banyao2006
banyao2006

视频编解码学习之三：变换，量化与熵编码

第6章 变换编码

1. 变换编码

  • 变换编码的目的
    • 去除空间信号的相关性
    • 将空间信号的能力集中到频域的一小部分低频系数上
    • 能量小的系数可通过量化去除，而不会严重影响重构图像的质量
  • 块变换和全局变换
    • 块变换：离散余弦变换(Discrete Cosine Transform，DCT)，4x4，8x8，16x16
    • 全局变换：小波变换(Wavelet)
  • 变换的能量集中特性
    • DCT编码

视频编解码学习之三：变换，量化与熵编码_第1张图片

2. 变换类型

  • K-L变换
  • 傅里叶变换
  • 余弦变换
  • 小波变换

3. KL变换

  • 最优变换
  • 基函数根据具体图像而确定
  • 没有快速算法
  • 实际中很少使用
    • 复杂度极高

视频编解码学习之三：变换，量化与熵编码_第2张图片视频编解码学习之三：变换，量化与熵编码_第3张图片视频编解码学习之三：变换，量化与熵编码_第4张图片视频编解码学习之三：变换，量化与熵编码_第5张图片

视频编解码学习之三：变换，量化与熵编码_第6张图片

  • K-L变换非常复杂度很高，不实用
    • 需要计算协方差矩阵U
    • 需要计算特征向量
    • 需要发送 到解码器

4. 离散傅立叶变换

视频编解码学习之三：变换，量化与熵编码_第7张图片

5. 离散傅立叶变换性质

视频编解码学习之三：变换，量化与熵编码_第8张图片

视频编解码学习之三：变换，量化与熵编码_第9张图片

6. 离散余弦变换

  • 比K-L变换，傅里叶变换的复杂度更低
  • 变换性能仅次于K-L变换
  • 有快速算法可以加快变换速度
  • 可以用整数变换进一步降低复杂度

视频编解码学习之三：变换，量化与熵编码_第10张图片

视频编解码学习之三：变换，量化与熵编码_第11张图片

视频编解码学习之三：变换，量化与熵编码_第12张图片

视频编解码学习之三：变换，量化与熵编码_第13张图片

7. DCT与DFT的关系

视频编解码学习之三：变换，量化与熵编码_第14张图片

8. 离散余弦变换的重要性质

视频编解码学习之三：变换，量化与熵编码_第15张图片

视频编解码学习之三：变换，量化与熵编码_第16张图片

视频编解码学习之三：变换，量化与熵编码_第17张图片

视频编解码学习之三：变换，量化与熵编码_第18张图片

视频编解码学习之三：变换，量化与熵编码_第19张图片

 

9. 快速DCT变换

视频编解码学习之三：变换，量化与熵编码_第20张图片

视频编解码学习之三：变换，量化与熵编码_第21张图片

下图是一个动态展示：

 

视频编解码学习之三：变换，量化与熵编码_第22张图片

视频编解码学习之三：变换，量化与熵编码_第23张图片

视频编解码学习之三：变换，量化与熵编码_第24张图片

 

10. 整数离散余弦变换

  • 离散余弦变换为浮点操作
    • 需要64位精度
    • 浮点计算复杂度高
    • 变换精度高
  • 整数变换：离散余弦变换的整数近似
    • 需要更少的位宽
    • 整数计算复杂度低
    • 好的整数变换的变换精度接近浮点变换
  • 浮点近似方法

视频编解码学习之三：变换，量化与熵编码_第25张图片视频编解码学习之三：变换，量化与熵编码_第26张图片

视频编解码学习之三：变换，量化与熵编码_第27张图片

11. H.264的4x4整数变换

视频编解码学习之三：变换，量化与熵编码_第28张图片

视频编解码学习之三：变换，量化与熵编码_第29张图片

视频编解码学习之三：变换，量化与熵编码_第30张图片

视频编解码学习之三：变换，量化与熵编码_第31张图片视频编解码学习之三：变换，量化与熵编码_第32张图片

视频编解码学习之三：变换，量化与熵编码_第33张图片视频编解码学习之三：变换，量化与熵编码_第34张图片视频编解码学习之三：变换，量化与熵编码_第35张图片

12. 小波变换

  • 新的变换方法
  • 避免由于块编码带来的块效应
  • 更适合视频空间可分级编码

 

第7章 量化

1. 量化Quantization

  • 用更小的集合表示更大的集合的过程
    • 对信号源的有限近似
    • 有损过程
    • 应用
      • A/D转换
      • 压缩
    • 量化方法
      • 标量(Scalar)量化
      • 矢量(Vector)量化

2. 量化的基本思想

  • 映射一个输入间隔到一个整数
  • 减少信源编码的bit
  • 一般情况重构值与输入值不同

视频编解码学习之三：变换，量化与熵编码_第36张图片

3. 量化模型

视频编解码学习之三：变换，量化与熵编码_第37张图片

4. 量化的率失真优化

  • 量化器设计问题
    • 量化水平的个数，即Bin的个数
    • 决策边界：Bin的边界
    • 重构水平
  • 量化器设计是对率失真的优化
    • 为了减少码率的大小，需要减少Bin的个数
    • Bin的个数减少导致重构的误差增大，失真也就随着增大

视频编解码学习之三：变换，量化与熵编码_第38张图片

5. 失真测量

视频编解码学习之三：变换，量化与熵编码_第39张图片

6. 量化器设计

  • 量化器设计的两个方面
    • 给定量化水平数目M，找到决策边界xi和重构水平 使MSE最小
    • 给定失真限制D，找到量化水平数目M，决策边界xi和重构水平yi使MSE<=D

7. 均匀量化（Uniform Quantization）

视频编解码学习之三：变换，量化与熵编码_第40张图片

视频编解码学习之三：变换，量化与熵编码_第41张图片

8. 量化与峰值信噪比

视频编解码学习之三：变换，量化与熵编码_第42张图片

视频编解码学习之三：变换，量化与熵编码_第43张图片

9. 中升量化器（Midrise Quantizer）

视频编解码学习之三：变换，量化与熵编码_第44张图片

10. 中平量化器（Midtread Quantizer）

视频编解码学习之三：变换，量化与熵编码_第45张图片

11. 死区量化器（Deadzone Quantizer）

视频编解码学习之三：变换，量化与熵编码_第46张图片

12．非均匀量化（Non-uniform Quantization）

  • 如果信源不是均匀分布的，采用均匀量化不是最优的
  • 对于非均匀量化，为了减少MSE，当概率密度函数fX(x)高时，使Bin的量化步长减小，当概率密度函数fX(x)低时， 使Bin的量化步长增加。

视频编解码学习之三：变换，量化与熵编码_第47张图片

13. 最优的标量量化

视频编解码学习之三：变换，量化与熵编码_第48张图片视频编解码学习之三：变换，量化与熵编码_第49张图片

视频编解码学习之三：变换，量化与熵编码_第50张图片

14. 量化编码

  • 定长编码量化水平
    • 使用等长的码字编码每个量化水平，码字长为：
  • 熵编码量化水平
    • 根据量化水平的概率分布情况，用变长的码字编码每个量化水平
    • 平均码字长
    • 比定长编码量化水平效率高
    • 广泛应用在图像和视频编码中

15. 矢量量化

  • 标量量化：对数据一个一个的进行量化，称为标量量化。
  • 矢量量化：将数据分组，每组K个数据构成K维矢量，再以矢量为处理单元进行量化。
    • 矢量量化是标量量化的多维扩展
    • 标量量化是矢量量化的特殊情况
  • 矢量量化工作过程

视频编解码学习之三：变换，量化与熵编码_第51张图片视频编解码学习之三：变换，量化与熵编码_第52张图片

  • 二维矢量量化

视频编解码学习之三：变换，量化与熵编码_第53张图片

  • 矢量量化优点
    • 只传码字的下标，编码效率高
    • 在相同码率下，比标量量化失真小
    • 在相同失真下，比标量量化码率低
  • 矢量量化缺点：复杂度随着维数的增加呈指数增加

 

第8章 熵编码

1. 熵编码

  • 熵（Entropy）：信源的平均信息量，更精确的描述为表示信源所有符号包含信息的平均比特数
    • 信源编码要尽可能的减少信源的冗余，使之接近熵
    • 用更少的比特传递更多的信源信息
  • 熵编码：数据压缩中根据信源消息的概率模型使消息的熵最小化
    • 无损压缩
    • 变长编码

2. 熵

  • 信息量：

单位：比特

  • 熵：

单位：比特/符号

视频编解码学习之三：变换，量化与熵编码_第54张图片视频编解码学习之三：变换，量化与熵编码_第55张图片

3. 定长编码

视频编解码学习之三：变换，量化与熵编码_第56张图片

4. 变长编码

  • 变长编码：用不同的比特数表示每一个符号
    • 为频繁发生的符号分配短码字
    • 为很少发生的符号分配长码字
    • 比定长编码有更高的效率
  • 常用的变长编码
    • Huffman编码
    • 算术编码

5. Huffman编码

  • 前缀码：任何码字不是其它码字的前缀
    • 如果011为一个有效码字，则0，1，01，11必不是有效码字
    • 不会引起解码歧义
  • Huffman：
    • 二叉树
    • 树节点:表示符号或符号组合
    • 分支:两个分支一个表示"0"，另一个表示"1"

视频编解码学习之三：变换，量化与熵编码_第57张图片

视频编解码学习之三：变换，量化与熵编码_第58张图片

  • Huffman的不唯一性
    • 每次分支有两种选择：0，1

      视频编解码学习之三：变换，量化与熵编码_第59张图片

    • 相同的概率产生不同的组合

      视频编解码学习之三：变换，量化与熵编码_第60张图片

  • 缺点：
    • 数据的概率变化难于实时统计
    • Huffman树需要编码传输给解码器
    • 只有在p(xi)=1/2ki 时是最优编码
    • 最小码字长度为1比特/符号
  • 如果有二值信源，其两个符号的概率相差很大
    • 例如：p(1)=0.0625，p(0)=0.9375则H=0.3373比特/符号，Huffman编码平均码长=1比特/符号
    • 两个符号联合编码有更高效率

6. 扩展Huffman编码

视频编解码学习之三：变换，量化与熵编码_第61张图片

7. 范式Huffman编码

  • 范式Huffman树的建立规则
    • 节点左支设为0，右支设为1
    • 树的深度从左至右增加
    • 每个符号被放在最先满足的叶子节点

视频编解码学习之三：变换，量化与熵编码_第62张图片

  • 特性
    • 第一个码字是一串0
    • 相同长度的码字的值是连续的
    • 如果所有的码字通过在低位补0的方式，使所有码字的长度相同则有 0000<0100<1000<1010<1100<1110<1111
    • 从码字长度n到n+1有如下关系
      • C(n+1,1)=(C(n,last)+1)<<1
    • 从码字长度n到n+2有如下关系
      • C(n+2,1)=(C(n,last)+1)<<2

视频编解码学习之三：变换，量化与熵编码_第63张图片

视频编解码学习之三：变换，量化与熵编码_第64张图片

8. 一元码

  • 编码一个非负整数n为n个1和一个0
  • 不需要存储码表
  • 可以用Huffman树表示

    视频编解码学习之三：变换，量化与熵编码_第65张图片

  • 码长增长太快：n=100，码长101

视频编解码学习之三：变换，量化与熵编码_第66张图片

9. 哥伦布编码

  • 将信源符号等分成几组，每组有相应的编号
  • 编号小的分配码字短，编号大分配码字长
  • 同组的符号有等长的码字，比一元码的码字长度增长慢

  • 码字分配

视频编解码学习之三：变换，量化与熵编码_第67张图片

视频编解码学习之三：变换，量化与熵编码_第68张图片

视频编解码学习之三：变换，量化与熵编码_第69张图片

 

10. 指数哥伦布编码

  • 哥伦布码对信源符号的分组大小相同
  • 指数哥伦布码对信源符号的分组大小按照指数增长
  • 指数哥伦布码依然是一元码加定长码的形式
  • 指数哥伦布码的指数k=0，1，2，…

视频编解码学习之三：变换，量化与熵编码_第70张图片

视频编解码学习之三：变换，量化与熵编码_第71张图片

视频编解码学习之三：变换，量化与熵编码_第72张图片

11. CAVLC（ Context-Based Adaptive Variable Length Code）

  • 当前块的系数分布和其邻块的系数分布情况相关
    • N X为块X的非零系数个数，当前块C的第一个系数的编码码表由N C决定， N C=( N A+ N B )/2

  • 当前待编码系数和前面编码系数有相关性
    • 当前块C的其它系数的编码码表由前一个系数的幅值决定cofN-1=>GolombTab_x，用GolombTab_x编码cofN

视频编解码学习之三：变换，量化与熵编码_第73张图片

12. 算术编码

  • 信息量=>符号编码比特数
  • Huffman编码为每个符号分配一个码字，这说明Huffman编码的压缩上限是1比特/符号
  • 算术编码若干个符号可编码成1bit
  • 算术编码是把信源表示为实数轴上[0,1]区间，信源中每个符号都用来缩短这个区间
    • 输出[0,1]区间的一个实数表示一串编码符号
    • 比Huffman编码更有效
  • 编码思想
    • 编码器用熵编码算法编码一串符号产生一个[0,1]区间的实数，将实数的一个二进制表示传给解码器
    • 解码器用熵解码算法解码得到一串符号
  • 小数的二进制表示

  • 信源符号概率分布

    视频编解码学习之三：变换，量化与熵编码_第74张图片

  • 字符串：X2 X2 X3 X3 X6 X5 X7
  • Huffman编码，01 01 100 100 00 11 1011，18bit

视频编解码学习之三：变换，量化与熵编码_第75张图片视频编解码学习之三：变换，量化与熵编码_第76张图片

视频编解码学习之三：变换，量化与熵编码_第77张图片

  • 算术编码更接近熵
  • 有限精度算术编码是次优（Near-optimal）编码，发送整数比特给解码端
  • 算术编码到最后一个字符编码结束才输出码字
  • 编码复杂度也比较高

13. 二值算术编码

视频编解码学习之三：变换，量化与熵编码_第78张图片视频编解码学习之三：变换，量化与熵编码_第79张图片

视频编解码学习之三：变换，量化与熵编码_第80张图片

13. 自适应二值算术编码

  • 由于信源0和1出现的概率是在不断变化的，因此0和1的概率区间也应该不断改变
  • 自适应二值算术编码每编码一个0或1都重新统计0和1的概率并重新划分[0,1)区间
  • 编解码端的概率统计模型一致，能够得到同样的[0,1)区间划分

视频编解码学习之三：变换，量化与熵编码_第81张图片视频编解码学习之三：变换，量化与熵编码_第82张图片

 

14. CABAC（Context-Based Adaptive Binary Arithmetic Coding）

视频编解码学习之三：变换，量化与熵编码_第83张图片

  • 当前块的语法元素概率分布和其邻块的语法元素概率分布情况相关
    • 当前块C的邻块A和B的语法元素SA与SB可以为编码C块的语法元素SC选择概率模型
  • 二值化
    • 将语法元素值转换成二进制值串
  • 概率模型更新
    • 根据已经编码的比特，重新估计二进制值串的概率并更新概率模型，用新的概率模型编码下一个比特

视频编解码学习之三：变换，量化与熵编码_第84张图片

15. Run Length 编码

  • 利用信源字符的重复性来编码的技术
  • 对有很长，很多重复字符的信源编码非常有效
  • 重复字符称为run，重复的字符个数称为run length
  • Run-length编码能够和其它熵编码一起来压缩数据

视频编解码学习之三：变换，量化与熵编码_第85张图片

视频编解码学习之三：变换，量化与熵编码_第86张图片

16. 字典编码

  • 字典编码：根据信源符号（消息）的组合特点，建立包含各种符号组合的字典，编码这些符号组合的索引
    • LZ78=>Winzip
    • LZW=> GIF
  • 适合一般意义上的数据压缩，去除数据的统计冗余

17. LZW

  • 将信源输出的字符串中，每个第一次出现的字符或者字符串用索引来表示，并将字符或字符串对应的索引编码到码流中
  • 解码端根据从码流中解码的字符，在线的建立和编码器完全一样的字典，并恢复出信源输出的字符串
  • 适用于字符串中有大量的子字符串多次重复出现，重复次数越多，压缩效果越好
  • 单个符号被分配为0-255之间的值
  • 初始码表，使其包含值为0-255的256个符号，值大于255的符号为空
  • 编码器将根据编码的符号情况确定字符组合为从 256 到 4095 之间的值
  • 编码时，编码器识别新的字符组合，并将他们增加到码表中
  • 编码器用码表中的符号组合所对应的值编码

视频编解码学习之三：变换，量化与熵编码_第87张图片

  • 解压时LZW解码器能够产生和编码器完全一样的码表
  • 和编码器一样先初始化所有的单字符，将0-255之间的值分配给它们
  • 除了解码第一个字符外，解码其它字符时都要更新码表
  • 通过读码字并根据码表中的值将它们解码为对应的字符或字符组合

视频编解码学习之三：变换，量化与熵编码_第88张图片

18. LZ78

视频编解码学习之三：变换，量化与熵编码_第89张图片

视频编解码学习之三：变换，量化与熵编码_第90张图片

参考资料：

  • LZW：http://www.cs.usyd.edu.au/~loki/cs2csys/gif-info/lzw.html
  • LZ78：http://www.cs.usyd.edu.au/~loki/cs2csys/gif-info/lz78.html

 

你可能感兴趣的:(视频编解码学习之三：变换，量化与熵编码)

  • 五、AIGC大模型_08Agent基础知识 学不会lostfound AI人工智能agent不同生命周期的知识用AI处理AIGC
    0、概述根据知识的生命周期分类，我们通常会采取不同的方法（微调、RAG、Agent）来将知识融入到AI中0.1长生命周期知识这类知识通常具有较高的稳定性和通用性，不会因时间的推移而轻易改变。它们是知识体系中的“基石”，在较长时间内保持有效性和价值。特点：稳定性强：如数学定理、物理公式等，这些知识经过长期验证，具有高度的确定性和普适性基础性强：往往是学习和研究其他知识的基础，例如教科书中的基础知识更
  • 谈高考真题的使用（数学） weixin_34116110 python测试
    2019独角兽企业重金招聘Python工程师标准>>>在高三数学复习中，大家常说“以本为本，以纲为纲，高考真题当主粮”，就是以教材内容为根本，以“考试大纲”为准绳，以高考真题的训练为主线；抓住了本，把握了纲，训练有的放矢，我们的复习就会事半功倍。高考数学试题难度相对稳定，考查形式的变化却是异彩纷呈，而变化中又有着一定的规律：全国试题与各省市试题的考试要求基本一致；题型除上海和江苏外，全国和其他各省
  • 如何实现一个apply函数？ 风茫 Javascriptjavascriptapply
    在JavaScript中，apply是一个非常有用的方法，它允许你调用一个函数，并显式地指定该函数内部的this值。与call方法不同，apply方法接受参数的方式是一个数组或类数组对象。我们将手动实现一个类似apply的函数，以深入理解其工作原理。实现步骤1.定义myApply方法首先，我们需要在Function.prototype上定义一个新的方法myApply，这样所有的函数都可以调用它。F
  • SMOTE算法的改进与扩展 Java 第一深情 不平衡数据分类机器学习人工智能
    一、SMOTE的改进算法1、Boderline-SMOTE只考虑分布在分类边界附近的少数类样本，并将其作为根样本首先通过k-NN方法将原始数据中的少数类样本划分成“Safe”、“Danger”和“Noise”3类，其中“Danger”类样本是指靠近分类边界的样本。对属于“Danger”类少数类样本进行过采样，可增加用于确定分类边界的少数类样本。这样做可以增加这些关键区域的少数类样本数量，使得模型在
  • TCP/IP学习笔记(5) --IP选路 ox0080 Linux网络linux网络
    静态IP选路一个简单的路由表选路是IP层最重要的一个功能之一。前面的部分已经简单的讲过路由器是通过何种规则来根据IP数据包的IP地址来选择路由。这里就不重复了。首先来看看一个简单的系统路由表。命令:routeprint|more对于一个给定的路由器，可以打印出五种不同的flag。U表明该路由可用。G表明该路由是到一个网关。如果没有这个标志，说明和Destination是直连的，而相应的Gatewa
  • 基于STC89C52的温度检测系统(DS18B20) @小张要努力 嵌入式硬件51单片机单片机proteusmcu
    引言在现代电子应用中，温度检测系统扮演着至关重要的角色。从工业生产到日常生活，准确的温度监测为各种设备的稳定运行和环境调控提供了有力保障。本文将介绍一种基于STC89C52单片机的温度检测系统，该系统利用DS18B20温度传感器进行温度数据采集，并通过LCD1602液晶显示屏实时显示温度数值。同时，借助Proteus仿真软件对整个系统进行设计与验证，确保其可行性和稳定性。系统硬件设计STC89C5
  • 动态规划 43. 最长回文子序列 Mophead_Zarathustra 小白的代码随想录刷题笔记Mophead的小白刷题笔记leetcodepython代码随想录动态规划
    动态规划43.最长回文子序列516.最长回文子序列-力扣（LeetCode）代码随想录难度5-中等太难了，依然不会做。看完题解只觉得恍然大悟原来如此，但是不看直接做就感觉定义和递推就跟挤牙膏一样挤不出，挤出来了也不一定对。与动态规划42.回文子串-CSDN博客要形成对比注意本题中，子序列的要求是：不一定连续思路：（摘录、修改自代码随想录）dp定义：（重要，因为这道题求的是长度，而不是回文子序列个数
  • FerretDB 2.0：开源 MongoDB 替代品的安装与使用指南 田猿笔记 MongoDB开源数据库FerretDB
    介绍FerretDB2.0是一个开源数据库，旨在作为MongoDB的替代品。它与MongoDB5.0+的驱动程序和工具兼容，适合需要避免MongoDB许可复杂性的开发者。它的核心特点是使用PostgreSQL作为后端，并通过DocumentDB扩展提升性能，研究表明某些工作负载可快20倍。安装与使用安装FerretDB2.0使用dockercompose需要以下步骤：创建docker-compos
  • 05.静态代理设计模式 java
    05.静态代理设计模式目录介绍01.静态代理模式基础1.1静态代理由来1.2静态代理定义1.3静态代理场景1.4静态代理思考02.静态代理原理与实现2.1罗列一个场景2.2用一个例子理解代理2.3案例演变分析03.静态代理分析3.1静态代理结构图3.2静态代理时序图04.代理模式优势4.1如何降低耦合4.2保护真实对象使用权限05.静态代理不足5.1静态代理类优缺点5.2静态代理缺乏灵活5.3静态
  • 【AI Agent教程】各种Agent开发框架都是如何实现ReAct思想的？深入源码学习一下 同学小张 大模型人工智能学习笔记经验分享AIGCAIAgentReAct
    大家好，我是同学小张，持续学习C++进阶知识和AI大模型应用实战案例，持续分享，欢迎大家点赞+关注，共同学习和进步。驱动大模型有很多种方式，例如纯Prompt方式、思维链方式、ReAct方式等。ReAct方式是AIAgent最常用的实现思路之一，它强调在执行任务时结合推理（Reasoning）和行动（Acting）两个方面，使得Agent能够在复杂和动态的环境中更有效地工作。本文我们来看看常用的那
  • 计算机网络进化论：从比特流到量子通信的深层解构 ox0080 #北漂+滴滴出行VIP激励网络计算机网络
    第一章物理媒介与链路层（1960-1970）1.1比特流物理编码//曼彻斯特编码实现vectormanchester_encode(uint8_tbyte){vectorbits;for(inti=7;i>=0;--i){boolbit=(byte>>i)&1;bits.push_back(bit);//前半周期bits.push_back(!bit);//后半周期}returnbits;}物理层
  • 基于STC89C52的CD4511译码显示数字设计 @小张要努力 单片机嵌入式硬件51单片机proteusmcu
    摘要本文深入探讨基于STC89C52单片机的数字显示系统设计，剖析CD4511译码驱动芯片工作原理，结合Proteus仿真验证功能。通过硬件电路、软件编程及原理分析，完整呈现单片机控制数码管显示的实现过程，为相关开发提供理论与实践参考。一、引言在单片机应用中，数码管显示是基础模块。CD4511作为BCD码译码驱动芯片，可简化单片机与数码管接口设计。STC89C52凭借丰富资源与稳定性能，成为驱动C
  • 基于传感器数据的城市空气质量预测与污染源分类 云端.代码农夫CloudFarmer 分类数据挖掘人工智能
    项目名称：基于传感器数据的城市空气质量预测与污染源分类创新点：结合时间序列预测（回归）与污染源分类（多标签分类），使用公开API获取实时数据。项目目标预测未来6小时的空气质量指数（AQI）。根据传感器数据判断可能的污染源类型（如工业排放、交通尾气、扬尘等）。数据集来源数据获取：通过开放API实时抓取（如OpenAQ、AirNow或国内公开的城市空气质量平台）。特征示例：PM2.5、PM10、SO2
  • Stream流与Guava工具类使用 小薛博客 guava数据库java
    Stream流与Guava工具类使用小薛博客官方地址Stream流与Guava工具类使用1、StreamAPI1、了解StreamJava8中有两大最为重要的改变。第一个是Lambda表达式；另外一个则是StreamAPI(java.util.stream.*)。Stream是Java8中处理集合的关键抽象概念，它可以指定你希望对集合进行的操作，可以执行非常复杂的查找、过滤和映射数据等操作。使用S
  • 如何验证新产品概念的PMF（产品市场匹配度） 产品管理系统
    想要验证新产品概念的PMF，需要关注目标用户精准定位、核心价值主张、市场反馈速度、迭代验证机制。其中，核心价值主张尤其关键，因为它决定了用户是否真正愿意为产品埋单。只有当产品能切实帮助用户解决痛点或实现价值提升时，后续的推广、运营才有扎实的基础和持续的动力，否则再多的营销投入也只能昙花一现，难以形成稳定且可扩展的市场认同。一、PMF的本质与重要性PMF（Product-MarketFit）指的是产
  • linux find 命令超全完整指南 疑犯 linux服务器find命令
    linuxfind命令超全完整指南一、基础语法与工作逻辑find[起始路径][表达式][操作]起始路径：指定搜索根目录，默认为当前目录.。支持多路径（如find/etc/var）表达式：定义搜索条件（如文件名、类型、时间等）。操作：对匹配文件执行命令（如删除、压缩等）。二、核心查找条件详解1.按名称查找精确匹配：-name"文件名"find/home-name"example.txt"#精确查找文
  • Java之ArrayList M(菜鸡) javalist
    ArrayList1.1ArrayList简介ArrayList的底层是数组队列，相当于动态数组。与Java中的数组相比，它的容量能动态增长。在添加大量元素前，应用程序可以使用ensureCapacity操作来增加ArrayList实例的容量。这可以减少递增式再分配的数量。ArrayList继承了AbstractList，实现了List,RandomAccess,Cloneable,java.io
  • docker-compose install nginx(解决fastgpt跨区域) CIAS deepseekdockerdeepseekfastgpt
    CORS前言CORS（Cross-OriginResourceSharing，跨源资源共享）是一种安全措施，它允许或拒绝来自不同源（协议、域名、端口任一不同即为不同源）的网页访问另一源中的资源。它的主要作用如下：同源策略限制：Web浏览器的同源策略限制了从一个源加载的文档或脚本如何与另一个源的资源进行交互。这意味着默认情况下，浏览器会阻止一个源（例如，http://example.com）的网页向
  • 详解小程序多端框架全面测评 前端可乐老师 前端
    现在流行的多端框架可以大致分为三类：1.全包型这类框架最大的特点就是从底层的渲染引擎、布局引擎，到中层的DSL，再到上层的框架全部由自己开发，代表框架是Qt和Flutter。这类框架优点非常明显：性能（的上限）高；各平台渲染结果一致。缺点也非常明显：需要完全重新学习DSL（QML/Dart），以及难以适配中国特色的端：小程序。这类框架是最原始也是最纯正的的多端开发框架，由于底层到上层每个环节都掌握
  • 理解并使用基于n-gram重叠的示例选择器 shuoac easyui前端javascriptpython
    在AI及自然语言处理任务中，选择与输入最相似的示例可以显著提升生成的质量和上下文相关性。本文将介绍如何使用NGramOverlapExampleSelector工具，通过n-gram重叠来筛选和排序示例，从而帮助实现这一目标。技术背景介绍n-gram重叠技术通过比较输入文本与示例文本在字符或词组上的相似度，计算一个介于0到1之间的分数来表示相似度。这个分数越高，表示文本间的重叠越大。NGramOv
  • 中国电子学会202309青少年软件编程（Python）等级考试试卷（二级）真题 晴朗向上 python考级编程开发语言microsoft
    青少年软件编程（Python）等级考试试卷（二级）分数：100题数：37一、单选题（共25题，每题2分，共50分）1、yyh = [2023, '杭州亚运会', ['拱宸桥', '玉琮''莲叶']]jxw = yyh[2][0]print(jxw[1] * 2)以上代码运行结果是？（）A.宸宸B.杭杭C.玉玉D.州州2、阿宝在学习Python语言编程，他写了一个程序可以实现输入月份数字就可以输出2
  • opencv + opengl显示摄像头视频流 jbjhzstsl opencv计算机视觉
    完整代码github建议学习LearnOpenGL教程，学到入门的纹理一节1.OpenGL依赖安装1.1.安装GLFWsudoaptinstalllibglfw3libglfw3-devlibglfw3：GLFW运行时库libglfw3-dev：GLFW开发库（用于编译）1.2.安装OpenGL相关依赖sudoaptinstalllibgl1-mesa-devxorg-devlibgl1-mesa
  • 【mysql】mysql之主从部署以及介绍 向往风的男子 DBAmysql数据库
    本站以分享各种运维经验和运维所需要的技能为主《python零基础入门》：python零基础入门学习《python运维脚本》：python运维脚本实践《shell》：shell学习《terraform》持续更新中：terraform_Aws学习零基础入门到最佳实战《k8》从问题中去学习k8s《docker学习》暂未更新《ceph学习》ceph日常问题解决分享《日志收集》ELK+各种中间件《运维日常》
  • 【后端】【django】Django 自带的用户系统与 RBAC 机制 患得患失949 django知识数据库sqlitedjango
    Django自带的用户系统与RBAC机制Django自带的用户系统（django.contrib.auth）提供了身份验证（Authentication）和权限管理（Authorization），能够快速实现用户管理、权限控制、管理员后台等功能，同时具备RBAC（基于角色的访问控制，Role-BasedAccessControl）的基本实现。本文将详细介绍Django用户系统的功能、管理员账号创建
  • 决策树算法全解析：从零基础到Titanic实战，一文搞定机器学习经典模型 吴师兄大模型 0基础实现机器学习入门到精通算法机器学习决策树人工智能深度学习编程开发语言
    Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战05-玩转LangChain：深度评估问答系统的三种高效方法（示例生成、手
  • Ai时代初期全球不同纬度的层级辐射现象 龙胥伯 人工智能
    基于最新研究成果与行业动态，AI时代的"层级辐射"现象可被科学解构为以下六大维度，结合技术演进、产业实践和社会影响进行系统性分析：一、技术能力的层级跃迁模型效率革命DeepSeek研发的R1-Zero模型通过动态架构设计，将样本利用率提升40%以上，训练周期大幅缩短。这种技术突破推动AI从实验室走向规模化应用，在智能制造、生物医药等领域催生新生态。大语言模型的训练方式（预训练→多任务学习→强化学习
  • 深入理解 Java 反射与 PropertyDescriptor 的应用 HoroMin web基础easybbs项目疑难记录java开发语言反射
    在Java编程中，反射是一项强大的功能，它允许我们在运行时动态地访问和操作类的信息，包括字段、方法和构造函数等。在处理JavaBean时，反射的灵活性尤为重要。而PropertyDescriptor类正是用于简化JavaBean属性的动态访问和操作。本文将探讨反射的基本概念，并通过具体示例展现如何使用PropertyDescriptor。什么是反射？反射是Java的一个特性，允许程序在运行时检查类
  • MySQL 8主从复制配置最佳实践 随风九天 匠心数据库部署运维mysql主从复制
    1.引言1.1主从复制的意义与应用场景主从复制是MySQL中用于提高数据冗余性和可用性的技术。通过将主库的数据复制到一个或多个从库，可以在主库故障时快速切换到从库，保证服务的连续性。此外，主从复制还可以用于负载均衡，将读操作分发到从库，减轻主库的压力。1.2MySQL8主从复制的新特性概述MySQL8引入了多项改进，包括：GTID（全局事务标识符）：简化复制配置和管理。半同步复制：提高数据一致性。
  • Redis客户端jedis与lettuce的区别 风雨无阻1203 RedisJava研发文档redis缓存LettuceJedis
    什么是Lettuce与JedisLettuce是一个高级Redis客户端，用于线程安全的同步、异步和反应式访问。它支持高级的Redis特性，如Sentinel、集群、流水线、自动重新连接和redis数据模型等。Lettuce是完全非阻塞的，基于Netty事件驱动的通信层，其方法将返回具有可观察的类型，可在流或异步编程环境中使用。Jedis是基于Java语言的Redis的客户端，Jedis=Java
  • Docker入门篇:安装与加速 slamml Dockerdocker容器运维
    今天接着上一篇文章来写，本来计划以paopaorobot/dvo为例带入docker的基本操作，然后中间插播一下docker的安装和加速，但是发现写的有点罗嗦，刚写完安装与加速就挺大篇幅了，所以决定将docker基本操作放到下一篇介绍，对不住～对不住～。docker安装在这里，针对Windows、Ubuntu平台介绍docker的安装。Windows平台（本机win7）前提要求机器是64bit的，
  • 强大的销售团队背后 竟然是大数据分析的身影 蓝儿唯美 数据分析
    Mark Roberge是HubSpot的首席财务官，在招聘销售职位时使用了大量数据分析。但是科技并没有挤走直觉。 大家都知道数理学家实际上已经渗透到了各行各业。这些热衷数据的人们通过处理数据理解商业流程的各个方面，以重组弱点，增强优势。 Mark Roberge是美国HubSpot公司的首席财务官，HubSpot公司在构架集客营销现象方面出过一份力——因此他也是一位数理学家。他使用数据分析
  • Haproxy+Keepalived高可用双机单活 bylijinnan 负载均衡keepalivedhaproxy高可用
    我们的应用MyApp不支持集群，但要求双机单活（两台机器：master和slave）： 1.正常情况下，只有master启动MyApp并提供服务 2.当master发生故障时，slave自动启动本机的MyApp，同时虚拟IP漂移至slave，保持对外提供服务的IP和端口不变 F5据说也能满足上面的需求，但F5的通常用法都是双机双活，单活的话还没研究过 服务器资源 10.7
  • eclipse编辑器中文乱码问题解决 0624chenhong eclipse乱码
    使用Eclipse编辑文件经常出现中文乱码或者文件中有中文不能保存的问题，Eclipse提供了灵活的设置文件编码格式的选项，我们可以通过设置编码 格式解决乱码问题。在Eclipse可以从几个层面设置编码格式：Workspace、Project、Content Type、File 本文以Eclipse 3.3（英文）为例加以说明： 1. 设置Workspace的编码格式： Windows-&g
  • 基础篇--resources资源 不懂事的小屁孩 android
    最近一直在做java开发，偶尔敲点android代码，突然发现有些基础给忘记了，今天用半天时间温顾一下resources的资源。 String.xml    字符串资源   涉及国际化问题  http://www.2cto.com/kf/201302/190394.html   string-array
  • 接上篇补上window平台自动上传证书文件的批处理问卷 酷的飞上天空 window
    @echo off : host=服务器证书域名或ip，需要和部署时服务器的域名或ip一致 ou=公司名称, o=公司名称 set host=localhost set ou=localhost set o=localhost set password=123456 set validity=3650 set salias=s
  • 企业物联网大潮涌动：如何做好准备？ 蓝儿唯美 企业
    物联网的可能性也许是无限的。要找出架构师可以做好准备的领域然后利用日益连接的世界。 尽管物联网（IoT）还很新，企业架构师现在也应该为一个连接更加紧密的未来做好计划，而不是跟上闸门被打开后的集成挑战。“问题不在于物联网正在进入哪些领域，而是哪些地方物联网没有在企业推进，” Gartner研究总监Mike Walker说。 Gartner预测到2020年物联网设备安装量将达260亿，这些设备在全
  • spring学习——数据库（mybatis持久化框架配置） a-john mybatis
    Spring提供了一组数据访问框架，集成了多种数据访问技术。无论是JDBC，iBATIS(mybatis)还是Hibernate，Spring都能够帮助消除持久化代码中单调枯燥的数据访问逻辑。可以依赖Spring来处理底层的数据访问。 mybatis是一种Spring持久化框架，要使用mybatis，就要做好相应的配置： 1，配置数据源。有很多数据源可以选择，如：DBCP，JDBC，aliba
  • Java静态代理、动态代理实例 aijuans Java静态代理
    采用Java代理模式，代理类通过调用委托类对象的方法，来提供特定的服务。委托类需要实现一个业务接口，代理类返回委托类的实例接口对象。 按照代理类的创建时期，可以分为：静态代理和动态代理。 所谓静态代理：　指程序员创建好代理类，编译时直接生成代理类的字节码文件。 所谓动态代理：　在程序运行时，通过反射机制动态生成代理类。   一、静态代理类实例： 1、Serivce.ja
  • Struts1与Struts2的12点区别 asia007 Struts1与Struts2
    1) 在Action实现类方面的对比：Struts 1要求Action类继承一个抽象基类；Struts 1的一个具体问题是使用抽象类编程而不是接口。Struts 2 Action类可以实现一个Action接口，也可以实现其他接口，使可选和定制的服务成为可能。Struts 2提供一个ActionSupport基类去实现常用的接口。即使Action接口不是必须实现的，只有一个包含execute方法的P
  • 初学者要多看看帮助文档 不要用js来写Jquery的代码 百合不是茶 jqueryjs
    解析json数据的时候需要将解析的数据写到文本框中,  出现了用js来写Jquery代码的问题;   1, JQuery的赋值  有问题    代码如下: data.username 表示的是:  网易            $("#use
  • 经理怎么和员工搞好关系和信任 bijian1013 团队项目管理管理
            产品经理应该有坚实的专业基础，这里的基础包括产品方向和产品策略的把握，包括设计，也包括对技术的理解和见识，对运营和市场的敏感，以及良好的沟通和协作能力。换言之，既然是产品经理，整个产品的方方面面都应该能摸得出门道。这也不懂那也不懂，如何让人信服？如何让自己懂？就是不断学习，不仅仅从书本中，更从平时和各种角色的沟通
  • 如何为rich:tree不同类型节点设置右键菜单 sunjing contextMenutreeRichfaces
    组合使用target和targetSelector就可以啦，如下： <rich:tree id="ruleTree" value="#{treeAction.ruleTree}" var="node" nodeType="#{node.type}" selectionChangeListener=&qu
  • 【Redis二】Redis2.8.17搭建主从复制环境 bit1129 redis
    开始使用Redis2.8.17 Redis第一篇在Redis2.4.5上搭建主从复制环境，对它的主从复制的工作机制，真正的惊呆了。不知道Redis2.8.17的主从复制机制是怎样的，Redis到了2.4.5这个版本，主从复制还做成那样，Impossible is nothing! 本篇把主从复制环境再搭一遍看看效果，这次在Unbuntu上用官方支持的版本。   Ubuntu上安装Red
  • JSONObject转换JSON--将Date转换为指定格式 白糖_ JSONObject
    项目中，经常会用JSONObject插件将JavaBean或List<JavaBean>转换为JSON格式的字符串，而JavaBean的属性有时候会有java.util.Date这个类型的时间对象，这时JSONObject默认会将Date属性转换成这样的格式：   {"nanos":0,"time":-27076233600000,
  • JavaScript语言精粹读书笔记 braveCS JavaScript
    【经典用法】：   //①定义新方法 Function .prototype.method=function(name, func){ this.prototype[name]=func; return this; } //②给Object增加一个create方法，这个方法创建一个使用原对
  • 编程之美-找符合条件的整数 用字符串来表示大整数避免溢出 bylijinnan 编程之美
    import java.util.LinkedList; public class FindInteger { /** * 编程之美 找符合条件的整数 用字符串来表示大整数避免溢出 * 题目：任意给定一个正整数N，求一个最小的正整数M(M>1)，使得N*M的十进制表示形式里只含有1和0 * * 假设当前正在搜索由0，1组成的K位十进制数
  • 读书笔记 chengxuyuancsdn 读书笔记
    1、Struts访问资源 2、把静态参数传递给一个动作 3、<result>type属性 4、s:iterator、s:if c:forEach 5、StringBuilder和StringBuffer 6、spring配置拦截器 1、访问资源 (1)通过ServletActionContext对象和实现ServletContextAware,ServletReque
  • [通讯与电力]光网城市建设的一些问题 comsci 问题
          信号防护的问题,前面已经说过了,这里要说光网交换机与市电保障的关系       我们过去用的ADSL线路,因为是电话线,在小区和街道电力中断的情况下,只要在家里用笔记本电脑+蓄电池,连接ADSL,同样可以上网........     
  • oracle 空间RESUMABLE daizj oracle空间不足RESUMABLE错误挂起
    空间RESUMABLE操作  转 Oracle从9i开始引入这个功能，当出现空间不足等相关的错误时，Oracle可以不是马上返回错误信息，并回滚当前的操作，而是将操作挂起，直到挂起时间超过RESUMABLE TIMEOUT，或者空间不足的错误被解决。 这一篇简单介绍空间RESUMABLE的例子。 第一次碰到这个特性是在一次安装9i数据库的过程中，在利用D
  • 重构第一次写的线程池 dieslrae 线程池 python
    最近没有什么学习欲望,修改之前的线程池的计划一直搁置,这几天比较闲,还是做了一次重构,由之前的2个类拆分为现在的4个类. 1、首先是工作线程类:TaskThread,此类为一个工作线程,用于完成一个工作任务,提供等待(wait),继续(proceed),绑定任务(bindTask)等方法 #!/usr/bin/env python # -*- coding:utf8 -*-
  • C语言学习六指针 dcj3sjt126com c
    初识指针，简单示例程序： /* 指针就是地址，地址就是指针 地址就是内存单元的编号 指针变量是存放地址的变量 指针和指针变量是两个不同的概念 但是要注意： 通常我们叙述时会把指针变量简称为指针，实际它们含义并不一样 */ # include <stdio.h> int main(void) { int * p; // p是变量的名字， int *
  • yii2 beforeSave afterSave beforeDelete dcj3sjt126com delete
    public function afterSave($insert, $changedAttributes) { parent::afterSave($insert, $changedAttributes); if($insert) { //这里是新增数据 } else { //这里是更新数据 } }  
  • timertask shuizhaosi888 timertask
    java.util.Timer timer = new java.util.Timer(true); // true 说明这个timer以daemon方式运行（优先级低， // 程序结束timer也自动结束），注意，javax.swing // 包中也有一个Timer类，如果import中用到swing包， // 要注意名字的冲突。 TimerTask task = new
  • Spring Security（13）——session管理 234390216 sessionSpring Security攻击保护超时
    session管理 目录   1.1     检测session超时 1.2     concurrency-control 1.3     session 固定攻击保护         
  • 公司项目NODEJS实践0.3[ mongo / session ...] 逐行分析JS源代码 mongodbsessionnodejs
        http://www.upopen.cn   一、前言         书接上回，我们搭建了WEB服务端路由、模板等功能，完成了register 通过ajax与后端的通信，今天主要完成数据与mongodb的存取，实现注册 / 登录 /
  • pojo.vo.po.domain区别 LiaoJuncai javaVOPOJOjavabeandomain
    　　POJO = "Plain Old Java Object"，是MartinFowler等发明的一个术语，用来表示普通的Java对象，不是JavaBean, EntityBean 或者 SessionBean。POJO不但当任何特殊的角色，也不实现任何特殊的Java框架的接口如，EJB， JDBC等等。 　　 　　即POJO是一个简单的普通的Java对象，它包含业务逻辑
  • Windows Error Code OhMyCC windows
    0 操作成功完成. 1 功能错误. 2 系统找不到指定的文件. 3 系统找不到指定的路径. 4 系统无法打开文件. 5 拒绝访问. 6 句柄无效. 7 存储控制块被损坏. 8 存储空间不足, 无法处理此命令. 9 存储控制块地址无效. 10 环境错误. 11 试图加载格式错误的程序. 12 访问码无效. 13 数据无效. 14 存储器不足, 无法完成此操作. 15 系
  • 在storm集群环境下发布Topology roadrunners 集群stormtopologyspoutbolt
    storm的topology设计和开发就略过了。本章主要来说说如何在storm的集群环境中，通过storm的管理命令来发布和管理集群中的topology。   1、打包 打包插件是使用maven提供的maven-shade-plugin，详细见maven-shade-plugin。 <plugin> <groupId>org.apache.maven.
  • 为什么不允许代码里出现“魔数” tomcat_oracle java
    　　在一个新项目中，我最先做的事情之一，就是建立使用诸如Checkstyle和Findbugs之类工具的准则。目的是制定一些代码规范，以及避免通过静态代码分析就能够检测到的bug。 　　迟早会有人给出案例说这样太离谱了。其中的一个案例是Checkstyle的魔数检查。它会对任何没有定义常量就使用的数字字面量给出警告，除了-1、0、1和2。 　　很多开发者在这个检查方面都有问题，这可以从结果
  • zoj 3511 Cake Robbery(线段树) 阿尔萨斯 线段树
    题目链接：zoj 3511 Cake Robbery 题目大意：就是有一个N边形的蛋糕，切M刀，从中挑选一块边数最多的，保证没有两条边重叠。 解题思路：有多少个顶点即为有多少条边，所以直接按照切刀切掉点的个数排序，然后用线段树维护剩下的还有哪些点。 #include <cstdio> #include <cstring> #include <vector&
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他