王小白的博客
王小白的博客

Dual Adversarial Networks for Zero-shot Cross-media Retrieval 阅读笔记

Dual Adversarial Networks for Zero-shot Cross-media Retrieval 阅读笔记_第1张图片

 

Dual Adversarial Networks for Zero-shot Cross-media Retrieval (DANZCR)：由两个GAN组成，分别用于共同表示生成与原始表示重建，它们捕获底层数据结构，并加强输入数据和语义空间之间的关系，以概括已见和未见类别。DANZCR通过对抗学习方法，利用词嵌入来学习语义空间的共同表示。该方法保留了固有的跨媒体相关性，并提高了知识迁移到新类别的能力。

 

introduction

 

采用词嵌入作为语义空间，通过对抗性学习框架将不同媒体类型的数据转换到语义空间。具体地，该方法在双重结构中建立GAN，其中前向GAN从输入图像和文本中学习以在语义空间中生成共同表示;反向GAN使用生成的公共表示来重建输入图像和文本以保留原始数据结构。DANZCR方法同时执行零样本学习和相关学习，可以生成共同表示来进行零样本跨媒体检索。

主要贡献：

  • 提出对偶GANs结构，用于零样本跨媒体检索。两个GAN协作相互促进，捕获底层数据结构，并加强输入数据和语义空间之间的关系，以概括已知和未知的类别。
  • 针对零样本跨媒体检索提出了一种对抗性训练方法，该方法通过从媒体类型和类别中区分生成的共同表达 学习共同表达，以保留固有的跨媒体相关性。利用词嵌入来生成共同表示，通过对抗性训练，建模语义信息，从而增强知识向未知类别转移的能力。

 

related work

 

  • 跨媒体检索。。。
  • 零样本学习。。。
  • GAN：受图像翻译工作的启发，将零样本跨媒体检索视为输入空间和语义空间之间的域变换问题。将GAN用作每种媒体类型的双重结构的基本模块，并在多路径网络中为跨媒体数据生成通用语义表示。

 

approach

 

问题定义：

数据集：D=\left \{ D_{UD},D_{UQ},D_{SD},D_{SQ} \right \}，

其中：D_{UD}：未知类数据集，D_{UQ}：未知类查询集，D_{SD}：已知类数据集，D_{SQ}：已知类查询集。

D_{UD}=\left \{{i_n,t_n,l_n} \right \}^{N_{UD}}_{n=1} ，第n个实例的图像，文本，相关类别标签。

用D_{SD}训练，对于零样本检索用D_{UQ}测试，对于传统场景用D_{SQ}测试。

 

Architecture of DANZCR：

Dual Adversarial Networks for Zero-shot Cross-media Retrieval 阅读笔记_第2张图片

对每一个媒体类型，首先生成 original representation ，然后前向GAN从original representation生成 common representation，反向GAN将common representation转变为original representation，这是一个对偶的过程。

每个GAN都由一个生成模型和一个判别模型组成，详细的网络结构如下

1）前向GAN：类别词嵌入作为监督信息，生成语义共同表达，以建模不同媒体类型和不同类别的相关性。

         G_{FI}，D_{FI}：图像的前向生成模型，判别模型；

         G_{FT}，D_{FT}：文本的前向生成模型，判别模型。

  • 前向生成模型：用一些全连接层，从原始表达中生成共同表达。图像实例：i_n，图像的原始表达：f^i_n，共同表达：s^i_n；文本：t_n，f^t_n，s^t_n；所以有：s^i_n=G_{FI}(f^i_n),s^i_t=G_{FT}(f^t_n)（图像、文本原始表达经过前向生成模型变为图像、文本的共同表达）
  • 前向判别模型：一些全连接层，判别生成的共同表达属于哪一个媒体类型和类别。将原始表达和共同表达的连接作为输入，输出是单个值，用于预测生成的公共表示是否真实，以及判别公共表示和数据表示之间的语义相关性。D_{FI}（D_{FT}）试图判别相关类别的词嵌入s^l_n是真实的数据，生成的共同表达s^i_n、s^t_n以及不相关类别的词嵌入s^{l'}_n是假的。

Dual Adversarial Networks for Zero-shot Cross-media Retrieval 阅读笔记_第3张图片

 

（2）反向GAN:用来重构输入数据的原始表达，这使得公共表示保留数据原始结构，并且增强输入数据和语义空间之间的关系。

         G_{RI}, D_{RI}, G_{RT}, D_{RT}

  • 反向生成模型：一些全连接层，学习common representation，以重构输入数据的原始表示（reconstruction representations ）。reconstruction representation：r^i_n, r^t_n，所以r^i_n=G_{RI}(G_{FI}({f^i_n}))=G_{RI}(s^i_n).（先由正向生成模型生成common representation s^i_n，再由反向生成模型生成reconstruction representation r^i_n）
  • 反向判别模型：：一些全连接层。输入数据表示，输出单个值来预测数据表示是否真实。D_{RI}（D_{RT}）试图判别图像原始表示f^i_n是真实的，reconstruction representation 是假的。

 

由于只有少量已知类别的数据，为了进一步加强相关学习，提出了一种基于L2范数的恢复目标函数：

 

DANZCR方法的全部目标函数是：

 

优化过程：

 

（1）生成共同表达：提取图像/文本原始表示，前向生成模型生成共同表达。

（2）前向判别模型的优化：对图像和文本分别采用上升随机梯度对前向判别模型进行训练。

（3）表示重构：反向生成模型从共同表达生成重构表示（reconstruction representation）。

（4）反向判别模型的优化：通过定义随机梯度方程。

（5）前向生成模型的优化

（6）前向和反向生成模型的优化

 

Experiments 

Dual Adversarial Networks for Zero-shot Cross-media Retrieval 阅读笔记_第4张图片

 

 

 

 

 

 

 

你可能感兴趣的:(Dual Adversarial Networks for Zero-shot Cross-media Retrieval 阅读笔记)

  • 我不想再当知识的搬运工 楚煜楚尧
    因为学校课题研究的需要，这个暑假我依然需要完成一本书的阅读笔记。我选的是管建刚老师的《习课堂十讲》。这本书，之前我读过，所以重读的时候，感到很亲切，摘抄起来更是非常得心应手。20页，40面，抄了十天，终于在今天大功告成了。这对之前什么事都要一拖再拖的我来说，是破天荒的改变。我发现至从认识小尘老师以后，我的确发生了很大的改变。遇到必须做却总是犹豫不去做的事，我学会了按照小尘老师说的那样，在心里默默数
  • 深入理解卷积神经网络（CNN）与循环神经网络（RNN） CodeJourney. cnnrnn人工智能
    在当今的人工智能领域，神经网络无疑是最为璀璨的明珠之一。而卷积神经网络（ConvolutionalNeuralNetworks，CNN）和循环神经网络（RecurrentNeuralNetworks，RNN）作为神经网络家族中的重要成员，各自有着独特的架构和强大的功能，广泛应用于众多领域。本文将深入探讨这两种神经网络的原理、特点以及应用场景，为对深度学习感兴趣的读者提供全面的知识讲解。一、卷积神经
  • 阅读笔记 让对方主导谈话 涛梅
    人们总是喋喋不休，期望对此改变对方的观点。请给对方一点说话的时间，听听他们的所思所想。再知心的朋友也更愿意在我们面前谈论他们的成就，而不是听我们自吹自擂。若想树敌，就胜于你的朋友，若想交友，请让朋友胜于你。多倾听，少开口。
  • 基于知识图谱技术增强大模型RAG知识库应用效果 罗伯特之技术屋 知识图谱人工智能
    【摘要】本文是AI落地实践的优秀案例，利用RAG技术（Retrieval-AugmentedGeneration，检索增强生成）的知识库实践为背景，介绍了RAG技术的发展及存在的不足，以及知识图谱相关的知识，利用RAG技术去完善和智能化知识图谱。在AI技术大量涌现，但应用不足的情况下，指明了现有应用场景、技术与AI结合的具体做法。1.引言随着人工智能技术的加速演进，AI大模型如雨后春笋般纷纷涌现，
  • 周总结 9.17-9.23 蔚兰
    本周情况：1.运动2次2.码字4篇，抱佛脚……3.学习：素描书籍阅读进程一半因为没有练习阅读不下去了，开通了微信阅读卡，坚持使用。4.听音频：无5.阅读坚持：4天下周计划：1.运动：运动4次，跑步，每次3公里以上2.输入：a.学习素描课程5集b.每天书籍阅读20分钟c.每天亲子阅读15分钟3.输出：a.为了养成每日写文的习惯，暂定每天写一个字，内容：阅读笔记等b.绘画，每天中午午休时间来画，每天绘
  • RAG流程中，要怎么对文本进行拆词？ java干货仓库 八股文汇总大模型面试人工智能自然语言处理llama
    在RAG（Retrieval-AugmentedGeneration）流程中，对文本的拆词（Tokenization）是影响检索和生成效果的关键步骤。以下是文本拆词的技术细节及优化方法：1.拆词的核心目标检索阶段：确保查询（Query）和文档（Document）的拆词方式一致，提高检索匹配精度。生成阶段：适配大模型的词表，避免生成时的OOV（Out-of-Vocabulary）问题。2.常见拆词方
  • 要成为更优秀的程序员，先在脑中推演小段逻辑 CtrlZ学习录 英文资讯算法网络linux
    要成为更优秀的程序员，先在脑中推演小段逻辑本系列是我个人翻译的英文阅读笔记，既为巩固所学，也为分享知识（如有侵权请联系删除）下面是正文原文链接：https://the-nerve-blog.ghost.io/to-be-a-better-programmer-write-little-proofs-in-your-head/这是一篇关于我偶然学到的编程技巧的短文，它能帮助我更快速、更准确地编写代码
  • 第五周总结 远方_ed5a
    过完年的第一周，我设定了计划，1.阅读正面管教5－6章，完成笔记。2.陪伴孩子，从错误中学习生活技能。3.朋友圈日更4.运动每天一万步。从学习中阅读书籍完成，阅读笔记已完成，所面临的问题，是笔记记录太慢，当能力达不到的时候，没有解决办法，向外求助，明媚老师给了我另一种方式，可以用语音转换文字的方法提升效率。生活中陪伴孩子，从错误中学习生活技能，已完成。这里每两天陪孩子聊天一次，说说遇到的事，问问孩
  • 打造专属知识库：手把手教你构建RAG系统
    RAG通常指的是"Retrieval-AugmentedGeneration"，即“检索增强的生成”。这是一种结合了检索（Retrieval）和生成（Generation）的机器学习模型，通常用于自然语言处理任务，如文本生成、问答系统等。我们通过一下几个步骤来完成一个基于京东云官网文档的RAG系统数据收集建立知识库向量检索提示词与模型数据收集数据的收集再整个RAG实施过程中无疑是最耗人工的，涉及到
  • 揭秘Transformer架构：残差流与隐藏层的关系 ZhangJiQun&MXP 教学2024大模型以及算力2021AIpythontransformer深度学习人工智能linux算法
    在Transformer架构的LLM中，“残差流”（residualstream）和“隐藏层”（hiddenlayers）是密切相关但不同的概念，前者是层间流动的核心数据，后者是处理这些数据的结构单元。1.残差流（ResidualStream）：层间传递的“信息流”残差流指的是在Transformer层之间传递的核心张量，它是模型中“流动”的数据载体。其本质是通过“残差连接”（residualco
  • 《温和坚定做教师》阅读笔记（二） 教育行走林
    2023年6月1日，继续阅读沈丽新老师的《温和坚定做教师》56—61页，今日思考：沈丽新老师说的有道理，我们真的要给予学生合理的期待，正确的期待，学生才会努力成为我们所期待的样子。我们对有的学生可以降低期待，对全体学生要始终抱有期待。如文末所言：如果教师认为学生能够做到，他们通常就可能会努力去做；如果教师认为学生不行，他们通常就可能真的会失败。这需要教师对每个学生始终抱有期待，且这份期待真正适合每
  • CloudFlare Tunnel实现内网穿透 Grovvy_Deng anti-design-vue
    CloudFlareTunnel背景：家中设备处于内网NAT环境，希望使用CFtunnel构建内网穿透的环境。有了CFtunnel后，可实现：家中的NAS可以直接SSHAWS的云服务可迁到到NASNAT主机借助CFtunnel部署服务步骤：cloudflare创建tunnels打开cfdash路径：Networks->Tunnels->创建一个Tunnerl参考教程server端使用dokcer部
  • 双塔模型（Two-Tower Model）推荐系统实践
    双塔模型双塔模型（Two-TowerModel）是一种常用的推荐系统或搜索排序模型架构，由两个独立的神经网络（即“双塔”）组成，分别处理用户和物品的特征，最后通过相似度计算（如点积、余弦相似度）得到匹配分数。Rust因其高性能和安全性，适合实现此类模型。双塔模型的定义双塔模型（Dual-TowerModel）是一种深度学习架构，由两个独立的神经网络塔（Tower）组成，分别处理不同的输入数据，最后
  • 论文复现 Rank consistent ordinal regression for neural networks withapplication to age estimation DeniuHe Pytorch算法
    importtorchimporttorch.nn.functionalasFfromtorchimportnnfromtorch.autogradimportVariableimportpandasaspdimportnumpyasnpfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportaccurac
  • RAG面试内容整理-1. 检索增强生成（RAG）概述与意义 不务正业的猿 面试AI面试RAG人工智能算法大模型检索
    检索增强生成（Retrieval-AugmentedGeneration,RAG）是一种将大语言模型与外部知识库相结合的生成式AI架构。传统的大型预训练语言模型（LLM）容易受到训练语料限制，面对超出其知识范围或需要最新信息的查询时可能产生“幻觉”。RAG通过在生成答案前检索相关文档片段，引入新鲜、可信的知识，从而提升回答的准确性和时效性。RAG系统包含两个核心组件：检索器（Retriever）和
  • RAG 技术深度面试题：架构、优化与实践应用 居7然 大模型面试架构人工智能机器学习算法面试
    1.RAG基础架构设计问题：对比单阶段检索（Single-stageRetrieval）与两阶段检索（Two-stageRetrieval）在RAG系统中的架构差异，说明在企业知识库场景下为何优先选择两阶段检索？答案：单阶段检索直接通过向量数据库对用户query进行一次相似度匹配返回结果，架构简单但精度有限；两阶段检索则先通过召回阶段（如向量检索+关键词检索）获取候选文档，再通过重排序阶段（如Cr
  • 读《骆驼祥子》day1 林欣依666
    《骆驼祥子》阅读笔记day1时代的一粒灰，落在个人头上，就是一座山。初入城市，祥子觉得凭自己的身子骨和肯吃苦的精神，买一辆属于自己的车是没问题的。祥子努力了，也买到了新车。半年后，他失去了新车。不论在什么时候，底层民众的命运，并非靠努力就可以改变的。生活靠努力可以改善，命运靠努力，却像被更大浪花推着的潮水一样，所有的努力都那么无力。有人说，如果祥子在听到“大兵要来了”的消息时，多一点小心就好了。有
  • 「大模型应用」(2)RAG的检索与rerank 木楚子 bgererankrag语言模型
    0.基础内容我们先来介绍几种检索方式，在RAG（Retrieval-AugmentedGeneration，检索增强生成）框架中，稀疏检索器（SparseRetriever）和密集检索器（DenseRetriever）是两种核心的文档检索方式，它们的主要作用是：从海量知识库中找出与用户输入相关的文档，供语言模型参考生成回答。一、稀疏检索器（SparseRetriever）✅基本原理稀疏检索器通常基
  • 区块链 + 网络切片，加快5G垂直行业应用落地 XENIRO讯琥科技 行业前沿5g区块链物联网网络通信
    随着5G商用进程快速推进，各类新业务和应用场景（如工业互联网、V2X）不断涌现，且这些应用对网络的服务质量要求及安全性要求各不相同。网络切片（Networkslicing）技术应运而生。简单来说，网络切片是指为服务某个行业或某种应用场景，从网络中选取特定的特性和功能定制出的一个逻辑上可独立运行的虚拟专用网络。网络切片作为5G系统中的关键技术，在切片编排与管理、鉴权和用户识别、敏感信息的存储及传输方
  • Kamailio SIP+RTP双网卡SBC呼叫流程与媒体处理说明 求真得真 技术-VOIP媒体voip音视频
    本文档旨在详细解释基于提供的kamailio_sbc_dual_nic.cfg配置文件，在双网卡SBC（SessionBorderController）场景下，Kamailio(5.8.3)如何与rtpengine协同工作，处理SIP信令以及音频、视频和RTCP媒体流的转发。该方案利用dispatcher模块实现对公网和私网多网关的负载均衡。1.系统概览核心组件包括：Kamailio(5.8.3)
  • Python 解析 RAG（检索增强生成）的核心概念 产品挨打师 python开发语言
    ```htmlPython解析RAG（检索增强生成）的核心概念Python解析RAG（检索增强生成）的核心概念RAG（Retrieval-AugmentedGeneration，检索增强生成）是一种结合了检索和生成能力的模型架构，广泛应用于自然语言处理（NLP）领域。RAG模型通过从外部知识库中检索相关信息，并将其与生成模型相结合，从而实现更高质量的文本生成任务。本文将介绍RAG的核心概念及其在P
  • 阅读笔记（70）：情谊是一个需要维护的东西 卡拉咖啦
    《什么是朋友？》https://mp.weixin.qq.com/s?__biz=MzAxNzI4MTMwMw==&mid=400738999&idx=1&sn=a8256339161ccc3eceae6d2ba80061fc&scene=4#wechat_redirect一、文章逻辑第一部分跳过，详细的说明人的大脑也是一个需要升级的系统，引入主题（适用于大部分关于“概念”的话题）；下面主要是对于
  • Python----大模型（ langchain部署简单rag应用） 蹦蹦跳跳真可爱589 大模型Pythonlangchain人工智能python
    一、RetrievalQA链实现加载本地文本文件并分割处理使用嵌入模型将文本转换为向量表示构建向量数据库(FAISS)实现高效相似性检索结合检索结果和大语言模型生成回答特点说明优势体现模块化封装LangChain提供标准化组件快速搭建原型系统自动化流程内置文档处理、检索、生成流水线减少开发工作量中文优化使用bge-zh嵌入模型中文语义理解更准确本地化部署模型和API均在本地运行数据隐私有保障导入依
  • Passive Snapshot Coded Aperture Dual-Pixel RGB-D Imaging, CVPR 2024解读 吃饭睡觉发paper python人工智能开发语言
    一、论文核心贡献解析问题驱动传统RGB-D成像的瓶颈：主动光（如ToF、结构光）依赖环境光稳定性，被动方法（双目、单目）依赖纹理或运动，且双像素（Dual-Pixel）传感器的深度估计受限于散焦模糊的稀疏性。本文目标：设计一种无需主动光源、单次快照即可获取高精度RGB-D的被动成像系统，克服动态场景和低纹理下的深度估计问题。核心创新点编码孔径+双像素传感器的融合：编码孔径：通过空间调制点扩散函数（
  • Zero-shot learning 无思不晓
    zero-shotlearningimage.pngimage.png研究问题建立一个合适的分类模型，特征空间和语义空间的映射数据集AnimalwithAttributes（AwA）官网：AnimalswithAttributesCaltech-UCSD-Birds-200-2011（CUB）官网：Caltech-UCSDBirds-200-2011Sundatabase（SUN）官网：SUNDa
  • Oracle 常用函数 Rysxt_ oracle
    1.字符函数ASCII功能：返回与指定的字符对应的十进制数。^[1]^示例：SELECTASCII('A')A,ASCII('a')a,ASCII('0')zero,ASCII('')spaceFROMdual;CHR功能：给出整数，返回对应的字符。^[2]^示例：SELECTCHR(54740)zhao,CHR(65)chr65FROMdual;CONCAT功能：连接两个字符串。^[3]^示例：
  • react17更新哪些新特性
    React17是一个“无新特性”的发布版本，它的主要目标是为未来的React版本打好基础，同时改善与旧版本共存和升级的体验。虽然没有引入新的开发者API，但它在内部做了很多重要的改进。以下是React17的核心更新内容和特性：核心特性概览1.逐步升级支持（GradualUpgrades）React17的最大亮点是允许多个React版本在一个页面中共存，这对大型项目逐步迁移或微前端架构非常有用。✅可
  • 2024年1月15日学习记录——有关resnet18的简单再实现 BARBERUM 学习深度学习人工智能
    2024年1月15日学习记录1.有关resnet18重写并训练的任务resnet本意为resdualnet，就是残差神经网络，利用shortcut的连接方式，将特征层隔层连接，在保留原有特征的同时进行深层卷积。可以有效的解决因神经网络层数的叠加而导致的退化问题。根据以下的逻辑图实现:首先图片作为输入，格式为[3,32,32]经过一个7*7的卷积核和一个最大池化层后进入残差结构层第一级残差结构层为两
  • 量子生成对抗网络：量子计算与生成模型的融合革命 牧之112 量子计算生成对抗网络人工智能
    引言：当生成对抗网络遇上量子计算在人工智能与量子计算双重浪潮的交汇处，量子生成对抗网络（QuantumGenerativeAdversarialNetworks,QGAN）正成为突破经典算力瓶颈的关键技术。传统生成对抗网络（GAN）在图像生成、数据增强等领域已取得辉煌成就，但其参数规模与计算复杂度随着数据维度呈指数级增长。量子计算的叠加性、纠缠性和并行性，为解决这一矛盾提供了全新思路。2025年，
  • 推荐项目： Few-Shot-Adversarial-Learning-for-face-swap 邱晋力
    推荐项目：Few-Shot-Adversarial-Learning-for-face-swap去发现同类优质开源项目:https://gitcode.com/1、项目介绍Few-Shot-Adversarial-Learning-for-face-swap是一个基于PyTorch的开源实现，重演了三星AI实验室的一项前沿研究——“Few-ShotAdversarialLearningofReal
  • 多线程编程之理财 周凡杨 java多线程生产者消费者理财
          现实生活中，我们一边工作，一边消费，正常情况下会把多余的钱存起来，比如存到余额宝，还可以多挣点钱，现在就有这个情况：我每月可以发工资20000万元 （暂定每月的1号），每月消费5000（租房+生活费）元（暂定每月的1号），其中租金是大头占90%，交房租的方式可以选择（一月一交，两月一交、三月一交），理财：1万元存余额宝一天可以赚1元钱，
  • [Zookeeper学习笔记之三]Zookeeper会话超时机制 bit1129 zookeeper
    首先，会话超时是由Zookeeper服务端通知客户端会话已经超时，客户端不能自行决定会话已经超时，不过客户端可以通过调用Zookeeper.close()主动的发起会话结束请求，如下的代码输出内容 Created /zoo-739160015 CONNECTEDCONNECTED .............CONNECTEDCONNECTED CONNECTEDCLOSEDCLOSED
  • SecureCRT快捷键 daizj secureCRT快捷键
    ctrl + a : 移动光标到行首ctrl + e ：移动光标到行尾crtl + b: 光标前移1个字符crtl + f: 光标后移1个字符crtl + h : 删除光标之前的一个字符ctrl + d ：删除光标之后的一个字符crtl + k ：删除光标到行尾所有字符crtl + u : 删除光标至行首所有字符crtl + w:  删除光标至行首
  • Java 子类与父类这间的转换 周凡杨 java 父类与子类的转换
        最近同事调的一个服务报错，查看后是日期之间转换出的问题。代码里是把 java.sql.Date 类型的对象 强制转换为 java.sql.Timestamp 类型的对象。报java.lang.ClassCastException。       代码：            
  • 可视化swing界面编辑 朱辉辉33 eclipseswing
          今天发现了一个WindowBuilder插件，功能好强大，啊哈哈，从此告别手动编辑swing界面代码，直接像VB那样编辑界面，代码会自动生成。       首先在Eclipse中点击help，选择Install New Software,然后在Work with中输入WindowBui
  • web报表工具FineReport常用函数的用法总结（文本函数） 老A不折腾 finereportweb报表工具报表软件java报表
    文本函数 CHAR CHAR(number):根据指定数字返回对应的字符。CHAR函数可将计算机其他类型的数字代码转换为字符。 Number:用于指定字符的数字，介于1Number:用于指定字符的数字，介于165535之间（包括1和65535）。 示例: CHAR(88)等于“X”。 CHAR(45)等于“-”。   CODE CODE(text):计算文本串中第一个字
  • mysql安装出错 林鹤霄 mysql安装
    [root@localhost ~]# rpm -ivh MySQL-server-5.5.24-1.linux2.6.x86_64.rpm Preparing...                #####################
  • linux下编译libuv aigo libuv
    下载最新版本的libuv源码，解压后执行： ./autogen.sh   这时会提醒找不到automake命令，通过一下命令执行安装（redhat系用yum，Debian系用apt-get）： # yum -y install automake # yum -y install libtool     如果提示错误：make: *** No targe
  • 中国行政区数据及三级联动菜单 alxw4616
    近期做项目需要三级联动菜单,上网查了半天竟然没有发现一个能直接用的! 呵呵,都要自己填数据....我了个去这东西麻烦就麻烦的数据上. 哎,自己没办法动手写吧. 现将这些数据共享出了,以方便大家.嗯,代码也可以直接使用   文件说明 lib\area.sql -- 县及县以上行政区划分代码（截止2013年8月31日)来源：国家统计局 发布时间：2014-01-17 15:0
  • 哈夫曼加密文件 百合不是茶 哈夫曼压缩哈夫曼加密二叉树
     在上一篇介绍过哈夫曼编码的基础知识,下面就直接介绍使用哈夫曼编码怎么来做文件加密或者压缩与解压的软件,对于新手来是有点难度的,主要还是要理清楚步骤;   加密步骤:  1,统计文件中字节出现的次数,作为权值   2,创建节点和哈夫曼树   3,得到每个子节点01串   4,使用哈夫曼编码表示每个字节  
  • JDK1.5 Cyclicbarrier实例 bijian1013 javathreadjava多线程Cyclicbarrier
    CyclicBarrier类 一个同步辅助类，它允许一组线程互相等待，直到到达某个公共屏障点 (common barrier point)。在涉及一组固定大小的线程的程序中，这些线程必须不时地互相等待，此时 CyclicBarrier 很有用。因为该 barrier 在释放等待线程后可以重用，所以称它为循环的 barrier。 CyclicBarrier支持一个可选的 Runnable 命令，
  • 九项重要的职业规划 bijian1013 工作学习
    一. 学习的步伐不停止        古人说，活到老，学到老。终身学习应该是您的座右铭。        世界在不断变化，每个人都在寻找各自的事业途径。        您只有保证了足够的技能储
  • 【Java范型四】范型方法 bit1129 java
    范型参数不仅仅可以用于类型的声明上，例如   package com.tom.lang.generics; import java.util.List; public class Generics<T> { private T value; public Generics(T value) { this.value =
  • 【Hadoop十三】HDFS Java API基本操作 bit1129 hadoop
      package com.examples.hadoop; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.FSDataInputStream; import org.apache.hadoop.fs.FileStatus; import org.apache.hadoo
  • ua实现split字符串分隔 ronin47 lua split
    LUA并不象其它许多"大而全"的语言那样，包括很多功能，比如网络通讯、图形界面等。但是LUA可以很容易地被扩展：由宿主语言(通常是C或 C++)提供这些功能，LUA可以使用它们，就像是本来就内置的功能一样。LUA只包括一个精简的核心和最基本的库。这使得LUA体积小、启动速度快，从 而适合嵌入在别的程序里。因此在lua中并没有其他语言那样多的系统函数。习惯了其他语言的字符串分割函
  • java-从先序遍历和中序遍历重建二叉树 bylijinnan java
    public class BuildTreePreOrderInOrder { /** * Build Binary Tree from PreOrder and InOrder * _______7______ / \ __10__ ___2 / \ / 4
  • openfire开发指南《连接和登陆》 开窍的石头 openfire开发指南smack
    第一步     官网下载smack.jar包     下载地址：http://www.igniterealtime.org/downloads/index.jsp#smack 第二步     把smack里边的jar导入你新建的java项目中 开始编写smack连接openfire代码 p
  • [移动通讯]手机后盖应该按需要能够随时开启 comsci 移动
        看到新的手机，很多由金属材质做的外壳，内存和闪存容量越来越大，CPU速度越来越快，对于这些改进，我们非常高兴，也非常欢迎      但是，对于手机的新设计，有几点我们也要注意      第一：手机的后盖应该能够被用户自行取下来，手机的电池的可更换性应该是必须保留的设计,
  • 20款国外知名的php开源cms系统 cuiyadll cms
    内容管理系统，简称CMS，是一种简易的发布和管理新闻的程序。用户可以在后端管理系统中发布，编辑和删除文章，即使您不需要懂得HTML和其他脚本语言，这就是CMS的优点。 在这里我决定介绍20款目前国外市面上最流行的开源的PHP内容管理系统，以便没有PHP知识的读者也可以通过国外内容管理系统建立自己的网站。 1. Wordpress WordPress的是一个功能强大且易于使用的内容管
  • Java生成全局唯一标识符 darrenzhu javauuiduniqueidentifierid
    How to generate a globally unique identifier in Java http://stackoverflow.com/questions/21536572/generate-unique-id-in-java-to-label-groups-of-related-entries-in-a-log http://stackoverflow
  • php安装模块检测是否已安装过, 使用的SQL语句 dcj3sjt126com sql
    SHOW [FULL] TABLES [FROM db_name] [LIKE 'pattern'] SHOW TABLES列举了给定数据库中的非TEMPORARY表。您也可以使用mysqlshow db_name命令得到此清单。 本命令也列举数据库中的其它视图。支持FULL修改符，这样SHOW FULL TABLES就可以显示第二个输出列。对于一个表，第二列的值为BASE T
  • 5天学会一种 web 开发框架 dcj3sjt126com Web框架framework
    web framework层出不穷，特别是ruby/python,各有10+个,php/java也是一大堆 根据我自己的经验写了一个to do list,按照这个清单，一条一条的学习，事半功倍，很快就能掌握 一共25条，即便很磨蹭，2小时也能搞定一条，25*2=50。只需要50小时就能掌握任意一种web框架 各类web框架大同小异:现代web开发框架的6大元素，把握主线，就不会迷路 建议把本文
  • Gson使用三(Map集合的处理,一对多处理) eksliang jsongsonGson mapGson 集合处理
    转载请出自出处：http://eksliang.iteye.com/blog/2175532 一、概述        Map保存的是键值对的形式，Json的格式也是键值对的，所以正常情况下，map跟json之间的转换应当是理所当然的事情。 二、Map参考实例 package com.ickes.json; import java.lang.refl
  • cordova实现“再点击一次退出”效果 gundumw100 android
    基本的写法如下： document.addEventListener("deviceready", onDeviceReady, false); function onDeviceReady() { //navigator.splashscreen.hide(); document.addEventListener("b
  • openldap configuration leaning note iwindyforest configuration
    hostname // to display the computer name hostname <changed name> // to change go to: /etc/sysconfig/network, add/modify HOSTNAME=NEWNAME to change permenately dont forget to change /etc/hosts
  • Nullability and Objective-C 啸笑天 Objective-C
    https://developer.apple.com/swift/blog/?id=25   http://www.cocoachina.com/ios/20150601/11989.html   http://blog.csdn.net/zhangao0086/article/details/44409913   http://blog.sunnyxx
  • jsp中实现参数隐藏的两种方法 macroli JavaScriptjsp
    在一个JSP页面有一个链接，//确定是一个链接?点击弹出一个页面，需要传给这个页面一些参数。//正常的方法是设置弹出页面的src="***.do?p1=aaa&p2=bbb&p3=ccc"//确定目标URL是Action来处理?但是这样会在页面上看到传过来的参数，可能会不安全。要求实现src="***.do"，参数通过其他方法传！//////
  • Bootstrap A标签关闭modal并打开新的链接解决方案 qiaolevip 每天进步一点点学习永无止境bootstrap纵观千象
    Bootstrap里面的js modal控件使用起来很方便，关闭也很简单。只需添加标签 data-dismiss="modal" 即可。 可是偏偏有时候需要a标签既要关闭modal，有要打开新的链接，尝试多种方法未果。只好使用原始js来控制。   <a href="#/group-buy" class="btn bt
  • 二维数组在Java和C中的区别 流淚的芥末 javac二维数组数组
    Java代码：   public class test03 { public static void main(String[] args) { int[][] a = {{1},{2,3},{4,5,6}}; System.out.println(a[0][1]); } }  运行结果： Exception in thread "mai
  • systemctl命令用法 wmlJava linuxsystemctl
    对比表，以 apache / httpd 为例 任务 旧指令 新指令 使某服务自动启动 chkconfig --level 3 httpd on systemctl enable httpd.service 使某服务不自动启动 chkconfig --level 3 httpd off systemctl disable httpd.service 检查服务状态 service h
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他