- python波形图librosa_librosa语音信号处理
weixin_39625468
librosa是一个非常强大的python语音信号处理的第三方库,本文参考的是librosa的官方文档,本文主要总结了一些重要,对我来说非常常用的功能。学会librosa后再也不用用python去实现那些复杂的算法了,只需要一句语句就能轻松实现。先总结一下本文中常用的专业名词:sr:采样率、hop_length:帧移、overlapping:连续帧之间的重叠部分、n_fft:窗口大小、spectr
- 信号与系统07-信号处理中的AI技术
江畔柳前堤
信号与系统信号处理人工智能深度学习pythonpyqt算法java
第7课:信号处理中的AI技术1.AI在信号处理中的核心应用领域信号处理与人工智能的结合是当前科技发展的核心方向之一。以下三大应用场景展示了AI在信号处理中的典型应用:1.1语音信号的去噪与增强理论基础:语音信号处理是信号与系统课程中的经典课题。传统方法依赖傅里叶变换、小波变换等频域分析技术,而AI技术(如深度神经网络)则通过端到端的方式直接学习信号特征。AI技术应用:语音去噪:基于深度学习的语音去
- 华为HCIP-AI认证题库中的部分问题
2301_82241859
程序员华为人工智能
D:类间方差答案:D6、语音识别技术就是让机器通过识别和理解把文本转换为语音的技术。A:TrueB:False答案:B8、由于现代的语音处理技术都以数字计算为基础,因此也称其为数字语音信号处理。A:TrueB:False答案:A9、不属于语音声学特征的是?A:频率B:语义C:时长D:振幅答案:B10、属于语言学内容的是?A:文字B:语音C:词汇D:语法答案:A,B,C,D11、语音合成方法有哪些?
- 【人工智能语音识别】——深入详解人工智能语音信号处理:理解语音信号的特征提取与表示
猿享天开
人工智能数学基础专讲人工智能语音识别信号处理
深入详解人工智能语音识别之语音信号处理语音识别(SpeechRecognition)是人工智能领域中的一项关键技术,它使计算机能够“听懂”人类的语言并作出反应。语音信号处理是语音识别的核心部分,涉及将原始的声音波形转化为机器可理解的特征,并最终进行识别。为了实现这一目标,语音信号必须经过多步骤的处理,包括信号采集、预处理、特征提取和表示。本文将深入探讨语音信号处理的关键概念、原理、示例及其在语音识
- 音视频开发成长之路与音视频知识点总结
Linux服务器开发
音视频开发webrtcffmpeg音视频开发流媒体服务器开发webrtcFFmpeg嵌入式音视频开发
音视频涉及语音信号处理、数字图像处理、信息论、封装格式、编解码、流媒体协议、网络传输、渲染、算法等。在现实生活中,音视频发挥着越来越重要的作用,如视频会议、直播、短视频、播放器、语音聊天等。所以从事音视频开发是一件有意义的事情,机遇和挑战并存。本文将从:音视频开发基础、音视频高级成长、音视频工作方向、音视频开源库、音视频相关书籍,配套的学习资源等几个方面来进行介绍。那么我们该如何系统的学习音视频开
- 基于能量检测的语音信号端点检测 FPGA 实现
鱼弦
人工智能时代fpga开发
基于能量检测的语音信号端点检测FPGA实现介绍语音信号端点检测(VoiceActivityDetection,VAD)是语音处理中的一个重要步骤,用于确定语音信号的起始和结束点。基于能量检测的方法通过计算语音信号的能量来识别活跃语音段。FPGA的并行处理能力使其非常适合用于实时的语音信号处理。应用使用场景语音识别系统:提高识别准确性,减少处理非语音片段。通信设备:降低带宽需求,通过仅传输语音部分节
- 机器学习笔记 - 将音频转换为图像进行分类的机器学习模型
坐望云起
深度学习从入门到精通机器学习深度学习语音识别光谱图Whisper
一、简述语音识别技术是将音频信号转化为文本的过程。其基本原理如下:1.音频录制:首先需要对口语发音进行录制,并将其转化为数字形式的音频文件。2.预处理:对音频信号进行预处理,包括去除杂音干扰、增加音频的信噪比以及消除不必要的语音、噪声等。3.特征提取:特征提取是语音信号处理的一个重要部分,通过对音频数据进行分析,提取其中特有的频率、音调、幅度等数学特征,并转化成数字特征。4.模型训练:在特征提取完
- Python librosa模块介绍
骚火棍
人生苦短我用Pythonlibrosa
librosa语音信号处理模块参考链接:https://www.cnblogs.com/LXP-Never/p/11561355.html
- 嵌入式人工智能实验方向
周南音频科技教育学院(AI湖湘学派)
AI深度学习理论与实践研究音频算法设计研究开发音频算法人工智能神经网络
加我微信hezkz17进嵌入式人工智能研究开发交流答疑群。1可在stm32,esp32,NXP,arduino,树莓派上部署人工智能模型,图像理解,图像分类。2采用BESSOC部署深度学习语音信号处理算法,降噪算法3根据公式用C语言实现卷积CNN,或者采用开源的嵌入式机器学习,嵌入式深度学习,嵌入式神经网络开源sdk,移植,部署到MCU或者SOC,
- 操作系统复习总结——文件管理
是dream
操作系统操作系统文件管理
博客主页:是dream系列专栏:深度学习环境搭建、环境配置问题解决、自然语言处理、语音信号处理、项目开发每日语录:但愿每次回忆,对生活都不感到负疚。感谢大家点赞收藏⭐指正✍️目录一、文件管理概述1、文件基本概念(1)定义(2)基本调度单位(3)文件结构2、文件控制块与索引节点(1)文件属性(2)文件控制块(FCB)(3)索引结点3、文件的操作(操作系统向上提供哪些功能?)4、文件保护(1)加以控制
- 频谱细化-----CZT算法介绍及MATLAB实现
YHCANDOU
频谱细化matlab算法开发语言
CZT变换采用FFT算法可以很快算出全部N点DFT值,即Z变换X(z)X\left(z\right)X(z)在Z平面单位圆上的全部等间隔取样值。实际中,也许不需要计算整个单位圆上Z变换的取样,如对于窄带信号,只需要对信号所在的一段频带进行分析,这时希望频谱的采样集中在这一频带内,以获得较高的分辨率,而频带以外的部分可不考虑,或者对其他围线上的Z变换取样感兴趣,例如语音信号处理中,需要知道Z变换的极
- MATLAB环境下一种音频降噪优化方法—基于时频正则化重叠群收缩
哥廷根数学学派
信号处理小波分析图像处理语音识别人工智能
语音增强是语音信号处理领域中的一个重大分支,这一分支已经得到国内外学者的广泛研究。当今时代,随着近六十年来的不断发展,己经产生了许多有效的语音增强算法。根据语音增强过程中是否利用语音和噪声的先验信息,语音增强算法一般被归类为两类,一类是无先验信息的语音增强算法,另外一类则是具有先验信息的语音增强算法。在第一类无先验信息语音增强算法中,比较常用的语音增强算法有谱减算法、基于统计模型的算法、基于信号子
- 深度学习环境搭建——利用anaconda+pytorch搭建自己的深度学习环境(以YOLOv5环境搭建为例)2023.9.26最新
是dream
深度学习环境搭建深度学习pytorchYOLO
博客主页:是dream系列专栏:深度学习环境搭建、环境配置问题解决、自然语言处理、语音信号处理、项目开发每日语录:要有最朴素的生活和最遥远的梦想,即使明天天寒地冻,山高水远,路远马亡。感谢大家点赞收藏⭐指正✍️前言相信大家在搭建自己的深度学习环境时总会遇到各种问题,特别是小白。记得第一次配置自己的深度学习环境时,什么anaconda、pytorch,我都不知道这些东西是干嘛的,就知道一个YOLO,
- 音视频开发成长之路与音视频知识总结
徐福记456
音视频开发音视频开发基础音视频进阶成长音视频工作方向音视频开源库流媒体协议与音视频书籍
音视频涉及语音信号处理、数字图像处理、信息论、封装格式、编解码、流媒体协议、网络传输、渲染、算法等。在现实生活中,音视频扮演着越来越重要的角色,比如视频会议、直播、短视频、播放器、语音聊天等。因此,从事音视频是一件比较有意义的事情,机遇与挑战并存。本文将从几个维度进行介绍:音视频开发基础、音视频进阶成长、音视频工作方向、音视频开源库、流媒体协议与书籍。目录一、音视频开发基础1、音频基础2、通用基础
- 音频筑基:巴克谱和梅尔谱辨析
来知晓
语音处理音视频
音频筑基:巴克谱和梅尔谱辨析是什么深入了解相关参考在音频信号处理中,巴克谱和梅尔谱是我们经常遇到的概念,也是语音处理中常用到的频域特征,这里谈谈自己对它们的理解。是什么巴克谱又称BarkSpectrum,梅尔谱又称MelSpectrum,其中异同梳理如下:相同点:Bark谱和Mel谱都是将线性频谱映射到非线性谱上的表征,根据不同频带的感知能力来划分,但它们的核心思想不同。这两种谱都是语音信号处理中
- 基于sy3130光感入耳检测功能成功实现
周南音频科技教育学院(AI湖湘学派)
音频算法设计研究开发算法
基于sy3130光感入耳检测功能成功实现是否需要申请加入数字音频系统研究开发交流答疑群(课题组)?可加我微信hezkz17,本群提供音频技术答疑服务,+群赠送语音信号处理降噪算法,蓝牙耳机音频,DSP音频项目核心开发资料,1芯片介绍2电路实现3寄存器列表
- 低信噪比环境下的语音端点检测
jUicE_g2R
经验模态分解EMD语音识别语言信号处理低信噪比matlab
端点检测技术是语音信号处理的关键技术之一为提高低信噪比环境下端点检测的准确率和稳健性,提出了一种非平稳噪声抑制和调制域谱减结合功率归一化倒谱距离的端点检测算法1端点检测1-1定义定义:在存在背景噪声的情况下检测出语音的起始点和结束点(这里的重点是噪声环境下语音信号的处理)1-2应用需求应用于语音信号处理:语音增强、语音识别、编码和传输需求是:人们希望在远场或者嘈杂的环境中也能用语音控制智能设备,因
- 【Matlab语音加密】语音信号加密解密(带面板)【含GUI源码 181期】
Matlab佛怒唐莲
Matlab完整代码Matlab语音处理matlab语音识别开发语言
一、代码运行视频(哔哩哔哩)【Matlab语音加密】语音信号加密解密(带面板)【含GUI源码181期】二、matlab版本及参考文献1matlab版本2014a2参考文献[1]韩纪庆,张磊,郑铁然.语音信号处理(第3版)[M].清华大学出版社,2019.[2]柳若边.深度学习:语音识别技术实践[M].清华大学出版社,2019.[3]李波,张晓力,石旭.基于Matlab的语音信号加密处理[J].信息
- 【Matlab语音处理】汉宁窗FIR陷波滤波器语音信号加噪去噪【含GUI源码 1711期】
Matlab佛怒唐莲
Matlab完整代码Matlab语音处理matlab语音识别开发语言
一、代码运行视频(哔哩哔哩)【Matlab语音处理】汉宁窗FIR陷波滤波器语音信号加噪去噪【含GUI源码1711期】二、matlab版本及参考文献1matlab版本2014a2参考文献[1]韩纪庆,张磊,郑铁然.语音信号处理(第3版)[M].清华大学出版社,2019.[2]柳若边.深度学习:语音识别技术实践[M].清华大学出版社,2019.[3]尹学爱,马国利,冯伟伟.基于MATLAB的声音信号频
- 语音信号处理共振峰
H_uer
语音信号处理基础
窄带语谱图和宽带语谱图首先,什么是语谱图。最通常的,就是语音短时傅里叶变换的幅度画出的2D图。之所以是通常的,是因为可以不是傅里叶变换。“窄带”,顾名思义,带宽小,则时宽大,则短时窗长,窄带语谱图就是长窗条件下画出的语谱图。“宽带”,正好相反。至于“横竖条纹”,窄带语谱图的带宽窄,那么在频率上就“分得开”,即能将语音各次谐波“看得很清楚”,即表现为“横线”。“横”就体现出了频率分辨率高。分辨率可以
- 语音信号处理-基本概念(二):音频通道数、采样频率、采样位数、采样个数(样本数)、一帧音频的大小、每秒播放的音频字节大小、一帧的播放时长、音频重采样
u013250861
Audio音视频语音识别人工智能
对于下面data和linesize的解释(参考下面3.4中的av_samples_alloc_array_and_samples函数说明):data是通道的意思,例如双通道,data[0]代表左声道,data[1]代表右声道。linesize为采样个数的最大大小字节空间。例如aac,64位,双通道,则对于交错模式最大为:linesize=2x1024x8=16384。此时也是一个音频帧的大小。对于
- 用Matlab进行语音信号处理
后端架构小白
matlab信号处理语音识别
用Matlab进行语音信号处理语音信号处理是数字信号处理中的一个重要分支,主要涉及语音信号的采集、压缩、去噪、降噪等处理。Matlab是一个强大的数学计算工具,也是语音信号处理中常用的工具之一。本文将介绍如何使用Matlab对语音信号进行采集、去噪和压缩处理。语音信号采集语音信号采集需要使用麦克风或其他音频输入设备。在Matlab中,可以使用audiorecorder函数进行音频采集。下面的代码演
- 语音信号处理——噪声抑制
DEDSEC_Roger
信号处理音频
简介噪声抑制技术用于消除背景噪声,改善语音信号的信噪比和可懂度,让人和机器听的更清楚常见的噪声种类:人声噪声、街道噪声、汽车噪声噪声抑制方法的分类:按照输入通道数分:单通道降噪、多通道降噪按照噪声统计特性分:平稳噪声抑制、非平稳噪声抑制按照降噪方法分:被动降噪、主动降噪下面介绍的方法用于单通道的、被动的、平稳噪声抑制MinimaControlledRecursiveAveraging(MCRA)传
- 语音信号处理:librosa
智慧医疗探索者
AI数字人技术音视频处理信号处理语音识别librosa
1librosa介绍Librosa是一个用于音频和音乐分析的Python库,专为音乐信息检索(MusicInformationRetrieval,MIR)社区设计。自从2015年首次发布以来,Librosa已成为音频分析和处理领域中最受欢迎的工具之一。它提供了一套清晰、高效的函数来处理音频信号,并提取音乐和音频中的信息。Librosa在音乐和音频分析方面提供了强大而灵活的工具,适用于从基础研究到实
- 如何理解短时傅里叶变换(Short Time Fourier Transform, STFT)
林深迷了鹿
语音信号处理语音识别机器学习人工智能
因为最近一直在学习语音信号的处理,看了HaythamFayek的一篇博客后关于什么是傅里叶变换感到很迷惑,所以就专门写下一篇文章,整理一下我从网页上搜集的内容。短时傅里叶变换(ShortTimeFourierTransform,STFT)是一个用于语音信号处理的通用工具.它定义了一个非常有用的时间和频率分布类,其指定了任意信号随时间和频率变化的复数幅度.实际上,计算短时傅里叶变换的过程是把一个较长
- HMM(Hidden Markov Model)详解——语音信号处理学习(三)(选修一)
LotusCL
声音信号处理学习信号处理学习语音识别人工智能
参考文献:SpeechRecognition(Option)-HMM哔哩哔哩bilibili2020年3月新番李宏毅人类语言处理独家笔记HMM-6-知乎(zhihu.com)隐马尔可夫(HMM)的解码问题+维特比算法-知乎(zhihu.com)本次省略所有引用论文目录一、介绍二、建模单位StatesState由来转移概率与发射概率三、Alignment四、深度学习下的HMM方法一:Tandem方法
- RNN-T Training,RNN-T模型训练详解——语音信号处理学习(三)(选修三)
LotusCL
声音信号处理学习rnn信号处理学习人工智能语音识别
参考文献:SpeechRecognition(option)-RNN-TTraining哔哩哔哩bilibili2020年3月新番李宏毅人类语言处理独家笔记AlignmentTrain-8-知乎(zhihu.com)本次省略所有引用论文目录一、如何将Alignment概率加和对齐方式概率如何计算概率加和计算原理概率加和计算方式二、RNN-T的模型训练模型训练思路偏微分计算-1-展开变形偏微分计算-
- Alignment of HMM, CTC and RNN-T,对齐方式详解——语音信号处理学习(三)(选修二)
LotusCL
声音信号处理学习rnn信号处理学习人工智能语音识别
参考文献:SpeechRecognition(option)-AlignmentofHMM,CTCandRNN-T哔哩哔哩bilibili2020年3月新番李宏毅人类语言处理独家笔记Alignment-7-知乎(zhihu.com)本次省略所有引用论文目录一、E2E模型和CTC、RNN-T的区别E2E模型的思路CTC、RNN-T模型的思路二、待解决的问题三、对齐方式介绍四、穷举方式穷举HMM穷举C
- 数字图像处理(1):灰度直方图、直方图均衡化处理(入门必看)
是dream
数字图像处理图像处理
博客主页:真的睡不醒系列专栏:深度学习环境搭建、环境配置问题解决、自然语言处理、语音信号处理、项目开发每日语录:闲看花开,静待花落,冷暖自知,干净如始。感谢大家点赞收藏⭐指正✍️前言:本文详细介绍了如何使用python对图像进行基本的操作,包括对图像的读取、显示、修改和保存,通过Matplotlib对图像进行绘制、显示和保存,最后详细讲解了如何绘制直方图,并对直方图进行均衡化处理。欢迎大家参考和学
- 快速调用百度AI开放平台的API,以OCR通用文字识别为例(封装函数进行连续调用)
是dream
项目开发百度人工智能百度云python
博客主页:真的睡不醒系列专栏:深度学习环境搭建、环境配置问题解决、自然语言处理、语音信号处理、项目开发每日语录:眼里有不朽的光芒心里有永恒的希望。感谢大家点赞收藏⭐指正✍️前言百度开放平台允许开发者访问和利用百度的各种服务和功能,包括语音识别、人脸识别、文字识别、自然语言处理等等。这些API能够满足我们绝大部分需求,来供我们学习和使用。本文就OCR文字识别为例,详细介绍新手小白如何调用百度开放平台
- 戴尔笔记本win8系统改装win7系统
sophia天雪
win7戴尔改装系统win8
戴尔win8 系统改装win7 系统详述
第一步:使用U盘制作虚拟光驱:
1)下载安装UltraISO:注册码可以在网上搜索。
2)启动UltraISO,点击“文件”—》“打开”按钮,打开已经准备好的ISO镜像文
- BeanUtils.copyProperties使用笔记
bylijinnan
java
BeanUtils.copyProperties VS PropertyUtils.copyProperties
两者最大的区别是:
BeanUtils.copyProperties会进行类型转换,而PropertyUtils.copyProperties不会。
既然进行了类型转换,那BeanUtils.copyProperties的速度比不上PropertyUtils.copyProp
- MyEclipse中文乱码问题
0624chenhong
MyEclipse
一、设置新建常见文件的默认编码格式,也就是文件保存的格式。
在不对MyEclipse进行设置的时候,默认保存文件的编码,一般跟简体中文操作系统(如windows2000,windowsXP)的编码一致,即GBK。
在简体中文系统下,ANSI 编码代表 GBK编码;在日文操作系统下,ANSI 编码代表 JIS 编码。
Window-->Preferences-->General -
- 发送邮件
不懂事的小屁孩
send email
import org.apache.commons.mail.EmailAttachment;
import org.apache.commons.mail.EmailException;
import org.apache.commons.mail.HtmlEmail;
import org.apache.commons.mail.MultiPartEmail;
- 动画合集
换个号韩国红果果
htmlcss
动画 指一种样式变为另一种样式 keyframes应当始终定义0 100 过程
1 transition 制作鼠标滑过图片时的放大效果
css
.wrap{
width: 340px;height: 340px;
position: absolute;
top: 30%;
left: 20%;
overflow: hidden;
bor
- 网络最常见的攻击方式竟然是SQL注入
蓝儿唯美
sql注入
NTT研究表明,尽管SQL注入(SQLi)型攻击记录详尽且为人熟知,但目前网络应用程序仍然是SQLi攻击的重灾区。
信息安全和风险管理公司NTTCom Security发布的《2015全球智能威胁风险报告》表明,目前黑客攻击网络应用程序方式中最流行的,要数SQLi攻击。报告对去年发生的60亿攻击 行为进行分析,指出SQLi攻击是最常见的网络应用程序攻击方式。全球网络应用程序攻击中,SQLi攻击占
- java笔记2
a-john
java
类的封装:
1,java中,对象就是一个封装体。封装是把对象的属性和服务结合成一个独立的的单位。并尽可能隐藏对象的内部细节(尤其是私有数据)
2,目的:使对象以外的部分不能随意存取对象的内部数据(如属性),从而使软件错误能够局部化,减少差错和排错的难度。
3,简单来说,“隐藏属性、方法或实现细节的过程”称为——封装。
4,封装的特性:
4.1设置
- [Andengine]Error:can't creat bitmap form path “gfx/xxx.xxx”
aijuans
学习Android遇到的错误
最开始遇到这个错误是很早以前了,以前也没注意,只当是一个不理解的bug,因为所有的texture,textureregion都没有问题,但是就是提示错误。
昨天和美工要图片,本来是要背景透明的png格式,可是她却给了我一个jpg的。说明了之后她说没法改,因为没有png这个保存选项。
我就看了一下,和她要了psd的文件,还好我有一点
- 自己写的一个繁体到简体的转换程序
asialee
java转换繁体filter简体
今天调研一个任务,基于java的filter实现繁体到简体的转换,于是写了一个demo,给各位博友奉上,欢迎批评指正。
实现的思路是重载request的调取参数的几个方法,然后做下转换。
- android意图和意图监听器技术
百合不是茶
android显示意图隐式意图意图监听器
Intent是在activity之间传递数据;Intent的传递分为显示传递和隐式传递
显式意图:调用Intent.setComponent() 或 Intent.setClassName() 或 Intent.setClass()方法明确指定了组件名的Intent为显式意图,显式意图明确指定了Intent应该传递给哪个组件。
隐式意图;不指明调用的名称,根据设
- spring3中新增的@value注解
bijian1013
javaspring@Value
在spring 3.0中,可以通过使用@value,对一些如xxx.properties文件中的文件,进行键值对的注入,例子如下:
1.首先在applicationContext.xml中加入:
<beans xmlns="http://www.springframework.
- Jboss启用CXF日志
sunjing
logjbossCXF
1. 在standalone.xml配置文件中添加system-properties:
<system-properties> <property name="org.apache.cxf.logging.enabled" value=&
- 【Hadoop三】Centos7_x86_64部署Hadoop集群之编译Hadoop源代码
bit1129
centos
编译必需的软件
Firebugs3.0.0
Maven3.2.3
Ant
JDK1.7.0_67
protobuf-2.5.0
Hadoop 2.5.2源码包
Firebugs3.0.0
http://sourceforge.jp/projects/sfnet_findbug
- struts2验证框架的使用和扩展
白糖_
框架xmlbeanstruts正则表达式
struts2能够对前台提交的表单数据进行输入有效性校验,通常有两种方式:
1、在Action类中通过validatexx方法验证,这种方式很简单,在此不再赘述;
2、通过编写xx-validation.xml文件执行表单验证,当用户提交表单请求后,struts会优先执行xml文件,如果校验不通过是不会让请求访问指定action的。
本文介绍一下struts2通过xml文件进行校验的方法并说
- 记录-感悟
braveCS
感悟
再翻翻以前写的感悟,有时会发现自己很幼稚,也会让自己找回初心。
2015-1-11 1. 能在工作之余学习感兴趣的东西已经很幸福了;
2. 要改变自己,不能这样一直在原来区域,要突破安全区舒适区,才能提高自己,往好的方面发展;
3. 多反省多思考;要会用工具,而不是变成工具的奴隶;
4. 一天内集中一个定长时间段看最新资讯和偏流式博
- 编程之美-数组中最长递增子序列
bylijinnan
编程之美
import java.util.Arrays;
import java.util.Random;
public class LongestAccendingSubSequence {
/**
* 编程之美 数组中最长递增子序列
* 书上的解法容易理解
* 另一方法书上没有提到的是,可以将数组排序(由小到大)得到新的数组,
* 然后求排序后的数组与原数
- 读书笔记5
chengxuyuancsdn
重复提交struts2的token验证
1、重复提交
2、struts2的token验证
3、用response返回xml时的注意
1、重复提交
(1)应用场景
(1-1)点击提交按钮两次。
(1-2)使用浏览器后退按钮重复之前的操作,导致重复提交表单。
(1-3)刷新页面
(1-4)使用浏览器历史记录重复提交表单。
(1-5)浏览器重复的 HTTP 请求。
(2)解决方法
(2-1)禁掉提交按钮
(2-2)
- [时空与探索]全球联合进行第二次费城实验的可能性
comsci
二次世界大战前后,由爱因斯坦参加的一次在海军舰艇上进行的物理学实验 -费城实验
至今给我们大家留下很多迷团.....
关于费城实验的详细过程,大家可以在网络上搜索一下,我这里就不详细描述了
在这里,我的意思是,现在
- easy connect 之 ORA-12154: TNS: 无法解析指定的连接标识符
daizj
oracleORA-12154
用easy connect连接出现“tns无法解析指定的连接标示符”的错误,如下:
C:\Users\Administrator>sqlplus username/
[email protected]:1521/orcl
SQL*Plus: Release 10.2.0.1.0 – Production on 星期一 5月 21 18:16:20 2012
Copyright (c) 198
- 简单排序:归并排序
dieslrae
归并排序
public void mergeSort(int[] array){
int temp = array.length/2;
if(temp == 0){
return;
}
int[] a = new int[temp];
int
- C语言中字符串的\0和空格
dcj3sjt126com
c
\0 为字符串结束符,比如说:
abcd (空格)cdefg;
存入数组时,空格作为一个字符占有一个字节的空间,我们
- 解决Composer国内速度慢的办法
dcj3sjt126com
Composer
用法:
有两种方式启用本镜像服务:
1 将以下配置信息添加到 Composer 的配置文件 config.json 中(系统全局配置)。见“例1”
2 将以下配置信息添加到你的项目的 composer.json 文件中(针对单个项目配置)。见“例2”
为了避免安装包的时候都要执行两次查询,切记要添加禁用 packagist 的设置,如下 1 2 3 4 5
- 高效可伸缩的结果缓存
shuizhaosi888
高效可伸缩的结果缓存
/**
* 要执行的算法,返回结果v
*/
public interface Computable<A, V> {
public V comput(final A arg);
}
/**
* 用于缓存数据
*/
public class Memoizer<A, V> implements Computable<A,
- 三点定位的算法
haoningabc
c算法
三点定位,
已知a,b,c三个顶点的x,y坐标
和三个点都z坐标的距离,la,lb,lc
求z点的坐标
原理就是围绕a,b,c 三个点画圆,三个圆焦点的部分就是所求
但是,由于三个点的距离可能不准,不一定会有结果,
所以是三个圆环的焦点,环的宽度开始为0,没有取到则加1
运行
gcc -lm test.c
test.c代码如下
#include "stdi
- epoll使用详解
jimmee
clinux服务端编程epoll
epoll - I/O event notification facility在linux的网络编程中,很长的时间都在使用select来做事件触发。在linux新的内核中,有了一种替换它的机制,就是epoll。相比于select,epoll最大的好处在于它不会随着监听fd数目的增长而降低效率。因为在内核中的select实现中,它是采用轮询来处理的,轮询的fd数目越多,自然耗时越多。并且,在linu
- Hibernate对Enum的映射的基本使用方法
linzx0212
enumHibernate
枚举
/**
* 性别枚举
*/
public enum Gender {
MALE(0), FEMALE(1), OTHER(2);
private Gender(int i) {
this.i = i;
}
private int i;
public int getI
- 第10章 高级事件(下)
onestopweb
事件
index.html
<!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/
- 孙子兵法
roadrunners
孙子兵法
始计第一
孙子曰:
兵者,国之大事,死生之地,存亡之道,不可不察也。
故经之以五事,校之以计,而索其情:一曰道,二曰天,三曰地,四曰将,五
曰法。道者,令民于上同意,可与之死,可与之生,而不危也;天者,阴阳、寒暑
、时制也;地者,远近、险易、广狭、死生也;将者,智、信、仁、勇、严也;法
者,曲制、官道、主用也。凡此五者,将莫不闻,知之者胜,不知之者不胜。故校
之以计,而索其情,曰
- MySQL双向复制
tomcat_oracle
mysql
本文包括:
主机配置
从机配置
建立主-从复制
建立双向复制
背景
按照以下简单的步骤:
参考一下:
在机器A配置主机(192.168.1.30)
在机器B配置从机(192.168.1.29)
我们可以使用下面的步骤来实现这一点
步骤1:机器A设置主机
在主机中打开配置文件 ,
- zoj 3822 Domination(dp)
阿尔萨斯
Mina
题目链接:zoj 3822 Domination
题目大意:给定一个N∗M的棋盘,每次任选一个位置放置一枚棋子,直到每行每列上都至少有一枚棋子,问放置棋子个数的期望。
解题思路:大白书上概率那一张有一道类似的题目,但是因为时间比较久了,还是稍微想了一下。dp[i][j][k]表示i行j列上均有至少一枚棋子,并且消耗k步的概率(k≤i∗j),因为放置在i+1~n上等价与放在i+1行上,同理