- 基于PIL实现亮度、噪声、随机黑块数据增强
小陈phd
pythonnumpy人工智能
importosimportshutilfromPILimportImage,ImageEnhanceimportnumpyasnpimportrandomfromtqdmimporttqdm#ColorJitteringfunctiondefapply_color_jitter(image,brightness=0.5,contrast=0.5,saturation=0.5):"""Applyc
- 什么是特征检测和描述,OpenCV中常见的特征检测算法有哪些?
-Max-静-
#opencv学习opencv算法人工智能
特征检测和描述是计算机视觉中的基本概念,它们在图像识别、对象跟踪、图像拼接等多种任务中发挥着至关重要的作用。特征检测是指识别图像中重要的特定点、区域或结构,这些特征通常具有独特性、可重复性以及对光照变化、旋转和比例变换等变化的鲁棒性。这些特征点可以用作进一步分析的参考。特征描述是基于一定的几何或者颜色信息生成特征点的特征描述符,这种描述应满足欧式空间的仿射不变性和噪声鲁棒性,并且不同特征点的特征描
- 数据挖掘-数据预处理的必要性及主要任务
嘣嘣嚓
数据挖掘数据仓库数据库数据分析人工智能
数据预处理的必要性及主要任务1、数据预处理的必要性数据库极易受噪声、缺失值和不一致数据的侵扰,因为数据库太大,并且多半来自多个异构数据源。低质量的数据导致低质量的数据挖掘。2、数据预处理技术(1)数据清理:可以用来清除数据中的噪声,纠正不一致。(2)数据集成:将数据由多个数据源合并成一个一致的数据存储,如数据仓库。(3)数据归约:可以通过如狙击、删除冗余特征或聚类来降低数据的规模。(4)数据变换:
- 数据挖掘中的【数据预处理】
ZFour_X
文本挖掘学习数据分析大数据
学习参考链接:[整理一份详细的数据预处理方法(https://zhuanlan.zhihu.com/p/51131210)数据预处理有两种不同的理解:1、数据挖掘中的预处理改善数据质量,有利于后期分析数据去重数据异常:价格为-1——>删除样本字段缺失:缺少品牌——>从型号中提取数据噪声:存在充电线、手机壳等非手机类商品——>删除单位不一致:评论数量1200、1.2万——>转换数据归约:同一型号不同
- Topaz Video AI Mac
lx53mac
Mac软件人工智能macos
TopazVideoAI软件是一款引领视频处理技术的革命性工具,以其出色的视频质量提升和智能化处理功能,为影视制作、视频编辑和内容创作者带来了前所未有的便捷与高效。TopazVideoAI的核心功能在于其强大的视频质量提升算法。通过对低分辨率、模糊或噪声过多的视频进行智能分析,软件能够自动进行画质修复和优化,让视频呈现出清晰、细腻的画面效果。同时,它还支持视频格式转换和压缩,满足不同平台和设备的播
- 生成对抗网络——cgan
尼古拉斯·two_dog
生成对抗网络——GAN深度学习gan
GAN:生成对抗网络(GenerativeAdversarialNetworks[4])主要由生成器(generator)和判别器(discriminator)组成。它的原理也比较清晰,generator负责输入随机噪声z,输出一个图片G(z),而真实样本x,判别器D则用尽全力希望把真实样本和虚假样本区分开来。而G则希望产生的G(z)以假乱真,欺骗判别器,让其判断不出来。从而有了这么一种对抗的关系
- 噪音继续
芳芳行洁
最近几晚上都被一种能听见但是录音就发现没有声音的噪声吵醒了,噪声如往常一样来自于楼上的住户,一直都有声音只是昨天晚上极其的明显,A君忍不住上去打招呼,可惜人家只顾着开着大的外放声看电视呢?不回话,不理不顾。楼上住户是一个只身一人的大龄男人,A君曾经又一次因为噪声的事情进过屋,房间特别乱,还养了一只猫。后续还有噪声我们继续反映,后面关系就僵着了。往坏一点说,互看碍眼那种。楼上的住户是一个重庆人,是才
- Canny详解
kxg916361108
计算机视觉图像处理人工智能
Canny边缘检测是一种经典的图像处理技术,被广泛应用于计算机视觉和图像处理领域。它由JohnF.Canny在1986年提出,是一种多阶段的边缘检测算法,具有高精度和低错误率的特点。Canny边缘检测的步骤:高斯滤波(GaussianBlur):Canny边缘检测首先对图像进行高斯平滑处理,以减少图像中的噪声。高斯滤波器将图像中的每个像素与周围像素进行加权平均,从而模糊图像并减少噪声。计算图像梯度
- 大疆的raw图噪声合成:Towards General Low-Light Raw Noise Synthesis and Modeling
tony365
降噪pytorch计算机视觉人工智能
文章目录TowardsGeneralLow-LightRawNoiseSynthesisandModeling1dd2信号相关噪声建模3信号无关噪声:生成器和一致性损失(L1和vgg内容损失)4判别器5总结TowardsGeneralLow-LightRawNoiseSynthesisandModeling1dd作者说极暗场景下物理方法仿真不好。作者提出的方法,对于信号相关的噪声使用物理方法建模,
- Python图像处理【21】基于卷积神经网络增强微光图像
AI technophile
Python图像处理实战python图像处理cnn
基于卷积神经网络增强微光图像0.前言1.MBLLEN网络架构2.增强微光图像小结系列链接0.前言在本节中,我们将学习如何基于预训练的深度学习模型执行微光/夜间图像增强。由于难以同时处理包括亮度、对比度、伪影和噪声在内的所有因素,因此微光图像增强一直是一项具有挑战性的问题。为了解决这一问题,提出了多分支微光增强网络(multi-branchlow-lightenhancementnetwork,MB
- 【MATLAB源码-第152期】基于matlab的子空间方法(subspace method)的信道盲估计仿真,16QAM调制。
Matlab程序猿
matlab开发语言信息与通信
操作环境:MATLAB2022a1、算法描述基于子空间方法的信道盲估计是一种在通信领域中广泛使用的技术,用于在不直接知道发送信号的情况下估计通信信道的特性。这种方法的核心思想是通过接收到的信号来分析信号空间的结构,从而推断出信道的特性。下面将详细介绍子空间方法的原理、实现步骤、优缺点及其在实际应用中的表现。一、子空间方法的基本原理子空间方法的基本原理是将接收信号的空间分解为信号子空间和噪声子空间。
- 基于引导滤波的暗通道matlab,基于加权引导滤波的水下图像增强算法
来自大马士革的钢
在水下环境中,由于水分子以及溶解的杂质对光线的吸收和散射作用,导致水下图像出现对比度低、噪声较大等严重的退化问题。这不仅降低了图像的整体视觉效果,而且给后续图像的自动处理和识别产生不利影响。因此,研究有效的水下图像增强算法具有重要意义。近年来,水下图像增强方法主要分为模型法和非模型法。模型法利用光照物理模型估计图像的降质模式,根据估计的结果复原降质图像。非模型法不考虑水下光学成像机理和光照机理,直
- 如何让自己安静下来呢?
陈泽木
有的人可以很快的让自己安定下来,有的人则很难让自己安定下来,究其原因,是因为,可以让自己安定下来的人他们心里有定海神针目标或者坚定的信念,不安定的人则是没有目标,没有信念,不知道自己要干嘛,该干嘛!总是再做一件又一件的事情。但总是做不好,原因就是心不安宁。那么我们该怎么做呢?有三个小技巧,大家可以尝试一下,1.擒贼先擒王不管你所做的事情,找出外因最大的干扰源,就只盯着它!有可能是噪声,其他人!2.
- 诉诸存储和传输的编码
dog250
网络
用脑补而不是重传对有损传输进行纠错后,有朋友评论:可现代的图像压缩、数据编码已经很大程度上把可以脑补的空间从传输载荷中沥干了——完美编码下所传输的数据是近乎噪声的没有任何特点的分布。在这个框架下,被压缩的载荷如果随便丢了一点什么、就缺缺实实损失了没法复原并且大段落的信息。这也是为什么一直要期待以tcp模拟无损传输媒介的原因。随人工智能渐进,我们必须能够设想ai间的通信方式。即将到来的海量交互的万物
- 挑战杯 基于机器视觉的二维码识别检测 - opencv 二维码 识别检测 机器视觉
laafeer
python
文章目录0简介1二维码检测2算法实现流程3特征提取4特征分类5后处理6代码实现5最后0简介优质竞赛项目系列,今天要分享的是基于机器学习的二维码识别检测-opencv二维码识别检测机器视觉该项目较为新颖,适合作为竞赛课题方向,学长非常推荐!更多资料,项目分享:https://gitee.com/dancheng-senior/postgraduate1二维码检测物体检测就是对数字图像中一类特定的物体
- matlab计算正交变换,图像的正交变换matlab.pdf
大Victor
matlab计算正交变换
图像的正交变换matlab《数字图像处理》课程实验报告实验名:图像的正交变换实验1院系:自动化测试与控制系班级:1201132姓名:李丹阳学号:1120110113哈尔滨工业大学电气工程及自动化学院光电信息工程2015年12月13日一、实验原理二、实验内容三、实验结果与分析1、傅立叶变换A)绘制一个二值图像矩阵,并将其傅立叶函数可视化。(傅里叶变换A)的实验结果B)利用傅立叶变换分析两幅图像的相关
- wince 系统的数据采集器读取扫描数据并上传
ganyuanmen
asp.net/C#wince
分公司产品的出入库管理需要扫描条码操作。以前开发的软件是用普通的无线扫描枪,用声音提示扫描结果。由于仓库很宽,噪声大,有时无法听到声音提示,不知道扫描是否成功。操作人员意见很大(听不到扫描提示的就用手工记录条码,最后输入电脑),后来曾考虑用笔记本电脑做中继。感觉很变态。最后经过层层审批,终于同意购买有操作系统(wince)的条码数据采集器。wince系统的pad与普通的扫描枪有
- linux上存储和读取bmp图像文件
anranjingsi
linux
将图像数据写bmp文件数字图像在外存储器设备中的存储形式是图像文件,图像必须按照某个已知的、公认的数据存储顺序和结构进行存储,才能使不同的程序对图像文件顺利进行打开或存盘操作,实现数据共享。图像数据在文件中的存储顺序和结构称为图像文件格式。BMP文件是Windows操作系统所推荐和支持的图像文件格式,是一种将内存或显示器的图像数据不经过压缩而直接按位存盘的文件格式,所以称为位图(bitmap)文件
- 基于MATLAB的QPSK调制解调仿真(仿真图超多,结果超清晰)
迎风打盹儿
数字通信原理数字信号处理matlab信号处理信息与通信程序人生
基于MATLAB的QPSK调制解调仿真(包含中间各个环节的时域波形、功率谱、频谱图、星座图和眼图、理论与仿真的误码率曲线)目录前言一、QPSK调制解调过程二、仿真结果Ⅰ、码元信噪比eb/n0=10dB时1、双极性不归零基带信号2、成型滤波(根升余弦滤波)后3、调制后4、加入高斯白噪声后5、乘载波后6、低通滤波后7、匹配滤波后8、星座图和眼图Ⅱ、码元信噪比eb/n0=-10dB时1、星座图2、眼图Ⅲ
- 长时间飞行小妙招
茶s
远距离出境游,一般都要飞10个小时左右的时间,不可避免的需要在飞机上睡上一觉。飞机上空气干燥、发动机声音大、有气流颠簸,经济舱的前后座位拥挤,都让整个飞行行程糟心。有一些小妙招可以帮助减少这些痛苦。降噪耳机部分人喜欢带上耳塞,但是飞机的发动机声音,根本没办法挡得住,更推荐的是降噪耳机。降噪耳机能否发出反向的噪音,对冲掉发动机的噪声,实在是睡一个好觉的必备好物。最推荐的是BOSE的包耳降噪系列,可以
- SG5032EEN晶体振荡器SPXO
Epson样品中心
晶体晶振晶体振荡器新媒体运营
5G将使通信流量呈指数级增长,5G通信网络需要高速和宽带,同时将噪声水平保持在最低水平,这可以通过通信设备的高频低抖动参考时钟来实现,使用上述晶体振荡器SPXO,客户可以输入一个具有极低相位抖动和功率的高频参考时钟(高达 500mhz),从基模晶体中获得优异的相位噪声。频率范围:200.1MHz~500mhz供电电压:2.5V型。/3.3V类型功能:输
- Multisim14.0详细安装教程图文
万里黄沙
硬件硬件工程嵌入式硬件
Multisim有强大的电路仿真和分析功能,包括电路的瞬态分析、稳态分析、时域分析、频域分析、噪声分析、失真分析和离散傅里叶分析等多种工具,在项目开发过程中,对某个电路模块进行初步分析和仿真,能节省不少时间。软件包下载链接:关注公众号:嵌入式与酒,后台回复:Multisim获取,最后面有软件包下载链接,下面是Multisim14.0的安装教程:1-下载并解压:2-在解压后的文件里,右键点击NI_C
- 生成对抗网络----GAN
小豆包的小朋友0217
生成对抗网络人工智能神经网络
系列文章目录`文章目录系列文章目录前言一、基本构成二、应用领域三、基本原理四、如何训练GAN前言一、基本构成GAN(GenerativeAdversarialNetwork):通过两个神经网络,即生成器(Generator)和判别器(Discriminator),相互竞争来学习数据分布。{生成器(Generator):负责从随机噪声中学习生成与真实数据相似的数据。判别器(Discriminator
- python中绘制数组直方图一维数组划分10组_opencv-python 绘制直方图和均衡化
weixin_39607935
直方图什么是直方图?一个数字图像是由像素点组成的,每个像素点在计算机里都是以二进制代码存储的,通常都是8bit编码,也就是说一个像素的可能值是00H到FFH,如果是灰度图像,那么每个像素值便代表它的灰度值,如果是RGB三通道图像,每个像素值是一个数组比如[60,40,244]它代表每个通道的灰度值。直方图用来统计每个灰度值出现的次数。也就是每个灰度值出现的频数,横坐标是像素点的值,比如8bit编码
- 21种matlab信号分解方法汇总
2301_78492934
matlab开发语言信号处理
21中信号分解方法汇总CEEMD(互补集合经验模态分解)CEEMDAN(自适应噪声完备集合经验模态分解)EEMD(集合经验模态分解)EMD(经验模态分解)ESMD(极点对称模态分解)EWT(经验小波变换分解)FEEMD(快速EEMD分解)ICEEMDAN(改进自适应噪声完备集合经验模态分解)LMD(局域均值分解)MVMD(多元变分模式分解)POD(本征正交分解)REMD(固有时间尺度分解)RLMD
- CEEMDAN(自适应噪声完备集合经验模态分解)+峭度值+能量熵+近似熵+模糊熵+排列熵+多尺度排列熵+样本熵
2301_78492934
人工智能算法深度学习信号处理matlab
CEEMDAN(自适应噪声完备集合经验模态分解)+峭度值+能量熵+近似熵+模糊熵+排列熵+多尺度排列熵+样本熵对序列信号进行CEEMDAN(自适应噪声完备集合经验模态)分解后计算各分解分量峭度值、能量熵、近似熵、模糊熵、排列熵、多尺度排列熵、样本熵,程序实用性高,适合故障诊断、功率预测等研究方向信号处理。并输出分解图、包络图、包络谱图、峭度值图、频谱图。下面对所涉及算法及运行效果进行介绍好的,下面
- 卷积CNN中的数学知识
数据智能谷
来源网络对于一维函数f(x),其一阶微分的基本定义是差值:我们将二阶微分定义成如下差分:我们首先我们来看边缘的灰度分布图以及将一二阶微分作用于边缘上:我们可以看到,在边缘(也就是台阶处),二阶微分值非常大,其他地方值比较小或者接近0.那我们就会得到一个结论,微分算子的响应程度与图像在用算子操作的这一点的突变程度成正比,这样,图像微分增强边缘和其他突变(如噪声),而削弱灰度变化缓慢的区域。也就是说,
- 深度学习中的鲁棒性和泛化性有什么区别
智能建造小硕
学习经验深度学习人工智能
鲁棒性(Robustness)和泛化性(Generalization)是评估模型性能时常用的两个术语,尤其在机器学习和统计建模领域。虽然这两个概念相关,但它们关注的方面有所不同。鲁棒性鲁棒性指的是模型在面对输入数据的小幅变动或存在噪声时仍能保持性能不受显著影响的能力。一个鲁棒的模型能够处理异常值、缺失数据点、或是不完美的输入数据,而不会导致预测结果出现显著偏差。鲁棒性强调的是模型对于输入数据中的不
- openAI的sora的技术原理是什么
kfjh
transformer
OpenAI的Sora模型是一个视频生成模型,与GPT模型类似,Sora使用了Transformer架构,有很强的扩展性。Sora从类似于静态噪声的视频开始,通过多个步骤逐渐去除噪声,视频也从最初的随机像素转化为清晰的图像场景。这种工作方式类似于OpenAI的图像生成工具DALL-E。用户输入想要的场景,Sora会返回一个高清视频剪辑。此外,Sora还可以生成受静态图像启发的视频剪辑,并扩展现有视
- 图片的位深度
HWL5679
人工智能计算机视觉深度学习
图片的位深度(bitdepth)是描述数字图像中颜色深度和细节的一个重要参数。它决定了图像中每个像素可以显示的颜色数量,从而影响了图像的色彩丰富度和质量。位深度是通过指定用于表示每种颜色的二进制位数(0和1)来量化的。对于灰度图像,位深度量化了有多少独特的阴影可用;对于彩色图像,每种原色(红色、绿色和蓝色)通常由其位深度指定的强度值范围来表示。每种原色的位深度称为“每通道位数”,而所有三个颜色通道
- 用MiddleGenIDE工具生成hibernate的POJO(根据数据表生成POJO类)
AdyZhang
POJOeclipseHibernateMiddleGenIDE
推荐:MiddlegenIDE插件, 是一个Eclipse 插件. 用它可以直接连接到数据库, 根据表按照一定的HIBERNATE规则作出BEAN和对应的XML ,用完后你可以手动删除它加载的JAR包和XML文件! 今天开始试着使用
- .9.png
Cb123456
android
“点九”是andriod平台的应用软件开发里的一种特殊的图片形式,文件扩展名为:.9.png
智能手机中有自动横屏的功能,同一幅界面会在随着手机(或平板电脑)中的方向传感器的参数不同而改变显示的方向,在界面改变方向后,界面上的图形会因为长宽的变化而产生拉伸,造成图形的失真变形。
我们都知道android平台有多种不同的分辨率,很多控件的切图文件在被放大拉伸后,边
- 算法的效率
天子之骄
算法效率复杂度最坏情况运行时间大O阶平均情况运行时间
算法的效率
效率是速度和空间消耗的度量。集中考虑程序的速度,也称运行时间或执行时间,用复杂度的阶(O)这一标准来衡量。空间的消耗或需求也可以用大O表示,而且它总是小于或等于时间需求。
以下是我的学习笔记:
1.求值与霍纳法则,即为秦九韶公式。
2.测定运行时间的最可靠方法是计数对运行时间有贡献的基本操作的执行次数。运行时间与这个计数成正比。
- java数据结构
何必如此
java数据结构
Java 数据结构
Java工具包提供了强大的数据结构。在Java中的数据结构主要包括以下几种接口和类:
枚举(Enumeration)
位集合(BitSet)
向量(Vector)
栈(Stack)
字典(Dictionary)
哈希表(Hashtable)
属性(Properties)
以上这些类是传统遗留的,在Java2中引入了一种新的框架-集合框架(Collect
- MybatisHelloWorld
3213213333332132
//测试入口TestMyBatis
package com.base.helloworld.test;
import java.io.IOException;
import org.apache.ibatis.io.Resources;
import org.apache.ibatis.session.SqlSession;
import org.apache.ibat
- Java|urlrewrite|URL重写|多个参数
7454103
javaxmlWeb工作
个人工作经验! 如有不当之处,敬请指点
1.0 web -info 目录下建立 urlrewrite.xml 文件 类似如下:
<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE u
- 达梦数据库+ibatis
darkranger
sqlmysqlibatisSQL Server
--插入数据方面
如果您需要数据库自增...
那么在插入的时候不需要指定自增列.
如果想自己指定ID列的值, 那么要设置
set identity_insert 数据库名.模式名.表名;
----然后插入数据;
example:
create table zhabei.test(
id bigint identity(1,1) primary key,
nam
- XML 解析 四种方式
aijuans
android
XML现在已经成为一种通用的数据交换格式,平台的无关性使得很多场合都需要用到XML。本文将详细介绍用Java解析XML的四种方法。
XML现在已经成为一种通用的数据交换格式,它的平台无关性,语言无关性,系统无关性,给数据集成与交互带来了极大的方便。对于XML本身的语法知识与技术细节,需要阅读相关的技术文献,这里面包括的内容有DOM(Document Object
- spring中配置文件占位符的使用
avords
1.类
<?xml version="1.0" encoding="UTF-8"?><!DOCTYPE beans PUBLIC "-//SPRING//DTD BEAN//EN" "http://www.springframework.o
- 前端工程化-公共模块的依赖和常用的工作流
bee1314
webpack
题记: 一个人的项目,还有工程化的问题嘛? 我们在推进模块化和组件化的过程中,肯定会不断的沉淀出我们项目的模块和组件。对于这些沉淀出的模块和组件怎么管理?另外怎么依赖也是个问题? 你真的想这样嘛? var BreadCrumb = require(‘../../../../uikit/breadcrumb’); //真心ugly。
- 上司说「看你每天准时下班就知道你工作量不饱和」,该如何回应?
bijian1013
项目管理沟通IT职业规划
问题:上司说「看你每天准时下班就知道你工作量不饱和」,如何回应
正常下班时间6点,只要是6点半前下班的,上司都认为没有加班。
Eno-Bea回答,注重感受,不一定是别人的
虽然我不知道你具体从事什么工作与职业,但是我大概猜测,你是从事一项不太容易出现阶段性成果的工作
- TortoiseSVN,过滤文件
征客丶
SVN
环境:
TortoiseSVN 1.8
配置:
在文件夹空白处右键
选择 TortoiseSVN -> Settings
在 Global ignote pattern 中添加要过滤的文件:
多类型用英文空格分开
*name : 过滤所有名称为 name 的文件或文件夹
*.name : 过滤所有后缀为 name 的文件或文件夹
--------
- 【Flume二】HDFS sink细说
bit1129
Flume
1. Flume配置
a1.sources=r1
a1.channels=c1
a1.sinks=k1
###Flume负责启动44444端口
a1.sources.r1.type=avro
a1.sources.r1.bind=0.0.0.0
a1.sources.r1.port=44444
a1.sources.r1.chan
- The Eight Myths of Erlang Performance
bookjovi
erlang
erlang有一篇guide很有意思: http://www.erlang.org/doc/efficiency_guide
里面有个The Eight Myths of Erlang Performance: http://www.erlang.org/doc/efficiency_guide/myths.html
Myth: Funs are sl
- java多线程网络传输文件(非同步)-2008-08-17
ljy325
java多线程socket
利用 Socket 套接字进行面向连接通信的编程。客户端读取本地文件并发送;服务器接收文件并保存到本地文件系统中。
使用说明:请将TransferClient, TransferServer, TempFile三个类编译,他们的类包是FileServer.
客户端:
修改TransferClient: serPort, serIP, filePath, blockNum,的值来符合您机器的系
- 读《研磨设计模式》-代码笔记-模板方法模式
bylijinnan
java设计模式
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.PreparedStatement;
import java.sql.ResultSet;
- 配置心得
chenyu19891124
配置
时间就这样不知不觉的走过了一个春夏秋冬,转眼间来公司已经一年了,感觉时间过的很快,时间老人总是这样不停走,从来没停歇过。
作为一名新手的配置管理员,刚开始真的是对配置管理是一点不懂,就只听说咱们公司配置主要是负责升级,而具体该怎么做却一点都不了解。经过老员工的一点点讲解,慢慢的对配置有了初步了解,对自己所在的岗位也慢慢的了解。
做了一年的配置管理给自总结下:
1.改变
从一个以前对配置毫无
- 对“带条件选择的并行汇聚路由问题”的再思考
comsci
算法工作软件测试嵌入式领域模型
2008年上半年,我在设计并开发基于”JWFD流程系统“的商业化改进型引擎的时候,由于采用了新的嵌入式公式模块而导致出现“带条件选择的并行汇聚路由问题”(请参考2009-02-27博文),当时对这个问题的解决办法是采用基于拓扑结构的处理思想,对汇聚点的实际前驱分支节点通过算法预测出来,然后进行处理,简单的说就是找到造成这个汇聚模型的分支起点,对这个起始分支节点实际走的路径数进行计算,然后把这个实际
- Oracle 10g 的clusterware 32位 下载地址
daizj
oracle
Oracle 10g 的clusterware 32位 下载地址
http://pan.baidu.com/share/link?shareid=531580&uk=421021908
http://pan.baidu.com/share/link?shareid=137223&uk=321552738
http://pan.baidu.com/share/l
- 非常好的介绍:Linux定时执行工具cron
dongwei_6688
linux
Linux经过十多年的发展,很多用户都很了解Linux了,这里介绍一下Linux下cron的理解,和大家讨论讨论。cron是一个Linux 定时执行工具,可以在无需人工干预的情况下运行作业,本文档不讲cron实现原理,主要讲一下Linux定时执行工具cron的具体使用及简单介绍。
新增调度任务推荐使用crontab -e命令添加自定义的任务(编辑的是/var/spool/cron下对应用户的cr
- Yii assets目录生成及修改
dcj3sjt126com
yii
assets的作用是方便模块化,插件化的,一般来说出于安全原因不允许通过url访问protected下面的文件,但是我们又希望将module单独出来,所以需要使用发布,即将一个目录下的文件复制一份到assets下面方便通过url访问。
assets设置对应的方法位置 \framework\web\CAssetManager.php
assets配置方法 在m
- mac工作软件推荐
dcj3sjt126com
mac
mac上的Terminal + bash + screen组合现在已经非常好用了,但是还是经不起iterm+zsh+tmux的冲击。在同事的强烈推荐下,趁着升级mac系统的机会,顺便也切换到iterm+zsh+tmux的环境下了。
我为什么要要iterm2
切换过来也是脑袋一热的冲动,我也调查过一些资料,看了下iterm的一些优点:
* 兼容性好,远程服务器 vi 什么的低版本能很好兼
- Memcached(三)、封装Memcached和Ehcache
frank1234
memcachedehcachespring ioc
本文对Ehcache和Memcached进行了简单的封装,这样对于客户端程序无需了解ehcache和memcached的差异,仅需要配置缓存的Provider类就可以在二者之间进行切换,Provider实现类通过Spring IoC注入。
cache.xml
<?xml version="1.0" encoding="UTF-8"?>
- Remove Duplicates from Sorted List II
hcx2013
remove
Given a sorted linked list, delete all nodes that have duplicate numbers, leaving only distinct numbers from the original list.
For example,Given 1->2->3->3->4->4->5,
- Spring4新特性——注解、脚本、任务、MVC等其他特性改进
jinnianshilongnian
spring4
Spring4新特性——泛型限定式依赖注入
Spring4新特性——核心容器的其他改进
Spring4新特性——Web开发的增强
Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC
Spring4新特性——Groovy Bean定义DSL
Spring4新特性——更好的Java泛型操作API
Spring4新
- MySQL安装文档
liyong0802
mysql
工作中用到的MySQL可能安装在两种操作系统中,即Windows系统和Linux系统。以Linux系统中情况居多。
安装在Windows系统时与其它Windows应用程序相同按照安装向导一直下一步就即,这里就不具体介绍,本文档只介绍Linux系统下MySQL的安装步骤。
Linux系统下安装MySQL分为三种:RPM包安装、二进制包安装和源码包安装。二
- 使用VS2010构建HotSpot工程
p2p2500
HotSpotOpenJDKVS2010
1. 下载OpenJDK7的源码:
http://download.java.net/openjdk/jdk7
http://download.java.net/openjdk/
2. 环境配置
▶
- Oracle实用功能之分组后列合并
seandeng888
oracle分组实用功能合并
1 实例解析
由于业务需求需要对表中的数据进行分组后进行合并的处理,鉴于Oracle10g没有现成的函数实现该功能,且该功能如若用JAVA代码实现会比较复杂,因此,特将SQL语言的实现方式分享出来,希望对大家有所帮助。如下:
表test 数据如下:
ID,SUBJECTCODE,DIMCODE,VALUE
1&nbs
- Java定时任务注解方式实现
tuoni
javaspringjvmxmljni
Spring 注解的定时任务,有如下两种方式:
第一种:
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
xmlns:xsi="http
- 11大Java开源中文分词器的使用方法和分词效果对比
yangshangchuan
word分词器ansj分词器Stanford分词器FudanNLP分词器HanLP分词器
本文的目标有两个:
1、学会使用11大Java开源中文分词器
2、对比分析11大Java开源中文分词器的分词效果
本文给出了11大Java开源中文分词的使用方法以及分词结果对比代码,至于效果哪个好,那要用的人结合自己的应用场景自己来判断。
11大Java开源中文分词器,不同的分词器有不同的用法,定义的接口也不一样,我们先定义一个统一的接口:
/**
* 获取文本的所有分词结果, 对比