cakin24
cakin24

scipy的图像测试

阅读更多

一 代码

  1. from scipy import misc
  2. from scipy import ndimage
  3. face = misc.face()
  4. print(ndimage.measurements.maximum(face))#最大值
  5. print(ndimage.measurements.maximum_position(face))#最大值位置
  6. print(ndimage.measurements.mean(face))#平均值
  7. print(ndimage.measurements.median(face))#中值
  8. print(ndimage.measurements.sum(face))
  9. print(ndimage.measurements.variance(face))
  10. print(ndimage.measurements.standard_deviation(face))
  11. print(ndimage.measurements.histogram(face,0,255,256))
二 运行结果
255
(242, 560, 2)
110.162743886
109.0
259906521
3307.17544034
57.5080467443
[ 3473   613   748   993  1651  2468  4198  6781  9301 11777 11084 10206
 10011 10491 11335 11698 11788 11448 11383 10860 10563  9743  9104  8692
  7939  7940  8069  8219  8251  8270  8066  7901  7913  7855  7974  8021
  8221  8374  8316  8217  8338  8300  8440  8540  8936  9005  9226  9497
  9406  9802 10126 10137 10167 10208 10246 10093 10508 10457 10465 10743
 10773 11127 11355 11534 11320 11650 11945 12006 12397 12379 12515 12555
 12872 12890 12985 12954 12930 13172 13270 13374 13404 13550 13414 13428
 13370 13488 13706 13875 13756 13947 13838 14063 14321 14395 14274 14291
 14411 14727 14612 14588 14443 14612 14499 14375 14574 14450 14461 14665
 14674 14620 14569 14488 14708 14898 14600 14573 14482 14632 14178 14190
 14347 14201 14193 14049 13809 13720 13711 13716 13557 13614 13393 13126
 13205 12860 12995 12818 12797 12697 12900 12832 12799 12737 12670 12448
 12388 12099 12131 12087 11859 11676 11863 11837 11747 11593 11574 11579
 11566 11457 11391 11372 11567 11262 11226 10994 10903 10812 10576 10699
 10501 10425 10368 10081  9969  9871  9952  9815  9575  9523  9268  9219
  9070  8997  8826  8761  8467  8351  8069  8141  7992  7822  7672  7763
  7383  7293  7177  6988  6848  6782  6623  6447  6344  6080  6290  6231
  6061  6085  6017  5845  5897  5789  5568  5416  5303  5139  4786  4753
  4519  4448  4087  4034  3977  3764  3467  3191  3130  3000  2631  2591
  2406  2231  2070  1995  1751  1520  1369  1267  1121   981   920   889
   803   764   747   720   648   568   539   539   405   390   349   318
   282   253   181   589]

你可能感兴趣的:(scipy)

  • python进行常见的数学计算（方差，一元二次方程，求导，积分等等） ccut 第一混 python
    代码如下：importnumpyasnpimportmathimportcmathimportscipy#平均数defaverage(lst):sum_lst=0forninlst:sum_lst=sum_lst+nreturnsum_lst/len(lst)#方差defvariance(lst):average_lst=average(lst)sum_variance=0forninlst:su
  • PyZDDE：Python控制Zemax光学设计软件的实践指南 鄧寜
    本文还有配套的精品资源，点击获取简介：Zemax软件广泛应用于光学设计领域，提供DDE接口实现与外部程序交互。PyZDDE是一个Python库，允许用户通过DDE通信协议控制Zemax，以自动化执行设计、优化和分析任务。本压缩包包含Python脚本实例，展示如何利用PyZDDE进行文件操作、模型构建、优化与分析、数据提取以及自动化流程，旨在提升光学工程师的工作效率。结合NumPy、SciPy和ma
  • Scikitlearn：Python机器学习库 AI天才研究院 AI人工智能与大数据AI大模型企业级应用开发实战AI实战计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    -Scikit-learn：Python机器学习库1.背景介绍1.1什么是Scikit-learnScikit-learn是一个基于Python语言的开源机器学习库。它建立在NumPy、SciPy和matplotlib等优秀的科学计算库之上,为用户提供了一系列高效的数据挖掘和数据分析工具,涵盖了分类、回归、聚类、降维、模型选择和预处理等机器学习的各个方面。Scikit-learn的目标是提供一个高
  • 实践-python实现抽样分布描述及实践 HenlyX
    本周系实践课程，主要参考https://www.jb51.net/article/169033.htm中的实现。作业来源：数据科学家联盟公号importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfromscipyimportstatsdf=pd.read_excel('D:/Users/Desktop/Desktop/作业/data.
  • 使用python对音频做去噪 处理 莫夭阏之 python信号处理语音识别
    要使用Python对音频进行去噪处理，您可以使用许多库和算法。以下是使用librosa和scipy库实现的基本去噪算法：首先，您需要安装所需的库。您可以使用以下命令安装它们：pipinstalllibrosascipynumpy接下来，您需要导入所需的库：importlibrosaimportscipy.signalassignalimportnumpyasnp加载音频文件并提取音频数据：y,sr
  • Python的简单降噪应用 adaierya python开发语言
    音频降噪是使用Python进行信号处理的一个常见应用，通常会使用一些信号处理库，如NumPy和SciPy，以及一个用于音频处理的库，如Librosa。如下是一个简单的音频降噪实现步骤和代码示例：步骤1:安装必要的库若还没有安装这些库，请先使用pip进行安装：pipinstallnumpyscipylibrosasoundfile步骤2:导入必要的库在Python代码中，我们需要导入这些库：impo
  • 安装python后如何安装numpy_如何简单安装NumPy与SciPy
    2015-12-27回答numpy是一个定义了数值数组和矩阵类型和它们的基本运算的语言扩展。scipy是一种使用numpy来做高等数学、信号处理、优化、统计和许多其它科学任务的语言扩展。学习这两个工具的话，官方有很详细的文档和教程来帮助入门：我是传送门另外，还有一本书《numpyandscipy》，很薄，才67页：我是传送门如何安装numpy和scipy之所以写这篇文章主要是因为scipy官网貌似
  • Python的科学计算库NumPy（一） linlin_1998 pythonnumpy开发语言
    NumPy(NumericalPython)是Python中最基础、最重要的科学计算库之一，提供了高性能的多维数组（ndarray）对象和大量数学函数，是许多数据科学、机器学习库（如Pandas、SciPy、TensorFlow等）的基础依赖。1.创建一个numpy里面的一维数组importnumpyasnp###通过array方法创建一个ndarrayarray1=np.array([1,2,3
  • 英伟达终为 CUDA 添加原生 Python 支持，他有什么目的？ 朱卫军 AI python开发语言
    CUDA原来只支持C/C++/Fortran，在2025的CES上宣布支持原生Python其实是不得已而为之，一方面现在Python的AI开发者数量过于庞大，达到数千万级别，而CUDA仅几百万，CUDA想扩大自己的用户圈子，只能拉Python入伙。另一方面，Python生态的计算库实在太强大，比如numpy，几乎垄断了数组计算，还有像scipy、keras等，已经成为机器学习的主流工具，CUDA必
  • Aletheia 情感智能模型：完整实现
    Aletheia情感智能模型，整合所有核心模块并解决之前指出的问题。这个实现包含完整的神经动力学系统、多模态情感融合、伦理约束场和量子意识接口。importnumpyasnpimportmatplotlib.pyplotaspltfromscipy.integrateimportodeintfromsklearn.decompositionimportPCAimporttorchimporttor
  • 【Statsmodels和SciPy介绍与常用方法】 机器学习司猫白 scipystatsmodels统计
    Statsmodels库介绍与常用方法Statsmodels是一个强大的Python库，专注于统计建模和数据分析，广泛应用于经济学、金融、生物统计等领域。它提供了丰富的统计模型、假设检验和数据探索工具，适合进行回归分析、时间序列分析等任务。本文将介绍Statsmodels的核心功能，并通过代码示例展示其常用方法。Statsmodels简介Statsmodels建立在NumPy和SciPy的基础上，
  • Python scikit-learn 【机器学习库】全面讲解
    让AI成为我们的得力助手：《用Cursor玩转AI辅助编程——不写代码也能做软件开发》scikit-learn（简称sklearn）是Python最流行的机器学习库之一，提供简单高效的数据挖掘和数据分析工具。它基于NumPy、SciPy和Matplotlib构建，广泛应用于工业界和学术界。核心优势统一API设计：所有模型使用一致的接口（fit()、predict()、score()）丰富的算法：覆
  • python 中值滤波 search7 python
    中值滤波是数字信号处理和数字图像处理领域使用较多的预处理技术，使用邻域内所有信号的中位数替换中心像素的值，可以在滤除异常值的情况下较好地保留纹理信息。该技术会在一定程度上造成图像模糊和失真，滤波窗口变大时会非常明显。importnumpyasnpfromPILimportImageimportscipy.signalassignalim=Image.open('lena.jpg')data=[]w
  • python数据分析scipy库安装与使用 范哥来了 python数据分析scipy
    安装scipy库scipy是一个用于科学计算的Python库，它依赖于numpy。如果你还没有安装scipy，可以使用以下命令来安装：pipinstallscipy或者，如果你使用的是Anaconda环境，可以通过conda来安装：condainstallscipy使用scipy库scipy提供了许多用于科学计算的功能，包括统计、优化、积分、线性代数等。下面是一些常见的用法示例。1.导入scipy
  • SciPy 安装使用教程 小奇JAVA面试 安装使用教程scipy
    一、SciPy简介SciPy（ScientificPython）是基于NumPy的开源科学计算库，提供了数值积分、优化、信号处理、线性代数、统计分析等高级科学计算功能。它是构建Python科学计算生态系统的核心组件之一，常用于科研、工程、数据分析等领域。二、安装SciPy2.1使用pip安装（推荐）pipinstallscipy2.2使用Anaconda安装（科学计算推荐）condainstall
  • Python时域信号特征提取技术要点 路怜涯
    本文还有配套的精品资源，点击获取简介：在机器学习领域，时域信号特征提取是数据预处理的关键环节，特别是对于时间序列数据。时域信号特征包括信号的基本特性量，如平均值、中值、峰值、谷值、峰谷差、方差、标准差、极值点、峭度与峰度、自相关函数、滑动窗口统计、傅立叶变换和小波分析等。使用Python中的NumPy、Pandas和SciPy库可以帮助我们计算这些特征，并为机器学习模型训练准备数据。本文将介绍如何
  • Matplotlib 库来可视化频谱泄漏和加窗的效果 Mark White matplotlib
    前言很多朋友学习音频技术的时候，不理解这个频谱泄漏是什么，我们这次写个小代码直观地感受一下代码演示：频谱泄漏与加窗我们将生成一个简单的正弦波信号，然后分别用**不加窗（矩形窗）和加窗（汉明窗）**的方式对其进行傅里叶变换，并对比它们的频谱图。你会清晰地看到加窗如何减少了频谱泄漏。importnumpyasnpimportmatplotlib.pyplotaspltfromscipy.fftimpo
  • 如何正确处理音频数据：16位整数与32位浮点数 niuguangshuo 音频算法音视频
    在音频处理领域，音频数据的格式对后续的分析和处理至关重要。常见的音频格式包括16位整数和32位浮点数。本文将介绍如何正确处理这两种格式的音频数据，包括使用scipy.io.wavfile读取音频、使用librosa进行处理，以及使用soundfile（sf）写入音频文件。1.16位整数音频1.1读取音频16位整数音频通常以int16格式存储。使用scipy.io.wavfile读取音频文件时，返回
  • SciPy稀疏特征值问题：ARPACK库应用详解
    SciPy稀疏特征值问题：ARPACK库应用详解关键词：SciPy、稀疏特征值问题、ARPACK库、特征值求解、数值计算摘要：本文主要深入探讨了在SciPy中处理稀疏特征值问题时ARPACK库的应用。我们将从基础概念入手，用通俗易懂的方式解释什么是稀疏特征值问题以及ARPACK库的作用。接着详细介绍核心算法原理和具体操作步骤，通过Python代码示例进行展示。还会结合实际应用场景，探讨其未来发展趋
  • 《AI之路：从零到精通的人工智能学习指南》 大模型入门学习 人工智能产品经理AI大模型llama大模型
    01—人工智能开发入门掌握Python基础语法，对后续学习打下坚实基础。Python编程基本语法数据结构函数面向对象多任务模块与包闭包装饰器迭代器Numpy矩阵运算NadrrayScalarsBoradcasting矩阵运算矩阵转置矩阵求逆Scipy数值运算库Scipy基本使用Scipy常量Scipy稀疏矩阵Scipy图结构Scipy空间Scipy插值Pandas数据科学库自带数据结构数据读取写入
  • python scipy简介 凤枭香 Python图像处理pythonscipy开发语言图像处理
    scipyscipy是一个python开源的数学计算库，可以应用于数学、科学以及工程领域，它是基于numpy的科学计算库。主要包含了统计学、最优化、线性代数、积分、傅里叶变换、信号处理和图像处理以及常微分方程的求解以及其他科学工程中所用到的计算。scipy模块介绍scipy主要通过下面这些包来实现数学算法和科学计算，后面对于scipy的讲解主要也是基于这些包来实现的cluster：包含聚类算法co
  • 【Python】SciPy（Scientific Python）-基于NumPy构建的开源科学计算库 晴雨日记 Pythonpythonscipynumpy
    SciPy（ScientificPython）是基于NumPy构建的开源科学计算库，提供了大量高效算法和工具，涵盖数学、工程、物理、生物等多个领域的计算需求。以下是SciPy的深度解析，包括核心模块、功能详解、应用场景及代码示例：1.SciPy的核心架构SciPy由多个子模块组成，每个模块专注于特定领域的科学计算问题，底层依赖高性能的C、Fortran代码实现核心算法。其核心模块包括：1.1核心模
  • Python之scipy(算法/数学工具)用法 薛毅轩 python
    scipy是一个开源的Python算法库和数学工具包，它基于NumPy，提供了许多用于数学、科学和工程的算法。scipy包含了统计、优化、积分、插值、特殊函数、快速傅里叶变换、信号处理、图像处理、常微分方程求解等模块。以下是一些scipy库的基本用法示例：1.特殊函数scipy.special模块提供了许多数学上的特殊函数。fromscipyimportspecial#计算阶乘和组合数factor
  • 第1章： 伯努利模型的极大似然估计与贝叶斯估计 Dawn³ python
    伯努利模型的极大似然估计与贝叶斯估计importnumpyasnpimportmatplotlib.pyplotaspltfromscipy.statsimportbeta,bernoullifromscipy.optimizeimportminimize_scalar#设置中文字体plt.rcParams['font.sans-serif']=['SimHei']#使用黑体plt.rcParam
  • PyTorch 是一个 Python 包，提供两个高级功能：具有强大 GPU 加速的张量计算（如 NumPy）；基于基于磁带的 autograd 系统构建的深度神经网络； struggle2025 python神经网络开发语言pytorchC++
    一、软件介绍文末提供程序和源码下载PyTorch是一个Python包，提供两个高级功能：具有强大GPU加速的张量计算（如NumPy）；基于基于磁带的autograd系统构建的深度神经网络；您可以在需要时重复使用自己喜欢的Python包（如NumPy、SciPy和Cython）来扩展PyTorch。二、在粒度级别上，PyTorch是一个由以下组件组成的库：在粒度级别上，PyTorch是一个由以下组件
  • Python 数据分析10
    2.3.3其他除了前面所介绍的常用语数据挖掘建模的库之外，还有许多库也运用于数据挖掘建模，如jieba、SciPy、OpenCV、Pillow等。1.jiebajieba是一个被广泛使用的Python第三方中文分词库。jieba使用简单，并且支持Python、R、C++等多种编程语言的实现，对新手而言是一个较好的的入门粉刺工具。在GitHub社区，jieba长期有着较高的讨论度，社区中也有不少与j
  • mp4 video转为ros image message wendox UAVROS
    有时候我们需要把自己录制的视频使用ros广播出去，这时需要读取这个视频的文件，然后将image转换为sensor_image，可以使用cv_bridge完成图像转换的工作importsys,timeimportnumpyasnpfromscipy.ndimageimportfiltersimportcv2importroslibimportrospyfromsensor_msgs.msgimpor
  • Python实例题：使用Python 解数学方程 狐凄 实例python开发语言
    目录Python实例题题目1.解代数方程（如一元二次方程）2.使用SymPy解符号方程3.使用NumPy解线性方程组4.使用SciPy解非线性方程5.解微分方程总结Python实例题题目使用Python解数学方程1.解代数方程（如一元二次方程）对于简单的代数方程，可以直接使用求根公式：importmathdefsolve_quadratic(a,b,c):"""解一元二次方程ax²+bx+c=0"
  • Python训练营打卡DAY47
    DAY47注意力热图可视化昨天代码中注意力热图的部分顺移至今天知识点回顾：热力图作业：对比不同卷积层热图可视化的结果前面代码看前一天，这里是不同卷积层可视化注意力热图的代码。#对比不同卷积层热图可视化的结果importtorchimportnumpyasnpimportmatplotlib.pyplotaspltfromscipy.ndimageimportzoomdefvisualize_mul
  • Python概率论 麻辣小兔喵 Pythonpython概率论机器学习
    概率论是数学的一个分支，它研究随机事件的概率和统计规律。在Python中，有很多强大的概率统计库可以帮助我们进行概率计算和数据分析，比如NumPy、SciPy和Pandas等库。下面我将为您介绍一些基本的概率概念以及如何在Python中实现它们。1.概率的基本概念在概率论中，我们通常会用以下的符号表示：P(A)：表示事件A发生的概率，其取值范围在[0,1]之间。P(A|B)：表示在事件B发生的条件
  • 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
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他