- Python----大模型( RAG的向量化(embedding))
蹦蹦跳跳真可爱589
Python大模型pythonembedding开发语言人工智能
一、向量化向量化是将非结构化数据(如文本、图像等)转化为数字表示的一种过程。在RAG中,通常会使用预训练的Transformer模型(如BERT、RoBERTa等)将文本表示为高维的向量。这些向量能够捕捉到数据的语义信息,从而在向量空间中表示相似性。两段相似的文本在向量空间中将非常接近。快速检索:向量化将文本转换为向量后,可以通过向量相似度算法(如余弦相似度)快速检索与查询相关的信息。语义理解:通
- 基于Python根据两个字符串给出相似度/近似度_Python实现字符串语义相似度算法(附上多种实现算法)
袁袁袁袁满
Python实用技巧大全python算法开发语言相似度自然语言处理相似度算法sklearn
以下是几种基于语义的字符串相似度计算方法,每种方法都会返回0.0到1.0之间的相似度分数(保留一位小数)。文章目录方法1:计算Levenshtein距离(基于字符的相似度)方法2:使用Sentence-BERT预训练模型方法3:使用spaCy进行语义相似度比较方法4:使用spaCy和词向量方法5:使用UniversalSentenceEncoder(USE)方法6:使用BERT-as-Servic
- 【Elasticsearch】自定义相似性算法
risc123456
Elasticsearchelasticsearch
在Elasticsearch中,可以通过自定义相似度算法来优化搜索结果的相关性。以下是几种常见的自定义相似度算法的方法:1.使用内置相似度算法Elasticsearch默认使用BM25算法,但也可以切换到其他内置的相似度算法,如TF-IDF或布尔相似度。例如:```jsonPUT/my_index{"settings":{"similarity":{"my_similarity":{"type":
- 【NLP-01】文本相似度算法:Cosine Similarity、Levenshtein Distance、Word2Vec等介绍和使用
云天徽上
NLP算法机器学习人工智能word2vec自然语言处理nlp
文本相似度计算的算法是自然语言处理领域中的关键技术,主要用于衡量两段文本在内容、语义或结构上的相似程度。以下是一些常用的文本相似度计算算法:余弦相似度(CosineSimilarity):余弦相似度是通过计算两个向量的夹角余弦值来评估它们的相似度。在文本相似度计算中,首先将文本转换为向量表示(如TF-IDF向量),然后计算这些向量之间的余弦值。余弦值越接近1,表示文本越相似。Jaccard相似度:
- 基于.NET后端实现图片搜索图片库 核心是计算上传图片与库中图片的特征向量相似度并排序展示结果
云草桑
C#.net.netmicrosoft图像处理C#
基于.NET后端实现图片搜索图片库的方案,核心是计算上传图片与库中图片的特征向量相似度并排序展示结果。整体思路图像特征提取:使用深度学习模型(如ResNet)提取图片的特征向量。特征向量存储:将图片的特征向量存储在数据库中。相似度计算:使用余弦相似度算法计算上传图片与库中图片的特征向量相似度。结果排序与展示:按相似度从高到低排序,并将相似图像展示给用户。实现步骤1.项目搭建创建一个新的.NETWe
- 字符串相似度算法
S Y H
java工具类算法java开发语言
publicstaticvoidmain(String[]args){Stringaddress1="济南市历下区经十路69号12号楼1单元401号";Stringaddress2="济南市历下区经十路69号顺元街道12号楼1单元401号";intdistance=levenshteinDistance(address1,address2);System.out.println("Levensht
- Springboot+vue.js+协同过滤推荐+余弦相似度算法实现新闻推荐系统
计算机程序优异哥
针对海量的新闻资讯数据,如何快速的根据用户的检索需要,完成符合用户阅读需求的新闻资讯推荐?本篇文章主要采用余弦相似度及基于用户协同过滤算法实现新闻推荐,通过余弦相似度算法完成针对不同新闻数据之间的相似性计算,实现分类标签。通过协同过滤算法发现具备相似阅读习惯的用户,展开个性化推荐。本次新闻推荐系统:主要包含技术:springboot,mybatis,mysql,javascript,vue.js,
- sentence-bert_pytorch语义文本相似度算法模型
技术瘾君子1573
bertpytorch人工智能语义文本相似度模型
目录Sentence-BERT论文模型结构算法原理环境配置Docker(方法一)Dockerfile(方法二)Anaconda(方法三)数据集训练单机多卡单机单卡推理result精度应用场景算法类别热点应用行业源码仓库及问题反馈参考资料Sentence-BERT论文Sentence-BERT:SentenceEmbeddingsusingSiameseBERT-Networkshttps://ar
- 余弦相似度算法和IntelliScraper
python人工智能
场景当时,我说要开发一个HSipder,开发完毕的时候,我发现不太智能,通过正则表达式拿过来的相似数据实际上也不太ok,但是后面我在接触机器学习的时候听闻了余弦相似度算法,当时用他爬了一些网页,结果是很ok的,于是我把HSipder项目拆了拆加入了余弦算法,我发现准确度上去了一个维度。很Nice,随机我将其发布到pypi库,并且开源,命名为IntelliScraper,意思是智能爬,也有人工智能的
- java 图片相似度算法
strggle_bin
Javajava算法开发语言
利用直方图原理实现图像内容相似度比较、均值哈希实现图像内容相似度比较、汉明距离算法实现图像内容相似度比较直方图原理实现图像内容相似度比较算法importjavax.imageio.*;importjava.awt.image.*;importjava.awt.*;importjava.io.*;publicclassPhotoDigest{publicstaticvoidmain(String[]
- 基于用户的协同过滤推荐算法原理、过程、代码实现 基于用户项目评分的协同过滤推荐算法程序 余弦、修正余弦、person皮尔森算法、欧几里得距离公式等相似度算法 movielens电影评分数据集
linge511873822
基于用户的协同过滤推荐算法机器学习数据挖掘深度学习算法java
本文主要介绍基于用户的协同过滤推荐算法的推荐原理、推荐过程、代码实现。一、基于用户的协同过滤推荐算法推荐原理基于用户的协同过滤推荐算法是协同过滤推荐算法中最简单、最传统的推荐算法,是根据用户对项目的某一种操作行为,为目标用户找到操作行为相同或者相似的用户,这些操作行为相同或者相似的用户称之为目标用户的近邻用户,然后在这些近邻用户中找出目标用户没有操作行为同时近邻用户同时有操作行为的项目,最后将这些
- 机器学习 | Python相似度算法
天天酷科研
机器学习模型(ML)机器学习python算法
相似度算法的核心思想是将对象表示为特征向量或特征矩阵,并使用合适的度量方法来比较它们之间的差异。通过计算这些差异的度量值,我们可以确定对象之间的相似程度。相似度算法有多种度量方法,其中一种常见的方法是欧几里德距离(EuclideanDistance)。欧几里德距离用于计算两个对象之间的直线距离。以下是欧几里德距离的计算公式:曼哈顿距离(ManhattanDistance):曼哈顿距离是用于计算两个
- 双目立体视觉——视差图(stereo matching)三种相似度算法实现
7lingqi7
1024程序员节python笔记学习
目录双目立体视觉的理解:平行视图的极几何(第二种实现视差图的思路)图像校正(cameracalibration)实现——相似度匹配,视差计算重要影响参数实验报告讨论部分SGBM算法示例,这个效果更好,速度也更快。【双目视觉】SGBM算法应用(Python版)_落叶随峰的博客-CSDN博客任务:生成视差图关键词:视差原理(平行视图的极几何),图像校正,相似度匹配,视差计算和匹配图片数据集:visio
- 推荐系统算法 协同过滤算法详解(一)杰卡德相似度和余弦相似度使用、缺陷
A乐神
算法算法
目录前言协同过滤算法(简称CF)杰卡德相似度公式:示例缺陷余弦相似度算法:例子缺陷以及和皮尔森系数对比总结前言理解吧同胞们,实在是没办发把wps公式复制到文章上,只能截图了,我服了!!!协同过滤算法(简称CF)在早期,协同过滤几乎等同于推荐系统。主要的功能是预测和推荐。协同过滤推荐算法分为两类,分别是:(英文userCF)基于用户的协同过滤算法(相似的用户可能喜欢相同物品);这个一般适合推荐新闻和
- ai写作论文查重率高不高,选对AI写作很重要
bigfish5135
aiAI写作
AI写作的查重率取决于多个因素,包括所使用的AI模型的质量、训练数据的质量和多样性、文本相似度算法的准确性等等。在理想情况下,高质量的AI写作模型应该能够生成与现有文献不同的原创内容,从而降低论文的查重率。然而,由于AI模型的训练数据通常是从互联网上收集的大量文本中提取的,因此可能存在与现有文献相似的片段。这可能导致生成的论文在查重软件中显示高相似度,尽管实际上它们是由AI生成的原创内容。为了降低
- OpenCV书签 #直方图算法的原理与相似图片搜索实验
有时有味
OpenCVPython算法opencv直方图算法python图搜索算法相似图片搜索以图搜图
1.介绍直方图算法(ImageHistogramAlgorithm)通过统计图像中各个颜色值的分布情况来提供关于图像颜色特征的信息,它可以用来衡量两张图片在颜色分布上的相似度,进而可以用来进行图像相似度的比较,因此,直方图算法是一种常用的图片相似度算法,通常是一个一维的数组(取决于使用通道的数量),其中每个元素表示特定颜色或强度值的像素数量。关于直方图算法的一些概念:直方图的定义直方图是一个二维数
- 机器学习 - 余弦相似度算法和IntelliScraper
北堂飘霜
机器学习算法人工智能
场景当时,我说要开发一个HSipder,开发完毕的时候,我发现不太智能,通过正则表达式拿过来的相似数据实际上也不太ok,但是后面我在接触机器学习的时候听闻了余弦相似度算法,当时用他爬了一些网页,结果是很ok的,于是我把HSipder项目拆了拆加入了余弦算法,我发现准确度上去了一个维度。很Nice,随机我将其发布到pypi库,并且开源,命名为IntelliScraper,意思是智能爬,也有人工智能的
- java类库
巨子联盟
https://blog.csdn.net/dax1n/article/details/67040005Java内容差异比较库DiffatorDiffator是一个Java实现的双向的内容差异diff比较库,相似度范围0.0~1.0文本相似度算法java文件增量对比库sync4java[国产]java文件增量对比库。使用滚动算法对比两个文件的差异部分,最终计算出所有的差异值,将差异值与原始文件合并
- 余弦相似度匹配
步入繁华
今天的产品涉及到一个相似度匹配算法,上网查了这类算法很多。跟研发讨论,研发推荐使用余弦值相似度算法。余弦值相似度算法是个什么算法?余弦距离,也称为余弦相似度,是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。余弦值越接近1,也就是两个向量越相似,这就叫"余弦相似性",余弦值越接近0,也就是两个向量越不相似,也就是这两个字符串越不相似。是不是更加云里雾里了?没关系,我数学这么差的
- 余弦相似度算法
xwhking
算法
余弦相似度算法是什么余弦距离,也称为余弦相似度,是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。余弦值越接近1,就表明夹角越接近0度,也就是两个向量越相似,这就叫"余弦相似性"。怎么用利用n维向量的计算公式我们知道二维余弦计算公式为:拓展至n维应用实例【下面举一个例子,来说明余弦计算文本相似度】举一个例子来说明,用上述理论计算文本的相似性。为了简单起见,先从句子着手。句子A:
- java 使用求字符串相似度算法来实现文本文档差异比较的功能
狄龙疤
算法可视化动态规划算法java算法动态规划字符串相似度diff算法
DocDiffTest.java:importjava.io.BufferedReader;importjava.io.FileReader;importjava.util.ArrayList;importjava.util.List;publicclassDocDiffTest{privatestaticStringpath="C:\\xxx\\";privatestaticListlines_
- Python实现命名实体识别方式(非AI)
YangCaine
知识图谱python知识图谱
最近在做知识图谱智能问答应用(KBQA),卡在Text2Cypher,构造Cypher查询语句前提是做一个命名实体识别,上网看其他大佬KBQA项目,得出一个取巧的办法,就是在节点入库时把各分类节点名存到一个列表中,然后通过一些字符串匹配算法识别自然语言中的实体。目录一、基于Aho-Corasick算法二、基于相似度算法一、基于Aho-Corasick算法使用Aho-Corasick算法进行字符串匹
- elasticsearch算法之词项相似度算法(一)
无风听海
elasticsearchelasticsearch算法大数据
一、词项相似度elasticsearch支持拼写纠错,其建议词的获取就需要进行词项相似度的计算;今天我们来通过不同的距离算法来学习一下词项相似度算法;二、数据准备计算词项相似度,就需要首先将词项向量化;我们可以使用以下两种方法字符向量化,其将每个字符映射为一个唯一的数字,我们可以直接使用字符编码即可;importnumpyasnpdefvectorize_words(words):lower_wo
- elasticsearch算法之推荐系统的相似度算法(一)
无风听海
elasticsearch算法elasticsearch系统过滤算法基于用户的协同过滤算法推荐系统算法邻域算法
一、推荐系统简介推荐系统主要基于对用户历史的行为数据分析处理,寻找得到用户可能感兴趣的内容,从而实现主动向用户推荐其可能感兴趣的内容;从物品的长尾理论来看,推荐系统通过发掘用户的行为,找到用户的个性化需求,从而将长尾商品准确地推荐给需要它的用户,帮助用户发现那些他们感兴趣但很难发现的商品。推荐系统使用的是基于邻域的算法,一类是基于用户的协同过滤算法,另一类是基于物品的协同过滤算法;二、数据集准备我
- C语言两个文本相似度的算法,两个文本相似度算法实现和对比
Bearseason
C语言两个文本相似度的算法
背景最近做一个爬虫相关的项目,需要排除掉一些相似的链接,比如分页控件里上一页,下一页等等没什么用的链接.编辑距离算法编辑距离,又称Levenshtein距离(莱文斯坦距离也叫做EditDistance),是指两个字串之间,由一个转成另一个所需的最少编辑操作次数,如果它们的距离越大,说明它们越是不同。许可的编辑操作包括将一个字符替换成另一个字符,插入一个字符,删除一个字符。这个概念是由俄罗斯科学家V
- 文本相似度算法Jaccard相似度(杰卡德相似度)java实现
smx6666668
javajava
文本相似度算法杰卡德相似度,指的是文本A与文本B中交集的字数除以并集的字数,公式非常简单:java代码importjava.util.HashSet;importjava.util.Scanner;importjava.util.Set;publicclassStrJaccard{publicstaticvoidmain(String[]args){System.out.println("请输入两
- Jaccard相似度算法Java实现
朝时
javajavajaccard算法
输入任意两个字符串,根据公式来计算两个字符串的Jaccard相似度。Jaccard相似度的公式为:importjava.util.HashSet;importjava.util.Scanner;importjava.util.Set;publicclassStrJaccard{publicstaticvoidmain(String[]args){System.out.println("请输入两个字
- Elasticsearch 相似度评分模型介绍
三劫散仙
ElasticSearchJavaelasticsearch大数据搜索引擎
前言Elasticsearch是基于Lucene的世界范围内最流行的全文检索框架,其文档相似度算法包含TF/IDF和BM25,从ES5.0开始BM25算法已经成为ES默认的相似度评分模块。TF-IDF与BM25的区别TF-IDF和BM25都是计算文本相似性的常用算法。TF-IDF的计算方法简单,计算复杂度低,但对高频词不敏感,参数难以调节。BM25是在TF-IDF的基础上进行改进的,它考虑了文档的
- 图像相似度对比方法
沙小菜
python
1.哈希方法,其中包括均值哈希、插值哈希、感知哈希方法。计算出图片的哈希值,一般使用汉明距离计算两个图片间的差距。2.直方图算法,其中包括灰度直方图算法,RGB直方图算法,3.灰度图算法:MSE、SSIM、图像相似度算法4.余弦相似性、欧氏距离5.MD5一、直方图算法方法描述:按照某种距离度量的标准对两幅图像的直方图进行相似度的测量。优点:计算量比较小。缺点:直方图反应的是图像灰度值得概率分布,并
- NLP—文本相似度算法BM25
令狐公子
NLPNLP文本相似度BM25自然语言处理文本处理
BM25算法,通常用来做检索相关性评分。首先对一个查询Query进行分词得qi,对每个搜索结果文档d,计算qi与文档d的相关性得分。最后将所有的qi进行加权求和,从而得到查询Query与文档d的相关性得分。公式中,Q表示查询Query,qi表示查询被解析得到的分词qi,d表示搜索结果文档d,Wi表示分词qi的权重,R(qi,d)表示分词qi与文档d的相关性得分。定义一个词与文档相关性的权重方法有很
- LeetCode[Math] - #66 Plus One
Cwind
javaLeetCode题解AlgorithmMath
原题链接:#66 Plus One
要求:
给定一个用数字数组表示的非负整数,如num1 = {1, 2, 3, 9}, num2 = {9, 9}等,给这个数加上1。
注意:
1. 数字的较高位存在数组的头上,即num1表示数字1239
2. 每一位(数组中的每个元素)的取值范围为0~9
难度:简单
分析:
题目比较简单,只须从数组
- JQuery中$.ajax()方法参数详解
AILIKES
JavaScriptjsonpjqueryAjaxjson
url: 要求为String类型的参数,(默认为当前页地址)发送请求的地址。
type: 要求为String类型的参数,请求方式(post或get)默认为get。注意其他http请求方法,例如put和 delete也可以使用,但仅部分浏览器支持。
timeout: 要求为Number类型的参数,设置请求超时时间(毫秒)。此设置将覆盖$.ajaxSetup()方法的全局
- JConsole & JVisualVM远程监视Webphere服务器JVM
Kai_Ge
JVisualVMJConsoleWebphere
JConsole是JDK里自带的一个工具,可以监测Java程序运行时所有对象的申请、释放等动作,将内存管理的所有信息进行统计、分析、可视化。我们可以根据这些信息判断程序是否有内存泄漏问题。
使用JConsole工具来分析WAS的JVM问题,需要进行相关的配置。
首先我们看WAS服务器端的配置.
1、登录was控制台https://10.4.119.18
- 自定义annotation
120153216
annotation
Java annotation 自定义注释@interface的用法 一、什么是注释
说起注释,得先提一提什么是元数据(metadata)。所谓元数据就是数据的数据。也就是说,元数据是描述数据的。就象数据表中的字段一样,每个字段描述了这个字段下的数据的含义。而J2SE5.0中提供的注释就是java源代码的元数据,也就是说注释是描述java源
- CentOS 5/6.X 使用 EPEL YUM源
2002wmj
centos
CentOS 6.X 安装使用EPEL YUM源1. 查看操作系统版本[root@node1 ~]# uname -a Linux node1.test.com 2.6.32-358.el6.x86_64 #1 SMP Fri Feb 22 00:31:26 UTC 2013 x86_64 x86_64 x86_64 GNU/Linux [root@node1 ~]#
- 在SQLSERVER中查找缺失和无用的索引SQL
357029540
SQL Server
--缺失的索引
SELECT avg_total_user_cost * avg_user_impact * ( user_scans + user_seeks ) AS PossibleImprovement ,
last_user_seek ,
 
- Spring3 MVC 笔记(二) —json+rest优化
7454103
Spring3 MVC
接上次的 spring mvc 注解的一些详细信息!
其实也是一些个人的学习笔记 呵呵!
- 替换“\”的时候报错Unexpected internal error near index 1 \ ^
adminjun
java“\替换”
发现还是有些东西没有刻子脑子里,,过段时间就没什么概念了,所以贴出来...以免再忘...
在拆分字符串时遇到通过 \ 来拆分,可是用所以想通过转义 \\ 来拆分的时候会报异常
public class Main {
/*
- POJ 1035 Spell checker(哈希表)
aijuans
暴力求解--哈希表
/*
题意:输入字典,然后输入单词,判断字典中是否出现过该单词,或者是否进行删除、添加、替换操作,如果是,则输出对应的字典中的单词
要求按照输入时候的排名输出
题解:建立两个哈希表。一个存储字典和输入字典中单词的排名,一个进行最后输出的判重
*/
#include <iostream>
//#define
using namespace std;
const int HASH =
- 通过原型实现javascript Array的去重、最大值和最小值
ayaoxinchao
JavaScriptarrayprototype
用原型函数(prototype)可以定义一些很方便的自定义函数,实现各种自定义功能。本次主要是实现了Array的去重、获取最大值和最小值。
实现代码如下:
<script type="text/javascript">
Array.prototype.unique = function() {
var a = {};
var le
- UIWebView实现https双向认证请求
bewithme
UIWebViewhttpsObjective-C
什么是HTTPS双向认证我已在先前的博文 ASIHTTPRequest实现https双向认证请求
中有讲述,不理解的读者可以先复习一下。本文是用UIWebView来实现对需要客户端证书验证的服务请求,网上有些文章中有涉及到此内容,但都只言片语,没有讲完全,更没有完整的代码,让人困扰不已。但是此知
- NoSQL数据库之Redis数据库管理(Redis高级应用之事务处理、持久化操作、pub_sub、虚拟内存)
bijian1013
redis数据库NoSQL
3.事务处理
Redis对事务的支持目前不比较简单。Redis只能保证一个client发起的事务中的命令可以连续的执行,而中间不会插入其他client的命令。当一个client在一个连接中发出multi命令时,这个连接会进入一个事务上下文,该连接后续的命令不会立即执行,而是先放到一个队列中,当执行exec命令时,redis会顺序的执行队列中
- 各数据库分页sql备忘
bingyingao
oraclesql分页
ORACLE
下面这个效率很低
SELECT * FROM ( SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_FS_RETURN order by id desc) A ) WHERE RN <20;
下面这个效率很高
SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_
- 【Scala七】Scala核心一:函数
bit1129
scala
1. 如果函数体只有一行代码,则可以不用写{},比如
def print(x: Int) = println(x)
一行上的多条语句用分号隔开,则只有第一句属于方法体,例如
def printWithValue(x: Int) : String= println(x); "ABC"
上面的代码报错,因为,printWithValue的方法
- 了解GHC的factorial编译过程
bookjovi
haskell
GHC相对其他主流语言的编译器或解释器还是比较复杂的,一部分原因是haskell本身的设计就不易于实现compiler,如lazy特性,static typed,类型推导等。
关于GHC的内部实现有篇文章说的挺好,这里,文中在RTS一节中详细说了haskell的concurrent实现,里面提到了green thread,如果熟悉Go语言的话就会发现,ghc的concurrent实现和Go有点类
- Java-Collections Framework学习与总结-LinkedHashMap
BrokenDreams
LinkedHashMap
前面总结了java.util.HashMap,了解了其内部由散列表实现,每个桶内是一个单向链表。那有没有双向链表的实现呢?双向链表的实现会具备什么特性呢?来看一下HashMap的一个子类——java.util.LinkedHashMap。
- 读《研磨设计模式》-代码笔记-抽象工厂模式-Abstract Factory
bylijinnan
abstract
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/
package design.pattern;
/*
* Abstract Factory Pattern
* 抽象工厂模式的目的是:
* 通过在抽象工厂里面定义一组产品接口,方便地切换“产品簇”
* 这些接口是相关或者相依赖的
- 压暗面部高光
cherishLC
PS
方法一、压暗高光&重新着色
当皮肤很油又使用闪光灯时,很容易在面部形成高光区域。
下面讲一下我今天处理高光区域的心得:
皮肤可以分为纹理和色彩两个属性。其中纹理主要由亮度通道(Lab模式的L通道)决定,色彩则由a、b通道确定。
处理思路为在保持高光区域纹理的情况下,对高光区域着色。具体步骤为:降低高光区域的整体的亮度,再进行着色。
如果想简化步骤,可以只进行着色(参看下面的步骤1
- Java VisualVM监控远程JVM
crabdave
visualvm
Java VisualVM监控远程JVM
JDK1.6开始自带的VisualVM就是不错的监控工具.
这个工具就在JAVA_HOME\bin\目录下的jvisualvm.exe, 双击这个文件就能看到界面
通过JMX连接远程机器, 需要经过下面的配置:
1. 修改远程机器JDK配置文件 (我这里远程机器是linux).
 
- Saiku去掉登录模块
daizj
saiku登录olapBI
1、修改applicationContext-saiku-webapp.xml
<security:intercept-url pattern="/rest/**" access="IS_AUTHENTICATED_ANONYMOUSLY" />
<security:intercept-url pattern=&qu
- 浅析 Flex中的Focus
dsjt
htmlFlexFlash
关键字:focus、 setFocus、 IFocusManager、KeyboardEvent
焦点、设置焦点、获得焦点、键盘事件
一、无焦点的困扰——组件监听不到键盘事件
原因:只有获得焦点的组件(确切说是InteractiveObject)才能监听到键盘事件的目标阶段;键盘事件(flash.events.KeyboardEvent)参与冒泡阶段,所以焦点组件的父项(以及它爸
- Yii全局函数使用
dcj3sjt126com
yii
由于YII致力于完美的整合第三方库,它并没有定义任何全局函数。yii中的每一个应用都需要全类别和对象范围。例如,Yii::app()->user;Yii::app()->params['name'];等等。我们可以自行设定全局函数,使得代码看起来更加简洁易用。(原文地址)
我们可以保存在globals.php在protected目录下。然后,在入口脚本index.php的,我们包括在
- 设计模式之单例模式二(解决无序写入的问题)
come_for_dream
单例模式volatile乱序执行双重检验锁
在上篇文章中我们使用了双重检验锁的方式避免懒汉式单例模式下由于多线程造成的实例被多次创建的问题,但是因为由于JVM为了使得处理器内部的运算单元能充分利用,处理器可能会对输入代码进行乱序执行(Out Of Order Execute)优化,处理器会在计算之后将乱序执行的结果进行重组,保证该
- 程序员从初级到高级的蜕变
gcq511120594
框架工作PHPandroidhtml5
软件开发是一个奇怪的行业,市场远远供不应求。这是一个已经存在多年的问题,而且随着时间的流逝,愈演愈烈。
我们严重缺乏能够满足需求的人才。这个行业相当年轻。大多数软件项目是失败的。几乎所有的项目都会超出预算。我们解决问题的最佳指导方针可以归结为——“用一些通用方法去解决问题,当然这些方法常常不管用,于是,唯一能做的就是不断地尝试,逐个看看是否奏效”。
现在我们把淫浸代码时间超过3年的开发人员称为
- Reverse Linked List
hcx2013
list
Reverse a singly linked list.
/**
* Definition for singly-linked list.
* public class ListNode {
* int val;
* ListNode next;
* ListNode(int x) { val = x; }
* }
*/
p
- Spring4.1新特性——数据库集成测试
jinnianshilongnian
spring 4.1
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- C# Ajax上传图片同时生成微缩图(附Demo)
liyonghui160com
1.Ajax无刷新上传图片,详情请阅我的这篇文章。(jquery + c# ashx)
2.C#位图处理 System.Drawing。
3.最新demo支持IE7,IE8,Fir
- Java list三种遍历方法性能比较
pda158
java
从c/c++语言转向java开发,学习java语言list遍历的三种方法,顺便测试各种遍历方法的性能,测试方法为在ArrayList中插入1千万条记录,然后遍历ArrayList,发现了一个奇怪的现象,测试代码例如以下:
package com.hisense.tiger.list;
import java.util.ArrayList;
import java.util.Iterator;
- 300个涵盖IT各方面的免费资源(上)——商业与市场篇
shoothao
seo商业与市场IT资源免费资源
A.网站模板+logo+服务器主机+发票生成
HTML5 UP:响应式的HTML5和CSS3网站模板。
Bootswatch:免费的Bootstrap主题。
Templated:收集了845个免费的CSS和HTML5网站模板。
Wordpress.org|Wordpress.com:可免费创建你的新网站。
Strikingly:关注领域中免费无限的移动优
- localStorage、sessionStorage
uule
localStorage
W3School 例子
HTML5 提供了两种在客户端存储数据的新方法:
localStorage - 没有时间限制的数据存储
sessionStorage - 针对一个 session 的数据存储
之前,这些都是由 cookie 完成的。但是 cookie 不适合大量数据的存储,因为它们由每个对服务器的请求来传递,这使得 cookie 速度很慢而且效率也不