市尚想信息技术有限公司
英飞凌存储器存储芯片汽车工业电子元器件
FM28V020-SGTR电子元器件解析1.基本类型与功能FM28V020-SGTR是Cypress(赛普拉斯,现属英飞凌)推出的一款2Mb(256KB)并行接口FRAM(铁电存储器),属于非易失性存储器,兼具SRAM的高速读写和Flash的断电保存特性。关键特性:存储容量:2Mb(256K×8位)接口类型:并行总线(异步SRAM兼容),支持55ns访问速度超高速写入:无延迟写入(无需擦除周期)1
- OpenCV实战100例——拉普拉斯金字塔融合
AI街潜水的八角
OpenCV实战100例opencv人工智能计算机视觉
一.原理说明拉普拉斯金字塔:用于重建图像,也就是预测残差,对图像进行最大程度的还原。一幅小图像重建为一幅大图原理:用高斯金字塔的每一层图像减去其上一层图像上采样并高斯卷积之后的预测图像,得到一系列的差值图像即为LP分解图像。拉普拉斯金字塔实际上是通过计算图片先下采样再上采样后的结果和原图片的残差来保存缺失信息的,公式为:L(i)=G(i)−PyrUp(G(i+1))L(i)=G(i)-PyrUp(
- 服务器数据迁移终极指南:网站、数据库、邮件无缝迁移策略与工具实战 (2025)
Clownseven
服务器数据库运维
嘿,各位服务器的“大管家”们!咱们在IT江湖闯荡,总有那么些时候,不得不面对一个既重要又可能让人头皮发麻的任务——服务器迁移!可能是因为旧服务器“年事已高”想给它换个“新家”,也可能是业务发展太快,原来的“小庙”容不下“大佛”了,或者干脆是想换个更靠谱的服务商(比如咱们Hostol,咳咳!)。不管原因如何,服务器迁移这活儿,就像是给你的整个“数字家当”搬家,从网站文件到数据库,再到那成千上万封的邮
- 同源“平滑思想”的问题解法:正则化与拉普拉斯平滑
思绪漂移
人工智能算法
同源“平滑思想”的问题解法:正则化与拉普拉斯平滑在机器学习和概率模型的实践中,正则化与拉普拉斯平滑是两个看似无关的技术:前者用于防止模型过拟合,后者用于解决零概率问题。但如果深入理解它们的核心逻辑,会发现两者的思想高度相似——都是通过“调整目标函数或概率分布”,对极端情况进行缓和,本质上是一种“平滑技术”。本文将从原理、实现和应用场景出发,拆解这两种技术的“平滑内核”。一、正则化:对模型参数的“温
- python opencv 三维重建_【python+opencv实现基于图片序列的三维重建】 - #1
weixin_39778815
pythonopencv三维重建
2015年09月05-三维重建一直是机器视觉研究的热门方向,比如,基于双目视觉,单目视觉,多视几何,光场三维重建等等。每一种方法都有其有点和局限性。单目视觉需要拍摄多幅图像,并且在拍摄过程中需要不断的调整相机的聚焦位置,最后采取一定的融合方法来找到每幅图像中的清晰像素点,从而得到深度信息。这种方法也被称为焦点堆栈法。在实际测试多个场景后,发现二级梯度评价函数和拉普拉斯评价函数融合效果较好。程201
- 信号与系统05-复频域分析(拉普拉斯变换与Z变换)
江畔柳前堤
信号与系统线性代数opencv数据挖掘语音识别计算机视觉人工智能机器学习
第5课:复频域分析(拉普拉斯变换与Z变换)课程目标理解复频域分析的核心思想:通过拉普拉斯变换和Z变换将时域问题转化为代数问题掌握连续系统(拉普拉斯变换)和离散系统(Z变换)的复频域建模方法理解系统稳定性与极点位置的关系结合人工智能中的滤波器设计、控制系统优化等实际应用1.复频域分析的基本概念1.1什么是复频域?复频域是将信号和系统从时域映射到复平面上的分析方法核心思想:将微分/差分方程转化为代数方
- 【信号与系统】连续时间信号与系统的复频域分析
沅_Yuan
信号与系统matlab信号与系统
1.单边指数信号的拉普拉斯变换symsat;xt=exp(-a*t);Xs=laplace(xt)2.用2exp(-2t)+5exp(-5t)验证单边拉普拉斯变换的线性特性symst;xt1=exp(-2*t);xt2=exp(-5*t);xt=2*xt1+5*xt2Xs=laplace(xt)3.通过部分分式展开法求(2s+4)/(s^3+4s)的拉普拉斯反变换num=[24]den=[1040
- 【图像处理基石】OpenCV中都有哪些图像增强的工具?
AndrewHZ
图像处理基石图像处理opencv算法计算机视觉图像增强滤波颜色科学
OpenCV图像增强工具系统性介绍OpenCV提供了丰富的图像增强工具,主要分为以下几类:亮度与对比度调整线性变换(亮度/对比度调整)直方图均衡化自适应直方图均衡化(CLAHE)滤波与平滑高斯滤波中值滤波双边滤波锐化与边缘增强拉普拉斯算子高通滤波非锐化掩蔽(UnsharpMasking)色彩空间变换灰度转换HSV色彩调整颜色平衡高级增强技术伽马校正对数变换幂律变换下面是各种工具的优缺点对比表:工具
- matlab多智能体网络一致性研究
kaikaile1995
matlab网络开发语言
一个基于连续时间多智能体系统(Multi-AgentSystems,MAS)的一阶一致性协议的MATLAB仿真代码,包含网络拓扑建模、一致性协议设计和收敛性分析。代码支持固定拓扑和时变拓扑,适用于学术研究。1.基础模型与代码框架(1)网络拓扑建模(图论)假设有(N)个智能体,通过无向图(G=(V,E))连接,邻接矩阵为(A),度矩阵为(D),拉普拉斯矩阵(L=D-A)。%生成一个包含5个节点的环形
- 【MongoDB篇】MongoDB的事务操作!
码熔burning
MongoDBmongodb数据库NoSQL
目录引言第一节:什么是事务?(ACID原则)第二节:MongoDB的演进:多文档ACID事务的到来!第三节:事务的“玩法”——如何执行一个事务?第四节:读写关注(Read/WriteConcern)在事务中✍️️第五节:事务的限制与考量第六节:何时需要请出事务这尊大佛?⚖️第七节:总结事务操作!我的其他文章也讲解的比较有趣,如果喜欢博主的讲解方式,可以多多支持一下,感谢!其他优质专栏:【Sprin
- 计算机视觉与深度学习 | 什么是图像金字塔?
单北斗SLAMer
计算机视觉深度学习python算法
图像金字塔详解图像金字塔图像金字塔详解1.**定义**2.**原理与公式****2.1高斯金字塔****2.2拉普拉斯金字塔**3.**代码示例****3.1使用OpenCV实现****3.2手动实现高斯模糊与降采样**4.**应用场景**5.**关键点总结**1.定义图像金字塔是一种多尺度图像表示方法,将图像按分辨率从高到低排列,形成类似金字塔的结构。常用于处理不同尺度的视觉任务,如目标检测、图
- opencv入门:十类常用基础指令
陈卿然
opencv人工智能计算机视觉
文章目录〇、安装opencv库和numpy库一、图像读取与显示1.读取图像2.显示图像3.图像保存4.读取视频二、图像基本操作1.数值运算2.颜色通道处理边界填充3.图像阈值4.图像滤波去噪5.形态学处理卷积核腐蚀与膨胀6.边缘检测Sobel算子Scharr算子Laplacian算子Canny边缘检测流程7.图像金字塔高斯金字塔拉普拉斯金字塔8.图像轮廓获取轮廓绘制轮廓轮廓特征轮廓近似边界矩形9.
- 第二十六讲 空间贝叶斯建模进阶:INLA方法(集成拉普拉斯近似)与高速贝叶斯建模实战
Chh0715
vue.js前端javascriptr语言算法
✨本讲关键词:INLA、空间建模、Bayesian、快速推断、R语言实战目录一、前言二、什么是INLA?核心优点INLA的基本结构:三、一个实战案例:模拟空间数据+INLA高速建模1️⃣安装依赖包2️⃣模拟一个空间格点数据3️⃣建立INLA模型四、结果解读与可视化五、总结与扩展应用推荐文献一、前言随着空间数据在生态、地学、农学等领域的广泛应用,如何高效而精确地进行空间建模成为研究焦点。贝叶斯建模因
- 赛普拉斯EZ-USB FX3开发环境安装指南
水熠芝Dark-Haired
赛普拉斯EZ-USBFX3开发环境安装指南一赛普拉斯EZ-USBFX3开发环境安装项目地址:https://gitcode.com/Resource-Bundle-Collection/bdf24本资源文件提供了赛普拉斯EZ-USBFX3开发环境的安装指南,帮助开发者快速搭建开发环境并开始使用FX3芯片进行开发。内容概述简介赛普拉斯EZ-USBFX3(简称FX3)是一个功能强大的USB3.0外设控
- 【KWDB 创作者计划】_深度学习篇---常见卷积核
Ronin-Lotus
程序代码篇深度学习篇图像处理篇深度学习cnn人工智能python卷积核
文章目录前言1.平滑(模糊)卷积核1.1均值滤波(3×3示例)1.2高斯滤波(3×3示例,σ=1)2.锐化卷积核2.1拉普拉斯锐化(3×3)2.2非归一化锐化3.边缘检测卷积核3.1Sobel算子(水平边缘检测)3.2Sobel算子(垂直边缘检测)3.3Prewitt算子(水平方向)4.方向性卷积核4.1水平边缘检测4.2垂直边缘检测5.自定义卷积核5.1Gabor滤波器5.2空洞卷积6.深度可分
- MATLAB基础应用精讲-【数模应用】贝叶斯优化
林聪木
机器学习算法人工智能
目录前言算法原理朴素贝叶斯算法核心思想示例贝叶斯定理贝叶斯网络贝叶斯网络的结构形式因子图数学模型最优贝叶斯推理贝叶斯优化什么高斯过程acquisition函数朴素贝叶斯贝叶斯公式与条件独立假设1)先验概率与后验概率2)贝叶斯公式3)条件独立假设与朴素贝叶斯平滑处理1)为什么需要平滑处理2)拉普拉斯平滑及依据应用案例中文分词统计机器翻译贝叶斯图像识别,AnalysisbySynthesisEM算法与
- Python+拉普拉斯变换求解微分方程
Pythonpython微分方程
引言在数学和工程学中,微分方程广泛应用于描述动态系统的行为,如电路、电气控制系统、机械振动等。求解微分方程的一个常见方法是使用拉普拉斯变换,尤其是在涉及到初始条件时。今天,我们将通过Python演示如何使用拉普拉斯变换来求解微分方程,并帮助大家更好地理解这一过程。什么是拉普拉斯变换?拉普拉斯变换是一种数学变换,常用于将微分方程转换为代数方程,方便求解。通过拉普拉斯变换,我们可以将微分方程中的微分操
- 毕设成品 opencv图像增强算法系统
m0_71572237
毕业设计python毕设
文章目录0简介1.基于直方图均衡化的图像增强2\.基于拉普拉斯算子的图像增强4\.基于伽马变换的图像增强软件实现效果最后0简介今天学长向大家分享一个毕业设计项目毕业设计opencv图像增强算法系统项目运行效果:毕业设计基于机器视觉的图像增强项目分享:见文末!1.基于直方图均衡化的图像增强直方图均衡化是通过调整图像的灰阶分布,使得在0~255灰阶上的分布更加均衡,提高了图像的对比度,达到改善图像主观
- matlab和python哪个运行快_MATLAB比Python更快吗?
weixin_39593277
您可以在此链接的底部找到一些有用的结果http://wiki.scipy.org/PerformancePython从介绍来看,编织与NumPy,Pyrex,Psyco,Fortran(77和90)和C++的比较,用于求解拉普拉斯方程。它还比较了MATLAB,并且似乎表现出与使用Python和NumPy时相似的速度。当然这只是一个具体的例子,您的应用程序可能会允许更好或更差的性能。在两者上进行相同
- 电路笔记(信号):串联电容变小、并联电容增大的分析和计算
FakeOccupational
硬件和移动端信号
如在数字滤波电路的拉普拉斯变换与零极点分析中的推导,电容的容抗为1jωC\frac{1}{j\omegaC}jωC1,对于C1C_1C1和C2C_2C2的串联阻抗:1jωC1+1jωC2=k∗×(1C1+1C2)=k∗×1C1∗C2C1+C2(k=1jω)\frac{1}{j\omegaC_1}+\frac{1}{j\omegaC_2}=k*\times(\frac{1}{C_1}+\frac{1
- 拉普拉斯逆变换 (Inverse Laplace Transform)
正是读书时
知识点信号处理信息与通信
拉普拉斯逆变换(InverseLaplaceTransform)概述拉普拉斯逆变换是拉普拉斯变换的逆过程,用于将频域中的函数转换回时域。拉普拉斯变换在信号处理、控制理论和系统分析中具有广泛的应用,而拉普拉斯逆变换则用于将分析得到的结果转换回时域,以便理解和应用实际的系统行为。定义(以单边s变换举例)设\(F(s)\)是一个复变量\(s\)的函数,且\(F(s)\)是某个时域函数\(f(t)\)的拉
- 拉普拉斯平滑(Laplacian smoothing)
潜心学习的渣渣
机器学习
概念零概率问题:在计算事件的概率时,如果某个事件在观察样本库(训练集)中没有出现过,会导致该事件的概率结果是0。这是不合理的,不能因为一个事件没有观察到,就被认为该事件一定不可能发生(即该事件的概率为0)。拉普拉斯平滑(Laplaciansmoothing)是为了解决零概率的问题。法国数学家拉普拉斯最早提出用加1的方法,估计没有出现过的现象的概率。理论假设:假定训练样本很大时,每个分量x的计数加1
- ASM系列六 利用TreeApi 添加和移除类成员
lijingyao8206
jvm动态代理ASM字节码技术TreeAPI
同生成的做法一样,添加和移除类成员只要去修改fields和methods中的元素即可。这里我们拿一个简单的类做例子,下面这个Task类,我们来移除isNeedRemove方法,并且添加一个int 类型的addedField属性。
package asm.core;
/**
* Created by yunshen.ljy on 2015/6/
- Springmvc-权限设计
bee1314
springWebjsp
万丈高楼平地起。
权限管理对于管理系统而言已经是标配中的标配了吧,对于我等俗人更是不能免俗。同时就目前的项目状况而言,我们还不需要那么高大上的开源的解决方案,如Spring Security,Shiro。小伙伴一致决定我们还是从基本的功能迭代起来吧。
目标:
1.实现权限的管理(CRUD)
2.实现部门管理 (CRUD)
3.实现人员的管理 (CRUD)
4.实现部门和权限
- 算法竞赛入门经典(第二版)第2章习题
CrazyMizzz
c算法
2.4.1 输出技巧
#include <stdio.h>
int
main()
{
int i, n;
scanf("%d", &n);
for (i = 1; i <= n; i++)
printf("%d\n", i);
return 0;
}
习题2-2 水仙花数(daffodil
- struts2中jsp自动跳转到Action
麦田的设计者
jspwebxmlstruts2自动跳转
1、在struts2的开发中,经常需要用户点击网页后就直接跳转到一个Action,执行Action里面的方法,利用mvc分层思想执行相应操作在界面上得到动态数据。毕竟用户不可能在地址栏里输入一个Action(不是专业人士)
2、<jsp:forward page="xxx.action" /> ,这个标签可以实现跳转,page的路径是相对地址,不同与jsp和j
- php 操作webservice实例
IT独行者
PHPwebservice
首先大家要简单了解了何谓webservice,接下来就做两个非常简单的例子,webservice还是逃不开server端与client端。我测试的环境为:apache2.2.11 php5.2.10做这个测试之前,要确认你的php配置文件中已经将soap扩展打开,即extension=php_soap.dll;
OK 现在我们来体验webservice
//server端 serve
- Windows下使用Vagrant安装linux系统
_wy_
windowsvagrant
准备工作:
下载安装 VirtualBox :https://www.virtualbox.org/
下载安装 Vagrant :http://www.vagrantup.com/
下载需要使用的 box :
官方提供的范例:http://files.vagrantup.com/precise32.box
还可以在 http://www.vagrantbox.es/
- 更改linux的文件拥有者及用户组(chown和chgrp)
无量
clinuxchgrpchown
本文(转)
http://blog.163.com/yanenshun@126/blog/static/128388169201203011157308/
http://ydlmlh.iteye.com/blog/1435157
一、基本使用:
使用chown命令可以修改文件或目录所属的用户:
命令
- linux下抓包工具
矮蛋蛋
linux
原文地址:
http://blog.chinaunix.net/uid-23670869-id-2610683.html
tcpdump -nn -vv -X udp port 8888
上面命令是抓取udp包、端口为8888
netstat -tln 命令是用来查看linux的端口使用情况
13 . 列出所有的网络连接
lsof -i
14. 列出所有tcp 网络连接信息
l
- 我觉得mybatis是垃圾!:“每一个用mybatis的男纸,你伤不起”
alafqq
mybatis
最近看了
每一个用mybatis的男纸,你伤不起
原文地址 :http://www.iteye.com/topic/1073938
发表一下个人看法。欢迎大神拍砖;
个人一直使用的是Ibatis框架,公司对其进行过小小的改良;
最近换了公司,要使用新的框架。听说mybatis不错;就对其进行了部分的研究;
发现多了一个mapper层;个人感觉就是个dao;
- 解决java数据交换之谜
百合不是茶
数据交换
交换两个数字的方法有以下三种 ,其中第一种最常用
/*
输出最小的一个数
*/
public class jiaohuan1 {
public static void main(String[] args) {
int a =4;
int b = 3;
if(a<b){
// 第一种交换方式
int tmep =
- 渐变显示
bijian1013
JavaScript
<style type="text/css">
#wxf {
FILTER: progid:DXImageTransform.Microsoft.Gradient(GradientType=0, StartColorStr=#ffffff, EndColorStr=#97FF98);
height: 25px;
}
</style>
- 探索JUnit4扩展:断言语法assertThat
bijian1013
java单元测试assertThat
一.概述
JUnit 设计的目的就是有效地抓住编程人员写代码的意图,然后快速检查他们的代码是否与他们的意图相匹配。 JUnit 发展至今,版本不停的翻新,但是所有版本都一致致力于解决一个问题,那就是如何发现编程人员的代码意图,并且如何使得编程人员更加容易地表达他们的代码意图。JUnit 4.4 也是为了如何能够
- 【Gson三】Gson解析{"data":{"IM":["MSN","QQ","Gtalk"]}}
bit1129
gson
如何把如下简单的JSON字符串反序列化为Java的POJO对象?
{"data":{"IM":["MSN","QQ","Gtalk"]}}
下面的POJO类Model无法完成正确的解析:
import com.google.gson.Gson;
- 【Kafka九】Kafka High Level API vs. Low Level API
bit1129
kafka
1. Kafka提供了两种Consumer API
High Level Consumer API
Low Level Consumer API(Kafka诡异的称之为Simple Consumer API,实际上非常复杂)
在选用哪种Consumer API时,首先要弄清楚这两种API的工作原理,能做什么不能做什么,能做的话怎么做的以及用的时候,有哪些可能的问题
- 在nginx中集成lua脚本:添加自定义Http头,封IP等
ronin47
nginx lua
Lua是一个可以嵌入到Nginx配置文件中的动态脚本语言,从而可以在Nginx请求处理的任何阶段执行各种Lua代码。刚开始我们只是用Lua 把请求路由到后端服务器,但是它对我们架构的作用超出了我们的预期。下面就讲讲我们所做的工作。 强制搜索引擎只索引mixlr.com
Google把子域名当作完全独立的网站,我们不希望爬虫抓取子域名的页面,降低我们的Page rank。
location /{
- java-归并排序
bylijinnan
java
import java.util.Arrays;
public class MergeSort {
public static void main(String[] args) {
int[] a={20,1,3,8,5,9,4,25};
mergeSort(a,0,a.length-1);
System.out.println(Arrays.to
- Netty源码学习-CompositeChannelBuffer
bylijinnan
javanetty
CompositeChannelBuffer体现了Netty的“Transparent Zero Copy”
查看API(
http://docs.jboss.org/netty/3.2/api/org/jboss/netty/buffer/package-summary.html#package_description)
可以看到,所谓“Transparent Zero Copy”是通
- Android中给Activity添加返回键
hotsunshine
Activity
// this need android:minSdkVersion="11"
getActionBar().setDisplayHomeAsUpEnabled(true);
@Override
public boolean onOptionsItemSelected(MenuItem item) {
- 静态页面传参
ctrain
静态
$(document).ready(function () {
var request = {
QueryString :
function (val) {
var uri = window.location.search;
var re = new RegExp("" + val + "=([^&?]*)", &
- Windows中查找某个目录下的所有文件中包含某个字符串的命令
daizj
windows查找某个目录下的所有文件包含某个字符串
findstr可以完成这个工作。
[html]
view plain
copy
>findstr /s /i "string" *.*
上面的命令表示,当前目录以及当前目录的所有子目录下的所有文件中查找"string&qu
- 改善程序代码质量的一些技巧
dcj3sjt126com
编程PHP重构
有很多理由都能说明为什么我们应该写出清晰、可读性好的程序。最重要的一点,程序你只写一次,但以后会无数次的阅读。当你第二天回头来看你的代码 时,你就要开始阅读它了。当你把代码拿给其他人看时,他必须阅读你的代码。因此,在编写时多花一点时间,你会在阅读它时节省大量的时间。让我们看一些基本的编程技巧: 尽量保持方法简短 尽管很多人都遵
- SharedPreferences对数据的存储
dcj3sjt126com
SharedPreferences简介: &nbs
- linux复习笔记之bash shell (2) bash基础
eksliang
bashbash shell
转载请出自出处:
http://eksliang.iteye.com/blog/2104329
1.影响显示结果的语系变量(locale)
1.1locale这个命令就是查看当前系统支持多少种语系,命令使用如下:
[root@localhost shell]# locale
LANG=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
- Android零碎知识总结
gqdy365
android
1、CopyOnWriteArrayList add(E) 和remove(int index)都是对新的数组进行修改和新增。所以在多线程操作时不会出现java.util.ConcurrentModificationException错误。
所以最后得出结论:CopyOnWriteArrayList适合使用在读操作远远大于写操作的场景里,比如缓存。发生修改时候做copy,新老版本分离,保证读的高
- HoverTree.Model.ArticleSelect类的作用
hvt
Web.netC#hovertreeasp.net
ArticleSelect类在命名空间HoverTree.Model中可以认为是文章查询条件类,用于存放查询文章时的条件,例如HvtId就是文章的id。HvtIsShow就是文章的显示属性,当为-1是,该条件不产生作用,当为0时,查询不公开显示的文章,当为1时查询公开显示的文章。HvtIsHome则为是否在首页显示。HoverTree系统源码完全开放,开发环境为Visual Studio 2013
- PHP 判断是否使用代理 PHP Proxy Detector
天梯梦
proxy
1. php 类
I found this class looking for something else actually but I remembered I needed some while ago something similar and I never found one. I'm sure it will help a lot of developers who try to
- apache的math库中的回归——regression(翻译)
lvdccyb
Mathapache
这个Math库,虽然不向weka那样专业的ML库,但是用户友好,易用。
多元线性回归,协方差和相关性(皮尔逊和斯皮尔曼),分布测试(假设检验,t,卡方,G),统计。
数学库中还包含,Cholesky,LU,SVD,QR,特征根分解,真不错。
基本覆盖了:线代,统计,矩阵,
最优化理论
曲线拟合
常微分方程
遗传算法(GA),
还有3维的运算。。。
- 基础数据结构和算法十三:Undirected Graphs (2)
sunwinner
Algorithm
Design pattern for graph processing.
Since we consider a large number of graph-processing algorithms, our initial design goal is to decouple our implementations from the graph representation
- 云计算平台最重要的五项技术
sumapp
云计算云平台智城云
云计算平台最重要的五项技术
1、云服务器
云服务器提供简单高效,处理能力可弹性伸缩的计算服务,支持国内领先的云计算技术和大规模分布存储技术,使您的系统更稳定、数据更安全、传输更快速、部署更灵活。
特性
机型丰富
通过高性能服务器虚拟化为云服务器,提供丰富配置类型虚拟机,极大简化数据存储、数据库搭建、web服务器搭建等工作;
仅需要几分钟,根据CP
- 《京东技术解密》有奖试读获奖名单公布
ITeye管理员
活动
ITeye携手博文视点举办的12月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。
12月试读活动回顾:
http://webmaster.iteye.com/blog/2164754
本次技术图书试读活动获奖名单及相应作品如下:
一等奖(两名)
Microhardest:http://microhardest.ite