mengxfeix
mengxfeix

基于PCA和SVM的人脸识别系统

由《数字图像处理与机器视觉》总结。

1.人脸识别简介

2.前期处理

3.数据规格化

3.1 数据规格化的必要性

3.2 数据规格化方法

3.3 实现人脸特征数据的规格化

4.核函数的选择

5.参数选择

5.1 数据集格式化

5.2 搜索参数

6.构建多类SVM分类器

6.1 多类问题的训练

6.2 多类问题的分类

7.实验结果

7.1 训练

7.2 识别

7.3 测试 

你可能感兴趣的:(人脸识别,svm,PCA)

  • elasticsearch启动时遇到的错误max virtual memory areas vm.max_map_count [65530\] is too low, increase to a... Hello小五
    maxvirtualmemoryareasvm.max_map_count[65530]istoolow,increasetoatleast[262144]elasticsearch启动时遇到的错误问题翻译过来就是：elasticsearch用户拥有的内存权限太小，至少需要262144；在宿主机/etc/sysctl.conf文件最后添加一行vm.max_map_count=262144执行命令s
  • Wireshark攻防实战
    一、基础环境配置安全捕获环境搭建#创建隔离环境并抓包sudoiplinkseteth0promisconsudotcpdump-ieth0-s0-w/mnt/isolated/evidence.pcap高危协议快速过滤tcp.portin{135,139,445,3389}||udp.portin{53,123,161,500,4500}关键字段标记技巧右键IP→ApplyasColumn设置TT
  • elasticsearch vm.max_map_count small瓜瓜
    maxvirtualmemoryareasvm.max_map_count[65530]istoolow,increasetoatleast[262144]elasticsearch启动时遇到的错误问题翻译过来就是：elasticsearch用户拥有的内存权限太小，至少需要262144解决：切换到root用户执行命令：sysctl-wvm.max_map_count=262144查看结果：sysc
  • 鸿蒙打包签名 进击的阿三姐 harmonyos服务器华为
    鸿蒙打包分为个人签名和企业签名个人签名个人签名需要个人开发者账号完成实名认证（身份证认证、人脸识别认证、银行卡认证）个人签名打出来的包仅能通过华为应用市场发布应用（工信部备案及软著申请）个人签名有效期为1年，到期需要手动续签用于调试证书时最多绑定100台设备个人开发者账号发布的应用限制如下：无法申请首发、推广位等资源；无法接入华为支付、流量变现服务；不支持团队管理；无法使用智能家居、运动健康等企业
  • OkHttp学习笔记5--Events 雪晨杰
    EventsEventsallowyoutocapturemetricsonyourapplication’sHTTPcalls.Useeventstomonitor:事件允许您捕获应用程序HTTP调用的度量。使用事件来监控:ThesizeandfrequencyoftheHTTPcallsyourapplicationmakes.Ifyou’remakingtoomanycalls,oryour
  • AI 绘画 + 编程：10 分钟生成个性化艺术作品 大力出奇迹985 人工智能
    本文围绕Python+OpenCV实现自动人脸识别门禁系统展开，先概述系统的基本构成与作用，再从系统核心技术、开发实现步骤、功能扩展方向、实际应用场景及优化改进策略五个方面详细阐述，最后总结系统的价值与发展前景，为相关开发和应用提供全面参考。一、系统核心技术解析人脸识别技术是门禁系统的核心，其关键在于对人脸特征的精准提取与匹配。OpenCV作为开源计算机视觉库，提供了丰富的人脸检测算法，如Haar
  • 数据挖掘算法：KNN、SVM、决策树详解 大力出奇迹985 数据挖掘算法支持向量机
    本文将详细解析数据挖掘领域中常用的三种经典算法：KNN（K近邻算法）、SVM（支持向量机）和决策树。首先分别阐述每种算法的核心原理、实现步骤，再分析它们的优缺点及适用场景，最后对这三种算法进行综合对比与总结。通过本文，读者能全面了解这三种算法的特性，为实际数据挖掘任务中算法的选择提供参考，助力提升数据处理与分析的效率和准确性。在当今信息爆炸的时代，数据挖掘技术在各行各业发挥着至关重要的作用，而算法
  • 声纹识别系统（MFCC特征+DTW/SVM分类） 佩爷0107 支持向量机分类算法梅尔频率倒谱系数动态时间规整
    摘要本毕业设计实现了一个完整的声纹识别系统，采用梅尔频率倒谱系数(MFCC)作为声学特征提取方法，结合动态时间规整(DTW)和支持向量机(SVM)两种分类算法进行说话人识别。系统包含语音预处理、特征提取、模型训练和识别测试等完整流程，并通过实验对比两种分类算法的性能。第一章绪论1.1研究背景与意义声纹识别(SpeakerRecognition)是生物特征识别技术的一种，通过分析语音信号中包含的说话
  • 如何为微信小程序添加人脸识别和身份验证功能 棂梓知识 微信小程序小程序
    为微信小程序添加人脸识别和身份验证功能，需要使用微信开放平台提供的人脸识别接口和身份验证接口。下面将详细介绍如何使用这两个接口，并提供相关代码案例。一、人脸识别功能人脸识别是通过比对用户上传的人脸图片与预存的人脸模板进行比对，判断是否为同一个人。为了实现人脸识别功能，我们需要先创建一个人脸模板，并上传用户的人脸图片进行比对。注册微信开放平台首先，我们需要注册一个微信开放平台的账号，并创建一个小程序
  • 购物车的实现 royluck
    小程序购物车的商品添加，到最终商品的结算页面，数据的保存，可通过本地存储来保存选择的商品信息。==>商品详情页：数据的存储：分为同步和异步原生的数组本地存储，需要先将数组转化为对象(JSON.stringify())，再存储，而小程序不用!!!参考网址wx.setStorage({key:"shopCarInfo",data:shopCarInfo})注：购物车商品最好储存在服务器，不要存在本地s
  • AI人工智能加持，人脸识别精准度飙升 AI大模型应用工坊 人工智能ai
    AI人工智能加持，人脸识别精准度飙升：从模糊到清晰的技术革命关键词人脸识别、深度学习、神经网络、精准度优化、计算机视觉、特征提取、面部识别算法摘要想象一下，在一个拥挤的火车站，系统能在瞬间从数千人中准确识别出需要关注的个体；或者你的手机仅通过一瞥就能认出你，甚至在你戴着口罩时也能做到。这不是科幻电影的场景，而是当下AI驱动的人脸识别技术的真实能力。本文将深入探讨人工智能如何彻底改变人脸识别领域，从
  • 基于Opencv的手势识别 双马尾为什么是神 opencv人工智能计算机视觉
    thumb目录项目背景项目概览功能实现分类器选择数据收集与处理数据增强与傅里叶描述子计算SVM训练GUI设计未来展望项目背景回首过去一年半的大学时光，我深感自己过于安逸。没有明确的目标，对于学习也不太上心。倘若继续这样浑浑噩噩过下去，即便以后只想得过且过地过普通生活，最终结果恐怕难遂人愿。“取乎其上，得乎其中；取乎其中，得乎其下；取乎其下，则无所得矣。”于是乎我制定了与未来展望相匹配的学习路径，哪
  • 2019-01-23 主成分的数量K 奈何qiao
    平均平方映射误差(AverageSquaredProjectionError)：PCA就是要将该量最小化。它是原始数据x和映射值x_approx(i)之间的平方差。数据的总变差(TotalVariation)：它是这些样本x(i)的长度的平方的均值。一个常见的选择K值的经验法则是选择能够使得它们（平均平方映射误差、数据的总变差）之间的比例小于等于0.01的最小的k值。0.01用PCA的语言说就是保
  • svm支持向量机实例--线性非线性实例代码可运行
    fromsklearnimportsvmimportnumpyasnpimportsklearn#因为Python中的sklearn库也集成了SVM算法，所以在Python中一样可以使用支持向量机做分类#取数据集path=r'D:\svm\iris.data'#Iris.data的数据格式如下：共5列，前4列为样本特征，第5列为类别，分别有三种类别Iris-setosa，Iris-versicol
  • 实验七 SVM支持向量机 萍萍无奇a 支持向量机机器学习人工智能
    目录一、SVM定义二、SVM基本概念及其优缺点1、间隔2、SVM核心3、支持向量4、支持向量机的基本思想5、优缺点三、损失函数四、代码实现1、算法实现基本流程2、代码解析3、整体代码五、结果截图及解释1、结果截图2、结果解释六、实验总结一、SVM定义支持向量机（SupportVectorMachine，SVM）是一种经典的监督学习算法，用于解决二分类和多分类问题。其核心思想是通过在特征空间中找到一
  • 基于孪生网络 (Siamese Network) 的人脸识别系统 DeniuHe Pytorchpytorch
    上一个帖子记录了基于普通CNN的人脸识别系统。但是，测试准确率实在太低了只有30%。这次使用孪生网络（SiameseNet）进行实现。代码实现使用了VGG19预训练模型作为特征提取器，通过对比学习来判断两张人脸图像是否属于同一人。整个代码分为数据准备、模型构建、训练和测试四个主要部分。importmatplotlib.pyplotaspltimporttorchfromtorchimportnnf
  • 【SVM】支持向量机实例合集 KENYCHEN奉孝 支持向量机算法机器学习
    基于Java的SVM（支持向量机）实例合集以下是一个基于Java的SVM（支持向量机）实例合集，包含核心代码示例和应用场景说明。这些例子基于流行的机器学习库（如LIBSVM、Weka、JSAT）实现。数据准备与加载使用LIBSVM格式加载数据集：//加载LIBSVM格式数据svm_problemprob=newsvm_problem();prob.l=dataSize;//样本数量prob.x=n
  • 工业缺陷检测的计算机视觉方法总结 思绪漂移 计算机视觉人工智能缺陷检测
    工业缺陷检测的计算机视觉方法总结传统方法特征提取方式：颜色：基于HSV/RGB空间分析，如颜色直方图、颜色矩等纹理：采用LBP、Haar、Gabor滤波器等算子提取纹理模式形状：基于Hu矩、Zernike矩等数学描述符刻画几何特性尺寸：通过连通域分析计算物体像素面积、周长等参数典型处理流程：手动设计特征提取算法建立规则分类器（如SVM、决策树）基于阈值分割目标区域深度学习方法核心特点：端到端学习：
  • 【风电功率预测】【多变量输入单步预测】基于LSSVM的风电功率预测研究（Matlab代码实现） 长安程序猿 matlab开发语言
    欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录⛳️赠与读者1概述一、LSSVM简介二、风电功率预测的特点与难点三、基于LSSVM的风电功率预测研究步骤四、基于LSSVM的风电功率预测研究优势与挑战优势：挑战：五、结论与展望2运行结果3参考文献4Matlab代码、数据⛳️赠与读者‍做科研，涉及到一个深在的思想系统，
  • 第 7 篇：支持向量机（SVM）——在数据旷野中，划出最宽的“安全边界” 老马爱知 人工智能#机器学习基石支持向量机算法机器学习人工智能分类算法核技巧硬核科普
    《人工智能AI之机器学习基石》系列⑦专栏核心理念：用通俗语言讲清楚机器学习的核心原理，强调“洞察+技术理解+应用连接”，构建一个完整的、富有启发性的知识体系。
  • 英文励志短文-立刻行动 基业长青2020
    It’shardtogetupatsix,六点起床很困难，It’sdifficulttoreadbookseveryday,每天都保持看书却是很难，It’shardtokeepcalm,静下心来也很困难，Buttherearealwayspeoplewhocangetupatfive,但是，总有一些人能一直坚持五点起床，Readabookpatiently,耐心读完一本书，Youwannaknow
  • 机器学习-SVM支持向量机
    支持向量机是一类监督学习算法，实现二分类，其决策边界是对学习样本求解的最大边距超平面。课程代码：importnumpyasnpmy_seed=2017np.random.seed(my_seed)importrandomrandom.seed(my_seed)importmatplotlibimportmatplotlib.pyplotaspltmatplotlib.rcParams['font.
  • 安卓项目--基于百度云的人脸识别考勤系统 DamnF-- 百度云云计算javaandroid人脸识别考勤打卡
    一、项目简介本项目为“基于百度云的人脸识别考勤系统”，是一个Android平台下的移动应用，主要实现了基于百度云人脸识别API的学生考勤打卡、注册和记录管理功能。用户通过人脸注册后，可通过拍照进行考勤，系统自动识别身份并记录考勤时间。二、主要技术栈与依赖开发平台与语言Android原生开发，主要使用Java语言。最低支持Android8.0（API26），目标API36。使用AndroidStud
  • 移投行：中概股回归对家族办公室产生了哪些需求？ 移投行刘濯尘
    2020年4月以来，在美上市的中概股遭遇疾风骤雨。在瑞幸咖啡财务造假事件曝光后，美方对中概股存在的问题频频“发难”，焦点对准了上市公司财务报告的审计质量。美国参议院2020年5月通过了以要求中概股满足审计监管标准为重点内容的《外国公司问责法案》，拟规定如果中概股公司不能满足美国公众公司会计监督委员会（PCAOB）的有关监管要求，三年后将停止其在美国市场交易。在美国国会通过《外国公司问责法案》后，2
  • 机器学习(一）KNN，K近邻算法（K-Nearest Neighbors） 星期天要睡觉 机器学习近邻算法人工智能
    建议初学者掌握KNN作为理解其他复杂算法（如SVM、决策树、神经网络）的基石。K近邻算法（K-NearestNeighbors,KNN）详解：原理、实践与优化K近邻算法（K-NearestNeighboKrs，简称KNN）是一种经典、直观且易于实现的监督学习方法，既可用于分类，也可用于回归。它“懒惰”地存储所有训练样本，直到有新样本需要预测时才临时计算，因此也被称为“懒惰学习算法”。本文将系统介绍
  • 成组进位及其函数 tuokuac linux运维服务器
    成组进位（GroupCarrying，简称GC）是计算机组成原理中，在实现多位加法运算时的一种优化策略。它通常用于加速多位加法器，特别是在处理大规模的加法时，如在加法器设计中使用的“进位预估（CarryLookahead）”方法中。1.成组进位的基本概念在多位加法中，传统的“逐位进位传递”方法会导致加法器速度较慢，因为每一位的进位需要依赖于前一位的进位。为了加速这一过程，引入了成组进位的概念，它通
  • Java游戏陪练系统搭建：功能架构与陪玩匹配机制详解 省钱兄科技 java游戏架构
    Java游戏陪练系统搭建：功能架构与陪玩匹配机制详解一、功能架构设计基于Java的游戏陪练系统通常采用分层架构，确保高内聚、低耦合，便于扩展和维护。核心功能模块包括：用户管理模块支持玩家与陪玩师注册、登录、实名认证（人脸识别+身份证OCR+游戏账号绑定）。用户画像构建：基于游戏历史、胜率、偏好等数据，为个性化推荐提供支持。权限管理：RBAC模型实现角色-菜单绑定，保障系统安全。订单管理模块订单全生
  • 智能问答分类系统：基于SVM的用户意图识别
    在现代企业服务系统中，用户会通过各种渠道提出业务相关问题。为了提升服务效率和用户体验，构建一个能够自动识别用户意图的智能分类系统变得至关重要。本文将介绍如何使用支持向量机(SVM)构建一个通用的用户问题分类系统。问题背景在实际客户服务场景中，用户咨询主要分为两类：A类问题：寻求问题解决方案和支持B类问题：查询详细业务数据和报表系统需要准确识别用户意图，然后路由到相应的处理流程。技术方案1.数据准备
  • 抓住人工智能时代的机遇，5G时代创业拥有的洞见！ 情缘姐
    如何抓住人工智能时代的机遇？人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。如今各类智能家居服务已经真真切切地来到了我们的生活中。海尔U-home以人工智能作为技术支撑，透过语音语意理解、图像识别、衣物识别、人脸识别为交互入口，把所有家居设备通过信息传感设备与网络连接，可通过打电话、发短信、上网等方式与家中的电器设备互动。面对AI技术迅猛发展的浪潮，
  • pip关于缓存的用法 lagrahhn pip缓存
    pipcacheinfo查看pip缓存的大小，运行示例Packageindexpagecachelocation(pipv23.3+):c:\users\xxx\appdata\local\pip\cache\http-v2Packageindexpagecachelocation(olderpips):c:\users\xxx\appdata\local\pip\cache\httpPackag
  • 微信开发者验证接口开发 362217990 微信 开发者 token 验证
    微信开发者接口验证。 Token，自己随便定义，与微信填写一致就可以了。 根据微信接入指南描述 http://mp.weixin.qq.com/wiki/17/2d4265491f12608cd170a95559800f2d.html 第一步：填写服务器配置 第二步：验证服务器地址的有效性 第三步：依据接口文档实现业务逻辑 这里主要讲第二步验证服务器有效性。 建一个
  • 一个小编程题-类似约瑟夫环问题 BrokenDreams 编程
            今天群友出了一题：         一个数列,把第一个元素删除,然后把第二个元素放到数列的最后,依次操作下去,直到把数列中所有的数都删除,要求依次打印出这个过程中删除的数。      &
  • linux复习笔记之bash shell (5) 关于减号-的作用 eksliang linux关于减号“-”的含义linux关于减号“-”的用途linux关于“-”的含义linux关于减号的含义
        转载请出自出处： http://eksliang.iteye.com/blog/2105677        管道命令在bash的连续处理程序中是相当重要的，尤其在使用到前一个命令的studout（标准输出）作为这次的stdin（标准输入）时，就显得太重要了，某些命令需要用到文件名，例如上篇文档的的切割命令（split）、还有
  • Unix(3) 18289753290 unix ksh
    1)若该变量需要在其他子进程执行，则可用"$变量名称"或${变量}累加内容 什么是子进程？在我目前这个shell情况下，去打开一个新的shell，新的那个shell就是子进程。一般状态下，父进程的自定义变量是无法在子进程内使用的，但通过export将变量变成环境变量后就能够在子进程里面应用了。 2)条件判断： &&代表and  ||代表or&nbs
  • 关于ListView中性能优化中图片加载问题 酷的飞上天空 ListView
    ListView的性能优化网上很多信息，但是涉及到异步加载图片问题就会出现问题。 具体参看上篇文章http://314858770.iteye.com/admin/blogs/1217594   如果每次都重新inflate一个新的View出来肯定会造成性能损失严重，可能会出现listview滚动是很卡的情况，还会出现内存溢出。 现在想出一个方法就是每次都添加一个标识，然后设置图
  • 德国总理默多克：给国人的一堂“震撼教育”课 永夜-极光 教育
    http://bbs.voc.com.cn/topic-2443617-1-1.html德国总理默多克：给国人的一堂“震撼教育”课　 安吉拉—默克尔，一位经历过社会主义的东德人，她利用自己的博客，发表一番来华前的谈话，该说的话，都在上面说了，全世界想看想传播——去看看默克尔总理的博客吧！ 　　德国总理默克尔以她的低调、朴素、谦和、平易近人等品格给国人留下了深刻印象。她以实际行动为中国人上了一堂
  • 关于Java继承的一个小问题。。。 随便小屋 java
    今天看Java 编程思想的时候遇见一个问题，运行的结果和自己想想的完全不一样。先把代码贴出来！ //CanFight接口 interface Canfight { void fight(); } //ActionCharacter类 class ActionCharacter { public void fight() { System.out.pr
  • 23种基本的设计模式 aijuans 设计模式
    Abstract Factory：提供一个创建一系列相关或相互依赖对象的接口，而无需指定它们具体的类。 　　Adapter：将一个类的接口转换成客户希望的另外一个接口。A d a p t e r模式使得原本由于接口不兼容而不能一起工作的那些类可以一起工作。 　　Bridge：将抽象部分与它的实现部分分离，使它们都可以独立地变化。 　　Builder：将一个复杂对象的构建与它的表示分离，使得同
  • 《周鸿祎自述：我的互联网方法论》读书笔记 aoyouzi 读书笔记
    从用户的角度来看,能解决问题的产品才是好产品,能方便/快速地解决问题的产品,就是一流产品.   商业模式不是赚钱模式 一款产品免费获得海量用户后,它的边际成本趋于0,然后再通过广告或者增值服务的方式赚钱,实际上就是创造了新的价值链.   商业模式的基础是用户,木有用户,任何商业模式都是浮云.商业模式的核心是产品,本质是通过产品为用户创造价值. 商业模式还包括寻找需求
  • JavaScript动态改变样式访问技术 百合不是茶 JavaScriptstyle属性ClassName属性
      一:style属性 格式:  HTML元素.style.样式属性="值";   创建菜单:在html标签中创建 或者 在head标签中用数组创建   <html> <head> <title>style改变样式</title> </head> &l
  • jQuery的deferred对象详解 bijian1013 jquerydeferred对象
            jQuery的开发速度很快，几乎每半年一个大版本，每两个月一个小版本。         每个版本都会引入一些新功能，从jQuery 1.5.0版本开始引入的一个新功能----deferred对象。    &nb
  • 淘宝开放平台TOP Bill_chen C++c物流C#
    淘宝网开放平台首页：http://open.taobao.com/ 淘宝开放平台是淘宝TOP团队的产品，TOP即TaoBao Open Platform， 是淘宝合作伙伴开发、发布、交易其服务的平台。 支撑TOP的三条主线为：    1.开放数据和业务流程     * 以API数据形式开放商品、交易、物流等业务；  &
  • 【大型网站架构一】大型网站架构概述 bit1129 网站架构
    大型互联网特点 面对海量用户、海量数据 大型互联网架构的关键指标 高并发 高性能 高可用 高可扩展性 线性伸缩性 安全性 大型互联网技术要点   前端优化 CDN缓存 反向代理 KV缓存 消息系统 分布式存储 NoSQL数据库 搜索 监控 安全 想到的问题： 1.对于订单系统这种事务型系统，如
  • eclipse插件hibernate tools安装 白糖_ Hibernate
    eclipse helios(3.6)版 1.启动eclipse 2.选择 Help > Install New Software...> 3.添加如下地址： http://download.jboss.org/jbosstools/updates/stable/helios/ 4.选择性安装：hibernate tools在All Jboss tool
  • Jquery easyui Form表单提交注意事项 bozch jquery easyui
    jquery easyui对表单的提交进行了封装，提交的方式采用的是ajax的方式，在开发的时候应该注意的事项如下：         1、在定义form标签的时候，要将method属性设置成post或者get，特别是进行大字段的文本信息提交的时候，要将method设置成post方式提交，否则页面会抛出跨域访问等异常。所以这个要
  • Trie tree(字典树)的Java实现及其应用-统计以某字符串为前缀的单词的数量 bylijinnan java实现
    import java.util.LinkedList; public class CaseInsensitiveTrie { /** 字典树的Java实现。实现了插入、查询以及深度优先遍历。 Trie tree's java implementation.(Insert,Search,DFS) Problem Description Igna
  • html css 鼠标形状样式汇总 chenbowen00 htmlcss
    css鼠标手型cursor中hand与pointer  Example：CSS鼠标手型效果 <a href="#" style="cursor:hand">CSS鼠标手型效果</a><br/>  Example：CSS鼠标手型效果 <a href="#" style=&qu
  • [IT与投资]IT投资的几个原则 comsci it
          无论是想在电商,软件,硬件还是互联网领域投资,都需要大量资金,虽然各个国家政府在媒体上都给予大家承诺,既要让市场的流动性宽松,又要保持经济的高速增长....但是,事实上,整个市场和社会对于真正的资金投入是非常渴望的,也就是说,表面上看起来,市场很活跃,但是投入的资金并不是很充足的......    
  • oracle with语句详解 daizj oraclewithwith as
    oracle with语句详解 转 在oracle中，select 查询语句，可以使用with,就是一个子查询，oracle 会把子查询的结果放到临时表中，可以反复使用 例子:注意，这是sql语句，不是pl/sql语句， 可以直接放到jdbc执行的 ----------------------------------------------------------------
  • hbase的简单操作 deng520159 数据库hbase
    近期公司用hbase来存储日志,然后再来分析 ,把hbase开发经常要用的命令找了出来. 用ssh登陆安装hbase那台linux后 用hbase shell进行hbase命令控制台! 表的管理 1）查看有哪些表 hbase(main)> list 2）创建表   # 语法：create <table>, {NAME => <family&g
  • C语言scanf继续学习、算术运算符学习和逻辑运算符 dcj3sjt126com c
    /* 2013年3月11日20:37:32 地点：北京潘家园 功能：完成用户格式化输入多个值 目的：学习scanf函数的使用 */ # include <stdio.h> int main(void) { int i, j, k; printf("please input three number:\n"); //提示用
  • 2015越来越好 dcj3sjt126com 歌曲
    越来越好 房子大了电话小了 感觉越来越好 假期多了收入高了 工作越来越好 商品精了价格活了 心情越来越好 天更蓝了水更清了 环境越来越好 活得有奔头人会步步高 想做到你要努力去做到 幸福的笑容天天挂眉梢 越来越好 婆媳和了家庭暖了 生活越来越好 孩子高了懂事多了 学习越来越好 朋友多了心相通了 大家越来越好 道路宽了心气顺了 日子越来越好 活的有精神人就不显
  • java.sql.SQLException: Value '0000-00-00' can not be represented as java.sql.Tim feiteyizu mysql
    数据表中有记录的time字段（属性为timestamp）其值为：“0000-00-00 00:00:00” 程序使用select 语句从中取数据时出现以下异常： java.sql.SQLException:Value '0000-00-00' can not be represented as java.sql.Date   java.sql.SQLException: Valu
  • Ehcache（07）——Ehcache对并发的支持 234390216 并发ehcache锁ReadLockWriteLock
    Ehcache对并发的支持          在高并发的情况下，使用Ehcache缓存时，由于并发的读与写，我们读的数据有可能是错误的，我们写的数据也有可能意外的被覆盖。所幸的是Ehcache为我们提供了针对于缓存元素Key的Read（读）、Write（写）锁。当一个线程获取了某一Key的Read锁之后，其它线程获取针对于同
  • mysql中blob,text字段的合成索引 jackyrong mysql
      在mysql中，原来有一个叫合成索引的，可以提高blob,text字段的效率性能， 但只能用在精确查询，核心是增加一个列，然后可以用md5进行散列，用散列值查找 则速度快 比如： create table abc(id varchar(10),context blog,hash_value varchar(40)); insert into abc(1,rep
  • 逻辑运算与移位运算 latty 位运算逻辑运算
    源码：正数的补码与原码相同例+7 源码：00000111 补码 ：00000111 （用8位二进制表示一个数） 负数的补码： 符号位为1，其余位为该数绝对值的原码按位取反；然后整个数加1。   -7 源码： 10000111 ，其绝对值为00000111  取反加一：11111001 为-7补码 已知一个数的补码，求原码的操作分两种情况：
  • 利用XSD 验证XML文件 newerdragon javaxmlxsd
    XSD文件 （XML Schema 语言也称作 XML Schema 定义（XML Schema Definition，XSD）。 具体使用方法和定义请参看： http://www.w3school.com.cn/schema/index.asp java自jdk1.5以上新增了SchemaFactory类 可以实现对XSD验证的支持，使用起来也很方便。 以下代码可用在J
  • 搭建 CentOS 6 服务器(12) - Samba rensanning centos
    （1）安装 # yum -y install samba Installed: samba.i686 0:3.6.9-169.el6_5 # pdbedit -a rensn new password:123456 retype new password:123456 …… （2）Home文件夹 # mkdir /etc
  • Learn Nodejs 01 toknowme nodejs
    （1）下载nodejs https://nodejs.org/download/ 选择相应的版本进行下载     （2）安装nodejs 安装的方式比较多，请baidu下 我这边下载的是“node-v0.12.7-linux-x64.tar.gz”这个版本 （1）上传服务器 （2）解压 tar -zxvf  node-v0.12.
  • jquery控制自动刷新的代码举例 xp9802 jquery
    1、html内容部分  复制代码代码示例: <div id='log_reload'> <select name="id_s" size="1"> <option value='2'>-2s-</option> <option value='3'>-3s-</option
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他