今天也是睡觉的一天
今天也是睡觉的一天

崔岩的笔记——FastSLAM（1）序章

符号对照表

S_t t时刻机器人位姿 P_t 线性运动噪声
S^t {S_1,S_2,...,S_t} g(S_t,\theta,n_t) 测量模型
\theta_n 第n各地标的位置 R_t 线性测量噪声
\theta 地图。包括n个地标的位置 \hat Z_{n_t} 第n_t个地标t时刻的期望观测
Z_t t时刻传感器观测 Z_t-\hat Z_{n_t} 量测更新
Z^t {Z_1,Z_2,...Z_t} Z_t 更新协矩阵
u_t t时刻控制量 G_\theta 地标位姿的雅可比测量模型
u^t {u_1,u_2,...,u_t} G_{S_t} 机器人位姿的雅可比测量模型
n_t t时刻所有的观测关联数据 S_t t时刻的FastSLAM粒子
n^t {n_1,n_2,...,n_t} S_t^{[m]} t时刻第m个FastSLAM粒子
h(S_{t-1},u_t) 运动模型

联合估计

SLAM，Simultaneous Localization and Mapping，实时定位与构图，既没有准确的机器人路径，也没有先验地图信息。

因为运动噪声，导致机器人的位姿是不准确的。

又因为测量噪声和机器人位姿的不确定性，导致与外界环境的相对位置不准，即构图不准确。

因此机器人位姿和地图应当同时进行估计。

后验估计

通过控制信息对运动噪声进行预测，即通过控制信息进行概率约束得到正确位姿。

通过观测信息对环境特征噪声进行测量，即通过观测信息进行概率约束得到机器人与环境的关系。

当获得当前时刻的观测信息时，不仅要更新当前的地图特征，还应当修正之前的地图特征。

后验概率的优点：

①增强噪声环境下实时定位与构图的鲁棒性

②可以比较不同环节之间的不确定性，即比较不同环节之间的后验概率分布

SLAM中的贝叶斯滤波器：

P(S_t,\theta|Z^t,u^t,n^t) = \eta P(Z_t|S_t,\theta,n_t)\int P(S_t|S_{t-1},u_t)P(S_{t-1},\theta|Z^{t-1},u^{t-1},n^{t-1})dS_{t-1}

其中的联合后验概率为：

P(S_t,\theta|Z^t,u^t)

但实际上我们无法获得观测数据与地标之间的关联数据，即该观测数据是相对于哪一个地标的观测数据（地标一致性问题）。因此在上式中写作：

P(S_t,\theta|Z^t,u^t,n^t)

扩展卡尔曼滤波

EKF除了给出状态量的方差还需要给出各状态量之间的关系（用协方差矩阵表示）

EKF的两个缺点：

①复杂度

需要大量的计算量和存储空间

任何传感器信息的输入都需要对所有状态量进行更新

②单假定数据关联

我们给定的协方差阵和状态量之间的关联都是不准确的

EKF没有关于数据关联不确定性方面的机制，EKF所给出的数据关联是单一且确定的，因此上述误差不可逆转

我们可以通过同时考虑多个数据关联来提高EKF中数据关联的准确性，但需要付出一定的计算代价

SLAM的结构性及稀疏性

对于一个观测量来说，与其关联较大的状态量较少，因此可以根据这个特征进行稀疏矩阵的分解计算。

FastSLAM

崔岩的笔记——FastSLAM（1）序章_第1张图片

 

SLAM就如同一个动态贝叶斯网络

若已知机器人的路径，则各个地标点的位置估计是相互独立的（原理参考d—分离）

则：

P(S_t,\theta|Z^t,u^t,n^t) = P(S_t|Z^t,u^t,n^t) \prod_{n=1}^NP(\theta_n|S^t,Z^t,u^t,n^t)

P(S_t|Z^t,u^t,n^t)为路径后验

\prod_{n=1}^NP(\theta_n|S^t,Z^t,u^t,n^t)为地标估计

粒子滤波的递归更新

①采样新的机器人路径，给定新的控制

②根据观测对地标进行更新（EKF）

③为每个粒子分配权重

④粒子重采样

我们根据机器人路径进行后验估计，那么估计的位数应当随路径增加而增加

多假设数据关联

使用粒子滤波可以让每个粒子用不用的数据关联模型，铜鼓哦粒子滤波控制地标的增加与减少

计算权重时应考虑每个粒子间地标的不同，剔除个别粒子

你可能感兴趣的:(FastSLAM,slam,概率论)

  • AI人工智能为空间智能领域带来的科技革新 AI云原生与云计算技术学院 AI云原生与云计算人工智能科技ai
    AI人工智能为空间智能领域带来的科技革新关键词：人工智能、空间智能、计算机视觉、SLAM、空间计算、增强现实、自动驾驶摘要：本文将深入探讨人工智能如何革新空间智能领域。我们将从基本概念出发，逐步分析AI在空间感知、理解和交互方面的突破性进展，包括SLAM技术、3D重建、空间计算等核心应用。通过生动的比喻和实际案例，揭示AI如何赋予机器"空间思维"能力，并展望这一技术融合的未来发展趋势。背景介绍目的
  • 人工智能之数学基础：概率论之韦恩图的应用 每天五分钟玩转人工智能 概率论韦恩图
    韦恩图的应用由于事件的计算有时候太过于抽象了，此时我们可以使用韦恩图的方式来进行验证，我们下面来举一个例子，A∪B）-C=A∪(B-C)是否成立？我们可以通过韦恩图来完成这个任务：我们通过这种方式来一点一点的比较，我们可以看到二者根本就不相等。AB杠和A杠B杠之间的区别？AB表示AB同时发生，AB杠表示AB不同时发生（覆盖范围大）A杠B杠表示A、B都不发生（覆盖范围小）我们也可以通过韦恩图的方式来
  • 统计学①——概率论基础及业务实战 数据小斑马 统计学统计学基础概率分布随机变量期望和方差转盘
    统计学系列目录（文末有超级大礼）：统计学②——概率分布（几何，二项，泊松，正态分布）统计学③——总体与样本统计学④——置信区间统计学⑤——假设验证一、统计学是什么？统计学分为两类，一类是描述性统计学，通过对数据的集中趋势和变异趋势的刻画来描述数据的分布情况，集中趋势有平均值，中位数和众数三个指标，变异趋势则有全距，四分位距，百分位距，方差，标准差等指标来衡量另一类是推断统计学，通过对样本的统计来推
  • 统计学07：概率论基础 夜雨声烦yyy 统计学概率论
    一、基础概念概率p代表事件发生的可能性大小，在0-1范围内ab测试中的p值，就代表一种概率（在零假设成立的前提下，观察当前数据或者比当前数据更加极端的数据的概率，p值越小，意味着在零假设成立的情况下，观察到当前结果的概率越小）二、基本性质非负性：P(A)>=0规范性：整个样本空间发生的概率是1加法公式：两个事件A和B的概率之和是P(A∪B)=P(A)+P(B)−P(A∩B)（非互斥事件）P(A∪B
  • 复杂地形下机器人自主导航与SLAM仿真脚本（五） HH予 机器人仿真机器人
    为了解决上一篇遇到的问题：使用更兼容的方法来解决这个问题：%=============================================%复杂地形下机器人自主导航与SLAM仿真(MATLABR2019a)%最终修复版：完全解决地标图形更新问题%=============================================functioncomplex_terrain_sl
  • 数学专业转型数据分析竞争力发展报告 Re_Yang09 数据分析数据挖掘
    一、核心优势拆解（1）数学能力与数据分析对应关系数学课程数据分析应用场景比较优势说明概率论假设检验设计能准确判断统计显著性阈值实变函数数据质量评估异常值检测的严格性更高线性代数特征工程构建矩阵运算优化模型训练效率（2）典型优势案例金融风控场景：数学背景者构建的违约预测模型AUC值平均高0.15用户画像分析：数学系毕业生提出的分层抽样方案降低30%调研成本二、技能补全路线图三、转型学习路径（1）阶段
  • 第3.3章 一文带你入门PCL点云库及在机器人SLAM中的代码实战 行知SLAM 机器人工程师带你入门SLAM人工智能c++算法机器人开发语言
    目录一、PCL库：开启3D感知大门的钥匙二、PCL库基础入门2.1什么是PCL库2.2PCL源码头文件分类概览总结2.3安装PCL库2.4基础数据结构与概念三、PCL库在SLAM中的核心应用3.1点云获取与预处理3.2点云特征提取与描述3.3点云配准3.4点云分割与目标识别四、进阶技巧与优化策略4.1提高算法效率的方法4.2解决实际问题的经验4.3与其他技术的融合五、案例分析：PCL库实战应用六、
  • 人工智能之数学基础:概率论和数理统计在机器学习的地位 每天五分钟玩转人工智能 机器学习深度学习之数学基础人工智能概率论机器学习神经网络线性代数
    概率和统计的概念概率统计是各类学科中唯一一门专门研究随机现象的规律性的学科，随机现象的广泛性决定了这一学科的重要性。概率论是数学的分支，它研究的是如何定量描述随机现象及其规律。我们之前经常在天气软件上看到：“今天下雨的概率是95%”，这个95%就是概率，概率就是描述可能性的一个数值。概率在机器学习中的地位概率论在机器学习中至关重要，因为我们可以将机器学习的输入数据看作是随机变量，当机器学习中的输出
  • 概率论基础：公理、定律与贝叶斯定理 偏偏无理取闹 概率论公理贝叶斯定理条件概率随机变量
    背景简介概率论是数学的一个分支，主要研究随机事件和随机变量的概率。它是现代统计学、经济学、保险学、金融学、密码学等多个领域不可或缺的理论基础。本文将通过介绍概率论的三大公理，推导出重要的概率法则，并探讨贝叶斯定理及其应用。概率的三大公理概率论的基础在于一套明确的公理系统，这些公理为计算和理解概率提供了数学上的框架。公理1：概率值的范围每个事件A的概率值介于0和1之间，即0≤Pr[A]≤1。这意味着
  • 拉姆达表达式(Lambda Expressions) xwdpepsi C#.netlambdaclass编译器
    让我们先看一个简单的拉姆达表达式:x=>x/2这个表达式的意思是：x为参数，对x进行相应的操作后的结果作为返回值。通过这个拉姆达表达式，我们可以看到：这个表达式没有任何类型信息，但这并不代表拉姆达表达式是和类型无关的。在实际运用上，编译器会根据表达式的上下文判断上述x的类型及返回值的类型。例如：usingSystem;usingSystem.Linq;publicclassLambdaTest{s
  • 机器学习之——认识机器学习 -睡到自然醒~ golang重构开发语言
    首先，什么是机器学习？参照百度百科的讲解，“机器学习是一门多领域交叉学科，设计概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习能力，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。”什么意思呢？也就是说，机器学习是一门跨领域的学科，是一种能够让机器模仿人类学习能力的一种学科。在Andrew的课程中，提到了几个机器学习的定义：1，A
  • 学习人工智能开发的详细指南 Ws＿ 学习人工智能python
    一、引言人工智能（AI）开发是一个充满挑战与机遇的领域，它融合了数学、计算机科学、统计学、认知科学等多个学科的知识。随着大数据、云计算和深度学习技术的快速发展，AI已经成为推动社会进步和产业升级的关键力量。本文将为初学者提供一份详细的学习指南，帮助大家逐步掌握AI开发的核心技能。二、基础知识准备数学基础：线性代数：理解向量、矩阵、线性变换等基本概念，掌握矩阵运算和特征值分解等技巧。概率论与统计学：
  • rpg_trajectory_evaluation工具评估SLAM/VIO系统
    rpg_trajectory_evaluation工具评估SLAM/VIO系统1、安装系统环境：ubuntu18.04+ROSmelodic代码：https://github.com/uzh-rpg/rpg_trajectory_evaluationtutorial:http://rpg.ifi.uzh.ch/docs/IROS18_Zhang.pdf1.1首先安装依赖的python库pipins
  • 大学专业科普 | 计算智能、信息学与大数据 鸭鸭鸭进京赶烤 大数据
    一、专业背景随着信息技术的飞速发展，数据的产生速度呈爆炸式增长，传统数据处理技术已经无法满足如此庞大的数据量和复杂的数据类型，大数据专业应运而生，旨在培养能够应对大数据挑战的专业人才。二、主要课程内容数学基础课程高等数学、概率论与数理统计、线性代数是大数据分析的核心数学基础，为数据处理、算法优化和模型构建提供必要的理论支持。计算机基础课程数据结构与算法、计算机网络、操作系统是大数据技术的重要支撑，
  • 大学专业科普 | 人工智能、物联网和云计算技术 鸭鸭鸭进京赶烤 人工智能物联网云计算5G信号处理信息与通信网络
    一、专业概述人工智能专业是一门融合计算机科学、数学、信息学等多学科知识的交叉学科。它旨在培养学生掌握人工智能领域的基本理论、方法和技能，以应对人工智能在各个领域的应用需求和发展挑战。二、主要课程基础课程：包括高等数学、线性代数、概率论与数理统计、离散数学等数学基础课程，为人工智能算法提供理论支撑；以及数据结构、算法设计与分析、计算机组成原理、操作系统、计算机网络等计算机科学基础课程，帮助学生理解人
  • OpenCV中常用特征提取算法（SURF、ORB、SIFT和AKAZE）用法示例（C++和Python） 点云SLAM 图形图像处理opencv算法ORB算法SIFT算法SURF算法AKAZE算法计算机视觉
    OpenCV中提供了多种常用的特征提取算法，广泛应用于图像匹配、拼接、SLAM、物体识别等任务。以下是OpenCV中几个主流特征提取算法的用法总结与代码示例，涵盖C++和Python两个版本。常用特征提取算法列表算法特点是否需额外模块SIFT（尺度不变特征）稳定性强、可旋转缩放xfeatures2d模块SURF（加速稳健特征）快速但专利保护xfeatures2d模块ORB（OrientedFAST
  • ros2 server 可以设置命令同时获取位置
    一个自定义服务SetCommandGetPose.srv：请求字段float32command响应字段geometry_msgs/Posepose服务端收到请求后，把command缓存下来，再把当前位姿填进响应返回。为了便于演示，位置用一个简单计数器模拟；你可以把它替换成TF、里程计或SLAM输出。一、创建功能包bash复制ros2pkgcreate--build-typeament_cmakep
  • 【I3D 2024】Deblur-GS: 3D Gaussian Splatting from Camera Motion Blurred Images __星辰大海__ 论文阅读计算机视觉算法人工智能
    文章目录1.李群与李代数2.相机运动模糊建模3.相机运动轨迹近似3.1.线性插值3.2.三次样条插值3.3.K阶贝塞尔曲线插值1.李群与李代数参考博客：视觉SLAM十四讲-李群与李代数。2.相机运动模糊建模运动模糊产生的原因是：相机在曝光期间捕捉到了移动的物体或自身发生了移动，导致场景中某些像素在成像过程中不是来自单一点，而是多个位置的光线的混合。假设在时间[t0,t0+T][t_0,t_0+T]
  • 深入解析AI原生云服务冷启动时延优化：JVM字节码预编译引擎核心技术剖析 梦玄海 AI-nativejvmrisc-vgolangjava
    引言：冷启动时延的挑战与突破方向在AI原生云服务架构中，冷启动时延（ColdStartLatency）是影响服务响应速度的关键瓶颈指标。根据AWSLambda实测数据，传统JVM应用的冷启动时间高达1-5秒，这在需要快速弹性扩缩容的AI推理、实时数据处理等场景中可能造成严重的服务降级。本文聚焦JVM字节码预编译引擎（BytecodePrecompilationEngine），深度解构其在冷启动优化
  • ros订阅相机深度信息_基于深度相机 RealSense D435i 的 ORB SLAM 2
    相比于上一篇文章，这里我们将官方给的rosbag数据包替换为来自深度相机的实时数据。之所以选择IntelRealSense这款深度相机，仅仅是因为它是最容易买到的。。。在京东上搜“深度相机”，符合要求的几乎都是这个系列的。具体到D435i这个型号，它可以提供深度和RGB图像，而且带有IMU，未来如果我们继续做视觉+惯导的SLAM也够用了。深度相机RealSenseD435i简介Intel官方给出了
  • 海森矩阵（Hessian Matrix）在SLAM图优化和点云配准中的应用介绍 点云SLAM 算法矩阵概率论机器学习数值优化最小二乘法算法机器人
    在非线性最小二乘问题中（如SLAM或点云配准），通常我们有一个误差函数：f(x)=∑i∥ei(x)∥2f(x)=\sum_i\|e_i(x)\|^2f(x)=i∑∥ei(x)∥2其中ei(x)e_i(x)ei(x)是残差项，对它求Hessian就需要用雅可比矩阵：H=J⊤J+∑iei⊤HeiH=J^\topJ+\sum_ie_i^\topH_{e_i}H=J⊤J+i∑ei⊤Hei通常我们近似为：H
  • 如何利用AWS Lambda作为Serverless数据库进行大数据处理 AI天才研究院 AI人工智能与大数据自然语言处理人工智能语言模型编程实践开发语言架构设计
    作者：禅与计算机程序设计艺术Serverless数据库一直是构建数据分析应用的主要选择之一。它能帮助客户节省运行服务所需的服务器成本、快速弹性扩展和自动伸缩能力，并且能提升整体性能，有效减少运维和开发资源投入。但是，在实际生产环境中，它们也面临着很多技术上的挑战，比如如何让Serverless数据库服务可以像传统数据库一样，做到高并发处理、实时计算等。而AWSLambda为Serverless数据
  • 雷达mid360 和 Fast Lio AugustInSopton 人工智能
    1.实时激光里程计+建图（SLAM）FAST‑LIO（及FAST‑LIO2）通过融合LiDAR点云与IMU数据，提供高频（可达~100 Hz）的位姿估计（实时里程计）与增量建图功能https://github.com/SylarAnh/fast_lio_mid360https://github.com/SylarAnh/fast_lio_mid360支持Mid‑360这种全向固态LiDAR，默认r
  • 【优秀文章】7月优秀文章推荐
    优秀文章智能自主运动体与人工智能技术——环境感知、SLAM定位、路径规划、运动控制、多智能体协同作者：fpga和matlabC++之红黑树认识与实现作者：zzh_zao【手把手带你刷好题】–C语言基础编程题(十)作者：草莓熊Lotso飞算JavaAI：从“码农”到“代码指挥官”的终极进化论作者：可涵不会debug前端网页开发学习（HTML+CSS+JS）有这一篇就够！作者：一颗小谷粒
  • 条件概率：不确定性决策的基石 大千AI助手 人工智能Python#OTHER决策树算法机器学习人工智能条件概率概率论
    条件概率是概率论中的核心概念，用于描述在已知某一事件发生的条件下，另一事件发生的概率。它量化了事件之间的关联性，是贝叶斯推理、统计建模和机器学习的基础。本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！一、定义与公式设(A)和(B)是两个随机事件，且(P(B)>0)：条件概率(P(A\midB))表示
  • 【自动导引车领域涉及许多专业术语】 是刘彦宏吖 制造业数字化转型人工智能AGVAMR
    自动导引车领域涉及许多专业术语。以下是一些核心和常见的术语及其解释：核心概念AGV:自动导引车。这是最基础的术语，指装备有自动导引装置（如电磁、光学、激光、SLAM等），能够沿规定的导引路径行驶，具有安全保护以及各种移载功能的运输车。AMR:自主移动机器人。新一代的AGV，强调更强的自主性、灵活性和智能。与依赖固定路径的传统AGV不同，AMR通常使用SLAM技术构建环境地图，并能自主规划最优路径、
  • 实战演练：用 AWS Lambda 和 API Gateway 构建你的第一个 Serverless API
    实战演练：用AWSLambda和APIGateway构建你的第一个ServerlessAPI理论千遍，不如动手一遍！在前面几篇文章中，我们了解了Serverless的概念、FaaS的核心原理以及BaaS的重要作用。现在，是时候把这些知识运用起来，亲手构建一个简单但完整的Serverless应用了。本次实战，我们将使用AmazonWebServices(AWS)这个主流的云平台，结合它的两个核心Se
  • orb-slam run rgbd data hetongqiyue 计算机视觉slam
    TUM数据集准备+RGB-D运行从这个网址下载tum数据集[http://vision.in.tum.de/data/datasets/rgbd-dataset/download]并且解压缩。使用python脚本关联RGB图像和深度图像[associate.py],[http://vision.in.tum.de/data/datasets/rgbd-dataset/tools].我们已经提供了一
  • Docker 与 Serverless 架构：无服务器环境下的容器化部署 you的日常 容器技术Docker性能优化实践dockerserverless架构容器
    Serverless（无服务器）架构作为云计算领域的革命性范式，以其无需管理服务器、按需付费、自动伸缩的特性，正在改变着应用开发和部署的方式。然而，传统的函数即服务（Function-as-a-Service,FaaS），如AWSLambda，在运行时环境、部署包大小和复杂依赖管理方面存在一定的局限性。幸运的是，Docker容器的出现为Serverless带来了新的活力。容器的强大可移植性和环境一
  • PL-SLAM: Real-Time Monocular Visual SLAM with Points and Lines
    PL-SLAM文章目录PL-SLAM摘要系统介绍综述方法综述LINE-BASEDSLAM一、基于线的SLAM二、基于线和点的BA三、全局重定位使用线条初始化地图实验结果说明位姿求解三角化LSD直线检测算法**一、核心原理**⚙️**二、实现方法****三、应用场景**⚖️**四、优缺点与优化****优缺点对比****总结**End摘要译文——众所周知，低纹理场景是依赖点对应的几何计算机视觉算法的主
  • java的(PO,VO,TO,BO,DAO,POJO) Cb123456 VOTOBOPOJODAO
    转: http://www.cnblogs.com/yxnchinahlj/archive/2012/02/24/2366110.html   -------------------------------------------------------------------  O/R Mapping 是 Object Relational Mapping（对象关系映
  • spring ioc原理（看完后大家可以自己写一个spring） aijuans spring
             最近，买了本Spring入门书：spring In Action 。大致浏览了下感觉还不错。就是入门了点。Manning的书还是不错的，我虽然不像哪些只看Manning书的人那样专注于Manning,但怀着崇敬 的心情和激情通览了一遍。又一次接受了IOC 、DI、AOP等Spring核心概念。 先就IOC和DI谈一点我的看法。IO
  • MyEclipse 2014中Customize Persperctive设置无效的解决方法 Kai_Ge MyEclipse2014
    高高兴兴下载个MyEclipse2014，发现工具条上多了个手机开发的按钮，心生不爽就想弄掉他！ 结果发现Customize Persperctive失效！！ 有说更新下就好了，可是国内Myeclipse访问不了，何谈更新... so~这里提供了更新后的一下jar包，给大家使用！ 1、将9个jar复制到myeclipse安装目录\plugins中 2、删除和这9个jar同包名但是版本号较
  • SpringMvc上传 120153216 springMVC
      @RequestMapping(value = WebUrlConstant.UPLOADFILE) @ResponseBody public Map<String, Object> uploadFile(HttpServletRequest request,HttpServletResponse httpresponse) { try { //
  • Javascript----HTML DOM 事件 何必如此 JavaScripthtmlWeb
    HTML DOM 事件允许Javascript在HTML文档元素中注册不同事件处理程序。 事件通常与函数结合使用，函数不会在事件发生前被执行！ 注：DOM： 指明使用的 DOM 属性级别。 1.鼠标事件 属性               
  • 动态绑定和删除onclick事件 357029540 JavaScriptjquery
    因为对JQUERY和JS的动态绑定事件的不熟悉，今天花了好久的时间才把动态绑定和删除onclick事件搞定!现在分享下我的过程。      在我的查询页面，我将我的onclick事件绑定到了tr标签上同时传入当前行(this值)参数，这样可以在点击行上的任意地方时可以选中checkbox，但是在我的某一列上也有一个onclick事件是用于下载附件的，当
  • HttpClient|HttpClient请求详解 7454103 apache应用服务器网络协议网络应用Security
    HttpClient 是 Apache Jakarta Common 下的子项目，可以用来提供高效的、最新的、功能丰富的支持 HTTP 协议的客户端编程工具包，并且它支持 HTTP 协议最新的版本和建议。本文首先介绍 HTTPClient，然后根据作者实际工作经验给出了一些常见问题的解决方法。HTTP 协议可能是现在 Internet 上使用得最多、最重要的协议了，越来越多的 Java 应用程序需
  • 递归 逐层统计树形结构数据 darkranger 数据结构
    将集合递归获取树形结构: /** * * 递归获取数据 * @param alist:所有分类 * @param subjname:对应统计的项目名称 * @param pk:对应项目主键 * @param reportList: 最后统计的结果集 * @param count:项目级别 */ public void getReportVO(Arr
  • 访问WEB-INF下使用frameset标签页面出错的原因 aijuans struts2
    <frameset rows="61,*,24" cols="*" framespacing="0" frameborder="no" border="0">        
  • MAVEN常用命令 avords
    Maven库： http://repo2.maven.org/maven2/ Maven依赖查询： http://mvnrepository.com/ Maven常用命令： 1. 创建Maven的普通java项目：    mvn archetype:create    -DgroupId=packageName 
  • PHP如果自带一个小型的web服务器就好了 houxinyou apache应用服务器WebPHP脚本
    最近单位用PHP做网站，感觉PHP挺好的，不过有一些地方不太习惯，比如，环境搭建。PHP本身就是一个网站后台脚本，但用PHP做程序时还要下载apache，配置起来也不太很方便，虽然有好多配置好的apache+php+mysq的环境，但用起来总是心里不太舒服，因为我要的只是一个开发环境，如果是真实的运行环境，下个apahe也无所谓，但只是一个开发环境，总有一种杀鸡用牛刀的感觉。如果php自己的程序中
  • NoSQL数据库之Redis数据库管理(list类型) bijian1013 redis数据库NoSQL
    3.list类型及操作         List是一个链表结构，主要功能是push、pop、获取一个范围的所有值等等，操作key理解为链表的名字。Redis的list类型其实就是一个每个子元素都是string类型的双向链表。我们可以通过push、pop操作从链表的头部或者尾部添加删除元素，这样list既可以作为栈，又可以作为队列。   &nbs
  • 谁在用Hadoop？ bingyingao hadoop数据挖掘公司应用场景
    Hadoop技术的应用已经十分广泛了，而我是最近才开始对它有所了解，它在大数据领域的出色表现也让我产生了兴趣。浏览了他的官网，其中有一个页面专门介绍目前世界上有哪些公司在用Hadoop，这些公司涵盖各行各业，不乏一些大公司如alibaba,ebay,amazon,google,facebook,adobe等，主要用于日志分析、数据挖掘、机器学习、构建索引、业务报表等场景,这更加激发了学习它的热情。
  • 【Spark七十六】Spark计算结果存到MySQL bit1129 mysql
    package spark.examples.db import java.sql.{PreparedStatement, Connection, DriverManager} import com.mysql.jdbc.Driver import org.apache.spark.{SparkContext, SparkConf} object SparkMySQLInteg
  • Scala: JVM上的函数编程 bookjovi scalaerlanghaskell
        说Scala是JVM上的函数编程一点也不为过，Scala把面向对象和函数型编程这两种主流编程范式结合了起来，对于熟悉各种编程范式的人而言Scala并没有带来太多革新的编程思想，scala主要的有点在于Java庞大的package优势，这样也就弥补了JVM平台上函数型编程的缺失，MS家.net上已经有了F#，JVM怎么能不跟上呢？     对本人而言
  • jar打成exe bro_feng java jar exe
    今天要把jar包打成exe，jsmooth和exe4j都用了。 遇见几个问题。记录一下。 两个软件都很好使，网上都有图片教程，都挺不错。 首先肯定是要用自己的jre的，不然不能通用，其次别忘了把需要的lib放到classPath中。 困扰我很久的一个问题是，我自己打包成功后，在一个同事的没有装jdk的电脑上运行，就是不行，报错jvm.dll为无效的windows映像，如截图 最后发现
  • 读《研磨设计模式》-代码笔记-策略模式-Strategy bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ /* 策略模式定义了一系列的算法，并将每一个算法封装起来，而且使它们还可以相互替换。策略模式让算法独立于使用它的客户而独立变化 简单理解： 1、将不同的策略提炼出一个共同接口。这是容易的，因为不同的策略，只是算法不同，需要传递的参数
  • cmd命令值cvfM命令 chenyu19891124 cmd
         cmd命令还真是强大啊。今天发现jar -cvfM aa.rar @aaalist 就这行命令可以根据aaalist取出相应的文件   例如：      在d：\workspace\prpall\test.java 有这样一个文件，现在想要将这个文件打成一个包。运行如下命令即可比如在d：\wor
  • OpenJWeb(1.8) Java Web应用快速开发平台 comsci java框架Web项目管理企业应用
        OpenJWeb(1.8) Java Web应用快速开发平台的作者是我们技术联盟的成员，他最近推出了新版本的快速应用开发平台  OpenJWeb(1.8)，我帮他做做宣传   OpenJWeb快速开发平台以快速开发为核心，整合先进的java 开源框架，本着自主开发+应用集成相结合的原则，旨在为政府、企事业单位、软件公司等平台用户提供一个架构透
  • Python 报错：IndentationError: unexpected indent daizj pythontab空格缩进
        IndentationError: unexpected indent 是缩进的问题，也有可能是tab和空格混用啦     Python开发者有意让违反了缩进规则的程序不能通过编译，以此来强制程序员养成良好的编程习惯。并且在Python语言里，缩进而非花括号或者某种关键字，被用于表示语句块的开始和退出。增加缩进表示语句块的开
  • HttpClient 超时设置 dongwei_6688 httpclient
    HttpClient中的超时设置包含两个部分： 1. 建立连接超时，是指在httpclient客户端和服务器端建立连接过程中允许的最大等待时间 2. 读取数据超时，是指在建立连接后，等待读取服务器端的响应数据时允许的最大等待时间   在HttpClient 4.x中如下设置：   HttpClient httpclient = new DefaultHttpC
  • 小鱼与波浪 dcj3sjt126com
    一条小鱼游出水面看蓝天，偶然间遇到了波浪。　　小鱼便与波浪在海面上游戏，随着波浪上下起伏、汹涌前进。　　小鱼在波浪里兴奋得大叫：“你每天都过着这么刺激的生活吗？简直太棒了。”　　波浪说：“岂只每天过这样的生活，几乎每一刻都这么刺激！还有更刺激的，要有潮汐变化，或者狂风暴雨，那才是兴奋得心脏都会跳出来。”　　小鱼说：“真希望我也能变成一个波浪，每天随着风雨、潮汐流动，不知道有多么好！”　　很快，小鱼
  • Error Code: 1175 You are using safe update mode and you tried to update a table dcj3sjt126com mysql
    快速高效用：SET SQL_SAFE_UPDATES = 0；下面的就不要看了！ 今日用MySQL Workbench进行数据库的管理更新时，执行一个更新的语句碰到以下错误提示： Error Code: 1175 You are using safe update mode and you tried to update a table without a WHERE that
  • 枚举类型详细介绍及方法定义 gaomysion enumjavaee
    转发 http://developer.51cto.com/art/201107/275031.htm 枚举其实就是一种类型，跟int, char 这种差不多，就是定义变量时限制输入的，你只能够赋enum里面规定的值。建议大家可以看看，这两篇文章，《java枚举类型入门》和《C++的中的结构体和枚举》，供大家参考。 枚举类型是JDK5.0的新特征。Sun引进了一个全新的关键字enum
  • Merge Sorted Array hcx2013 array
    Given two sorted integer arrays nums1 and nums2, merge nums2 into nums1 as one sorted array. Note:You may assume that nums1 has enough space (size that is
  • Expression Language 3.0新特性 jinnianshilongnian el 3.0
    Expression Language 3.0表达式语言规范最终版从2013-4-29发布到现在已经非常久的时间了；目前如Tomcat 8、Jetty 9、GlasshFish 4已经支持EL 3.0。新特性包括：如字符串拼接操作符、赋值、分号操作符、对象方法调用、Lambda表达式、静态字段/方法调用、构造器调用、Java8集合操作。目前Glassfish 4/Jetty实现最好，对大多数新特性
  • 超越算法来看待个性化推荐 liyonghui160com 超越算法来看待个性化推荐
             一提到个性化推荐，大家一般会想到协同过滤、文本相似等推荐算法，或是更高阶的模型推荐算法，百度的张栋说过，推荐40%取决于UI、30%取决于数据、20%取决于背景知识，虽然本人不是很认同这种比例，但推荐系统中，推荐算法起的作用起的作用是非常有限的。       就像任何
  • 写给Javascript初学者的小小建议 pda158 JavaScript
    　　一般初学JavaScript的时候最头痛的就是浏览器兼容问题。在Firefox下面好好的代码放到IE就不能显示了，又或者是在IE能正常显示的代码在firefox又报错了。 　　如果你正初学JavaScript并有着一样的处境的话建议你：初学JavaScript的时候无视DOM和BOM的兼容性，将更多的时间花在 了解语言本身（ECMAScript）。只在特定浏览器编写代码（Chrome/Fi
  • Java 枚举 ShihLei javaenum枚举
    注：文章内容大量借鉴使用网上的资料，可惜没有记录参考地址，只能再传对作者说声抱歉并表示感谢！   一 基础 1）语法      枚举类型只能有私有构造器（这样做可以保证客户代码没有办法新建一个enum的实例）      枚举实例必须最先定义 2）特性     &nb
  • Java SE 6 HotSpot虚拟机的垃圾回收机制 uuhorse javaHotSpotGC垃圾回收VM
    官方资料，关于Java SE 6 HotSpot虚拟机的garbage Collection，非常全，英文。 http://www.oracle.com/technetwork/java/javase/gc-tuning-6-140523.html   Java SE 6 HotSpot[tm] Virtual Machine Garbage Collection Tuning &
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他