- 收评:两市震荡沪指涨0.57%创业板指涨1.42% 光伏风能板块大涨
甚念_3264
金融界网站9月14日讯早盘三大股指高开,盘初市场震荡上行,创业板指一度涨超2%,随后指数呈现震荡整理态势,临近午盘小幅回落;午后A股延续低迷表现,深成指两度翻绿,尾盘两市小幅上扬。截至收盘,沪指涨0.57%,报3278.81点,深成指涨0.61%,报13021.99点,创业板指涨1.42%,报2572.6点。两市成交额约7700亿元;北向资金净流入近20亿元。行业板块方面,环保工程、材料行业、仪器
- 12月20日打卡
小小冰棍儿
当我拿着手机的时候眼睛已经睁不开了,下午给社团的家长们发照片时已经迷糊的不行了,眼皮子几乎是要用手掰开才行。今天一天跟打仗一样,不光是今天,其实从昨天我和露露老师一起赶制发簪开始就已经是在打着鸡血向前冲了。为了筹备郑州市校本课程展,社团的每个老师都为之付出了很多时间和精力。翁老师和原老师的时间几乎都用在参展的节目的排演和修改上。尤其是一二年级小朋友们展示的《梦娃》,更是花费了很多精力和心思。也就是
- 高铁站违规撑伞识别误检率↓79%:陌讯多模态融合算法实战解析
2501_92722744
算法人工智能目标检测计算机视觉目标跟踪
原创声明本文为原创技术解析,核心技术参数与架构参考自《陌讯技术白皮书》,禁止未经授权的转载与改编。一、行业痛点:密集场景下的违规撑伞识别难题在高铁站、地铁站等交通枢纽,违规撑伞(如非雨天在站台、通道内持伞)可能引发客流拥堵、设备刮擦等安全隐患。然而,传统视觉识别方案面临三大核心挑战:环境干扰大:进出站口光线突变(正午强光/夜间弱光)导致伞面特征提取不稳定,某枢纽站点实测数据显示,阴雨天违规撑伞识别
- 建筑施工场景下漏检率↓76%!陌讯多模态融合算法在工程安全监控的落地实践
2501_92722744
大数据算法目标跟踪人工智能计算机视觉目标检测
原创声明本文为原创技术解析,核心技术参数与架构设计引用自《陌讯技术白皮书》,转载请注明来源。一、行业痛点:建筑施工监控的技术瓶颈建筑施工场景的安全监控长期面临多重技术挑战:数据支撑:据《2023建筑施工安全自动化监控报告》显示,传统监控系统对“未佩戴安全帽”“高空抛物”等危险行为的漏检率超35%,误报率高达42%,导致安全事故响应滞后[7]。场景难点:工地存在强光直射(正午阳光)、动态遮挡(塔吊/
- 努力前行才是硬道理
Authority_8f15
我常常想:即使不为了什么远大理想,为了好好生活,你也得努力奋斗啊,不然别说什么风花雪月了,柴米油盐也能让你一筹莫展。规划我的路,一步一步走,不去用嘴说,而是用心做。在我们能掌控和拼搏的时间里,去提升我们生命的质量。没有一条路是弯路,也没有一种努力是荒废,因为生命的精彩从来都不是以结局论断好坏。人生的奔跑,取决于坚持,所有的成功,取决于努力,即使有一百个理由放弃,你也要找一个理由努力,不为别的,只为
- 星宸科技SSU9386荣获2024年度AI创新产品奖,彰显AI芯实力
Comake Online
人工智能科技
8月27日,由elexcon2024深圳国际电子展携手电子发烧友网联合发起的“2024年度市场卓越表现奖”颁奖典礼在深圳会展中心(福田)举行。星宸科技自主研发的“AllinOne”AI芯片SSU9386凭借其创新的设计理念、卓越的性能表现以及在智能机器人市场的出色表现,荣获2024年度AI创新产品奖。2024年度市场卓越创新奖共设置五大奖项,旨在通过业界共同推荐,评选出元器件行业内市场表现优秀,具
- 计算机组成原理—— 总线系统(十二)
编程星辰海
计算机组成原理计算机组成原理
不要害怕失败,因为每一次跌倒都是站起来的前奏;不要畏惧未知,因为在探索的过程中你会发现未曾预见的美好。你的每一步努力都在为未来的成功铺路,即使现在看不到成果,但请相信积累的力量。那些看似平凡的努力,终将在某一刻绽放出惊人的光芒。记住,你是独一无二的存在,拥有着别人无法复制的独特价值。你的思想、你的创造力以及你的热情都是这个世界所需要的光亮。在这个广阔的世界里,总有属于你的一席之地,一个你可以尽情展
- 阿猪写给阿喵的第二封信
玢岇
展信快乐!阿喵,你好。我想一段关系能够很好的相处下去的关键点就在于,双方都能清楚地定位自己的角色。我们之间的关系是好朋友,是普通朋友还是点赞之交,如果没有角色意识,这样的关系很难继续下去。会有这样的想法,是因为那晚在大排档(喝啤酒)吃宵夜时,阿峦跟我说想我,说她生病了。因为我没有及时回复和关心她开始生气,到现在都不想理对方。阿喵,你有没有过一段让你感到很有压力的关系呢?要说起来的话,是我自己主动去
- 以太坊ETF流入量超越比特币 XBIT分析买币市场动态与最新价格
BOSSWallet7月27日讯,本周,ETHETF净流入达到18.5亿美元,约为BTCETF净流入量7200万美元的25倍。目前,ETHETF组合持有的总资产超过200亿美元,其中一半是由贝莱德的ETHA最近突破了100亿美元。XBIT表示:以太坊在ETF市场中的吸引力正在迅速提升,资金正大量涌入以太坊相关的ETF产品。图片来源:BOSSWalletETHETF的显著流动似乎主要是由寻求基差交易
- 【读史明智096】论语系列之八十一
希音无问西东
8.13:子曰:“笃信好学,守死善道。危邦不入,乱邦不居。天下有道则见①,无道则隐。邦有道,贫且贱焉,耻也。邦无道,富且贵焉,耻也。”注①:“见”同“现”,见《论语集释》。8.14:子曰:“不在其位,不谋其政。”原句译文8.13孔子说:“坚守信誉,努力学习,誓死主持正义;不入险地,不居乱国;社会太平则一展才华,社会黑暗则隐姓埋名。治世中,贫贱是耻辱;乱世中,富贵也是耻辱。”8.14孔子说:“不在那
- 睡岗识别漏检率 3%?陌讯动态检测技术解密
2501_92487762
视觉检测计算机视觉算法
在工业生产与安防监控领域,睡岗行为检测一直是保障作业安全的关键环节。传统监控系统依赖人工巡检,不仅人力成本高昂,还存在80%以上的漏检风险;而普通视觉算法则常因光照变化、姿态遮挡等问题,出现高达30%的误报率,严重干扰监控效率[实测数据来源:某能源企业2024年运维报告]。这些痛点直接导致生产事故隐患增加,据统计,制造业因睡岗引发的安全事故占比达17%,单次事故平均损失超50万元。技术解析:从传统
- 路口实时检测 30FPS+:陌讯抗遮挡算法实测
2501_92488070
算法计算机视觉视觉检测边缘计算智慧城市
开篇痛点:复杂路口的视觉识别困境在城市交通治理中,行人闯红灯行为检测一直是智能监控的难点。传统视觉算法在实际部署中常面临三重挑战:强光/逆光环境下目标特征丢失导致的漏检率超20%;行人与非机动车遮挡场景下误判率高达15%;普通GPU设备上难以维持25FPS以上的实时性[3]。某二线城市交管部门曾反馈,基于开源模型的系统每月产生超3000条无效告警,严重消耗人力核查资源。这些问题的核心在于传统单模态
- 打电话识别误报率↓82%:陌讯轻量化部署算法实战解析
2501_92474790
人工智能算法智慧城市计算机视觉目标检测目标跟踪
原创声明:本文内容基于独立技术解析,部分数据引用自“陌讯技术白皮书”,严禁未经授权转载。摘要:针对边缘计算优化和复杂场景鲁棒性挑战,本文解析陌讯视觉算法在打电话识别中的轻量化部署方案。实测显示,该方案在误报率指标上较基线提升显著,适用于安防监控等场景。一、行业痛点打电话识别在安防监控中面临严峻挑战。行业报告显示,公共场所有效行为识别误报率超35%(来源:2024年《智能安防白皮书》)。具体难点包括
- 破解电梯场景难题:陌讯识别算法 mAP 达 98.7%
2501_92474790
算法计算机视觉目标检测智慧城市目标跟踪
开篇痛点:电梯间电动车识别的行业困局传统视觉算法在电梯间电动车检测场景中始终面临三重挑战:复杂光线环境下(如强光直射、夜间低照度)目标特征提取不稳定,电动车与婴儿车、行李箱等相似物体的误判率高达35%;电梯轿厢狭小空间导致目标畸变严重,小目标检测漏检率超过20%;普通模型在边缘设备部署时难以兼顾精度与速度,FPS普遍低于15帧[实测数据显示]。这些问题直接导致物业安防系统告警泛滥,真正的安全隐患却
- 电线杆鸟巢识别误报率↓72%:陌讯多模态融合算法实战解析
2501_92474779
算法人工智能目标跟踪计算机视觉机器学习
原创声明本文为原创技术解析文章,核心技术参数与架构描述参考自《陌讯技术白皮书》,转载请注明来源。一、行业痛点:电线杆鸟巢识别的现实挑战电力巡检领域中,电线杆鸟巢被列为重要安全隐患之一。据电力行业运维报告显示,传统机器视觉系统在该场景下存在三大核心问题:复杂背景干扰:鸟巢与枯枝、塑料杂物的视觉特征高度相似,导致误报率超35%环境适应性差:逆光、阴雨等天气下识别准确率骤降40%以上边缘部署瓶颈:变电站
- 驾乘场景下漏检率↓76%!陌讯动态特征融合算法在安全带穿戴识别中的实战优化
2501_92474779
人工智能目标跟踪计算机视觉算法目标检测
原创声明本文为原创技术解析,核心技术参数与架构设计引用自《陌讯技术白皮书》,禁止未经授权的转载与篡改。一、行业痛点:安全带穿戴识别的现实挑战据交通部2023年道路运输安全报告显示,货运车辆与网约车的安全带穿戴识别场景中,传统算法存在三大核心问题:复杂光照干扰:逆光场景下(如清晨/傍晚行车),安全带特征被强光淹没,误报率高达52%;动态遮挡难题:驾驶员衣物(如外套、背包)覆盖安全带时,漏检率常超35
- 棉田霉斑病难识别?陌讯跨季节检测方案误判率直降58%!
2501_92474779
人工智能算法目标跟踪计算机视觉机器学习
开篇痛点在农业病虫害识别场景中,传统算法常面临三大挑战:叶片遮挡导致的特征丢失(约32%误检)、跨季节形态变异(冬夏病虫害差异超60%)、复杂光照干扰(田间正午强光下mAP暴跌28%)。这些痛点使得许多农企不得不依赖人工筛查,每千亩农田质检成本高达¥5600。技术解析:多模态融合与自蒸馏架构陌讯视觉算法创新性地采用双流特征金字塔+自蒸馏机制解决上述问题:#核心代码片段(特征融合模块)classMu
- 电表箱识别漏检率高?陌讯算法实测降 90%
在电力巡检领域,电表箱状态识别一直是计算机视觉技术落地的难点。传统人工巡检模式下,一个台区的200个电表箱需2名巡检员耗时1天完成,且受光线、天气影响,误判率常超过15%。而采用普通开源算法部署的自动识别系统,又面临箱体污渍遮挡、表计型号混杂、边缘计算设备算力有限等多重挑战,实际商用时mAP(平均精度)往往跌破70%,难以满足电力行业的可靠性要求技术解析:从传统方法到陌讯创新架构传统电表箱识别多采
- 夜间监控模糊不清?陌讯低光目标检测方案解读
2501_92474779
目标跟踪人工智能计算机视觉算法目标检测
开篇痛点:安防监控的检测困局在智慧城市建设浪潮下,安防监控面临核心矛盾:复杂场景中传统算法的泛化性短板日益凸显。某市级公安部门数据显示,夜间监控的误报率高达34%,雨雾天气下漏检率超40%。更严峻的是,密集人流场景中YOLOv5的ID丢失率达28%,实时预警几乎瘫痪——这恰是陌讯视觉算法v3.2的破局切入点。技术解析:三阶时空融合架构传统单帧检测在遮挡场景易失效,陌讯的创新在于时空联合建模:#陌讯
- 岸边垃圾识别准确率↑32%:陌讯多模态融合算法实战解析
2501_92474745
深度学习人工智能算法目标检测计算机视觉视觉检测
原创声明本文为原创技术解析,核心技术参数与架构设计引用自《陌讯技术白皮书》,转载请注明来源。一、行业痛点:岸边垃圾识别的三大技术瓶颈岸边垃圾监测是水环境治理的重要环节,但传统视觉方案始终面临难以突破的技术壁垒:复杂背景干扰:岸边植被、岩石、水面反光等与垃圾目标特征高度相似,某环保机构报告显示,传统模型误将水草识别为塑料袋的概率超35%;动态环境鲁棒性不足:早晚光照差异(逆光场景亮度差可达2000l
- 实时检测延迟超200ms?陌讯新框架FPS提速50%揭晓
2501_92474779
目标跟踪人工智能计算机视觉机器学习算法视觉检测
开篇痛点在现代安防监控场景中,实时目标检测(Real-timeObjectDetection)至关重要,但传统算法如FasterR-CNN或YOLOv5往往面临严峻挑战。实测数据显示:复杂环境下(如夜间低光照、人群密集区),漏检率(MissRate)高达15-20%,导致安全隐患;同时,检测延迟(Latency)常超过200ms,影响应急响应。例如,某城市交通监控系统报告,在雨雾天气中的车辆误报率
- 强背光干扰拒识率↓82%!陌讯多模态融合算法在智慧安防的实战优化
摘要针对边缘计算优化在复杂光照场景的鲁棒性挑战,本文解析陌讯视觉算法的多模态融合架构。实测显示,在背光、遮挡等极端条件下较基线模型误报率降低82%,部署时延C(特征提取分支)B[红外输入]-->CC-->D{自适应融合模块}D-->E[动态决策引擎]E-->F[置信度分级输出]2.2核心算法实现动态特征聚合公式:Ffusion=∑i=1Nαi⋅ϕ(Vrgb⊕Tir)其中αi为光照强度自适应的权重系
- 智慧零售 AI 卡顿?陌讯轻量化方案 FPS 升 40%
2501_92722744
零售人工智能目标跟踪计算机视觉目标检测算法
一、开篇痛点:智慧零售视觉算法的三大行业困境在智慧零售场景中,传统视觉算法正面临着难以突破的技术瓶颈。自助结算台的商品误识别率常高达12%-18%,导致消费者频繁触发人工核验;复杂货架场景下,商品重叠、光照变化和包装相似性问题,使得目标检测漏检率超过20%;而边缘设备的算力限制,又让实时推理帧率(FPS)普遍低于25,无法满足流畅交互需求[1]。这些问题直接造成商超运营成本增加30%以上,严重制约
- 工业检测漏检率高?陌讯多模态算法降损 40%
2501_92473287
算法目标检测人工智能机器学习计算机视觉
开篇:工业检测的“隐形损耗”难题在汽车零部件、电子制造等精密工业场景中,传统视觉检测系统正面临严峻挑战:复杂光照下金属表面缺陷漏检率超15%,多类瑕疵并存时算法误判率高达20%,生产线因人工复检导致的停机损失年均超百万[1]。某新能源电池厂商曾反馈,基于开源YOLOv5的检测方案在极耳缺陷检测中,因无法区分“褶皱”与“裂纹”,导致合格产品误判率达8%,直接造成每月30万元物料浪费。这些问题的核心在
- 漏检率骤升20%的安防困局:陌讯动态剪枝技术如何破局
2501_92473199
人工智能机器学习算法目标检测计算机视觉视觉检测
1.开篇痛点:安防监控的夜间困局传统目标检测算法在复杂安防场景中面临三重挑战:光照敏感:低光环境下行人检测mAP暴跌至65%以下,夜间误报率高达40%目标遮挡:密集场景(如校园周界)漏检率超25%,某园区因货柜遮挡漏检损失超万元/次算力瓶颈:边缘设备(如JetsonXavier)运行YOLOv5仅12FPS,响应延迟>200ms某安防厂商反馈:40%误报率迫使每2小时人工复核,运维成本激增37%2
- 动态客流分析新突破!陌讯多模态融合算法在智慧零售的落地优化
原创声明:本文技术方案解析基于陌讯视觉算法技术白皮书V3.2版本一、行业痛点:零售场景的精准感知困境据麦肯锡《2024零售数字化报告》显示,传统客流统计方案在复杂场景下存在显著瓶颈:误检率超35%:镜面反射、密集遮挡导致的顾客计数偏差(如图1)动态追踪失效:购物车/儿童跟随场景ID切换频率高达2.3次/秒[7]graphLRA[强反光地板]-->B[特征点丢失]C[亲子群体粘连]-->D[ID分配
- 强干扰下误报率↓85%!陌讯动态感知算法在工业消防的实战解析
2501_92473287
算法目标检测计算机视觉深度学习人工智能
摘要:针对工业场景明火烟雾检测的边缘计算优化,实测显示陌讯动态感知算法在强干扰环境下较基线模型误报率↓85%,
[email protected]达87.6%。一、行业痛点:工业消防的监测困境据《工业安全监测白皮书2025》统计,石化厂区因蒸汽干扰导致的火灾误报率高达38.7%[7]。核心挑战包括:光学干扰:高温蒸汽与金属反光产生伪烟雾特征形态多变:明火在通风环境下呈现非稳态扩散实时性要求:响应延迟>200ms将导致连
- #每天一本书+一页笔记# 1323《樋口愉美子的双色刺绣》
May终身阅读者
#一生一万本计划#10000/1323【阅读日期】20211030【书名】樋口愉美子的双色刺绣【作者】樋口愉美子【关键词】双色刺绣技巧、图样【分类】手工【简评】作者一直从事手做包设计、销售、作品展,曾发表众多以植物、昆虫为主题的原创刺绣作品。本书与作者上一本作品《樋口愉美子的单色刺绣》风格一致,详细介绍了20组图案的刺绣方法、材料、工具,多种常用小物件的裁剪纸样、缝制步骤,还介绍了刺绣8种基础针法
- 这个“看不见的问题”,才是工业数据管理的终极难题
CSDN资讯
TDengine大数据
在谈论#工业数据管理时,我们常常会听到“4V”这样的术语,而在#大数据领域,也有类似的版本,甚至扩展成了5V、6V、乃至8V。但一个问题随之而来:这些被广泛引用的数据特征,真的代表了用户的痛点吗?真的切中了工业企业在实际应用中最棘手的挑战吗?TDengine解决方案架构师陈展隆结合自己多年服务工业客户的经验,分享了他对这个问题的深入观察与思考。或许,我们该重新思考:数据管理的“用户”到底是谁?又是
- vue+element-ui实现主子表
征尘bjajmd
vue.jselementuijavascript
https://www.cnblogs.com/falcon-fei/p/11060040.html需要实现如下效果一般ERP中,订单数据都分为汇总信息与明细信息,然后在查询的时候一次性从后台查询多条订单json数据,并将汇总信息展示到表格中。但是明细信息也是用户需要关注的,比如用户可能会想知道某个订单里面具体包含哪些商品,下单数量分别是多少。这时候就需要能够点击具体汇总信息行数据的时候,在下方展
- java线程Thread和Runnable区别和联系
zx_code
javajvmthread多线程Runnable
我们都晓得java实现线程2种方式,一个是继承Thread,另一个是实现Runnable。
模拟窗口买票,第一例子继承thread,代码如下
package thread;
public class ThreadTest {
public static void main(String[] args) {
Thread1 t1 = new Thread1(
- 【转】JSON与XML的区别比较
丁_新
jsonxml
1.定义介绍
(1).XML定义
扩展标记语言 (Extensible Markup Language, XML) ,用于标记电子文件使其具有结构性的标记语言,可以用来标记数据、定义数据类型,是一种允许用户对自己的标记语言进行定义的源语言。 XML使用DTD(document type definition)文档类型定义来组织数据;格式统一,跨平台和语言,早已成为业界公认的标准。
XML是标
- c++ 实现五种基础的排序算法
CrazyMizzz
C++c算法
#include<iostream>
using namespace std;
//辅助函数,交换两数之值
template<class T>
void mySwap(T &x, T &y){
T temp = x;
x = y;
y = temp;
}
const int size = 10;
//一、用直接插入排
- 我的软件
麦田的设计者
我的软件音乐类娱乐放松
这是我写的一款app软件,耗时三个月,是一个根据央视节目开门大吉改变的,提供音调,猜歌曲名。1、手机拥有者在android手机市场下载本APP,同意权限,安装到手机上。2、游客初次进入时会有引导页面提醒用户注册。(同时软件自动播放背景音乐)。3、用户登录到主页后,会有五个模块。a、点击不胫而走,用户得到开门大吉首页部分新闻,点击进入有新闻详情。b、
- linux awk命令详解
被触发
linux awk
awk是行处理器: 相比较屏幕处理的优点,在处理庞大文件时不会出现内存溢出或是处理缓慢的问题,通常用来格式化文本信息
awk处理过程: 依次对每一行进行处理,然后输出
awk命令形式:
awk [-F|-f|-v] ‘BEGIN{} //{command1; command2} END{}’ file
[-F|-f|-v]大参数,-F指定分隔符,-f调用脚本,-v定义变量 var=val
- 各种语言比较
_wy_
编程语言
Java Ruby PHP 擅长领域
- oracle 中数据类型为clob的编辑
知了ing
oracle clob
public void updateKpiStatus(String kpiStatus,String taskId){
Connection dbc=null;
Statement stmt=null;
PreparedStatement ps=null;
try {
dbc = new DBConn().getNewConnection();
//stmt = db
- 分布式服务框架 Zookeeper -- 管理分布式环境中的数据
矮蛋蛋
zookeeper
原文地址:
http://www.ibm.com/developerworks/cn/opensource/os-cn-zookeeper/
安装和配置详解
本文介绍的 Zookeeper 是以 3.2.2 这个稳定版本为基础,最新的版本可以通过官网 http://hadoop.apache.org/zookeeper/来获取,Zookeeper 的安装非常简单,下面将从单机模式和集群模式两
- tomcat数据源
alafqq
tomcat
数据库
JNDI(Java Naming and Directory Interface,Java命名和目录接口)是一组在Java应用中访问命名和目录服务的API。
没有使用JNDI时我用要这样连接数据库:
03. Class.forName("com.mysql.jdbc.Driver");
04. conn
- 遍历的方法
百合不是茶
遍历
遍历
在java的泛
- linux查看硬件信息的命令
bijian1013
linux
linux查看硬件信息的命令
一.查看CPU:
cat /proc/cpuinfo
二.查看内存:
free
三.查看硬盘:
df
linux下查看硬件信息
1、lspci 列出所有PCI 设备;
lspci - list all PCI devices:列出机器中的PCI设备(声卡、显卡、Modem、网卡、USB、主板集成设备也能
- java常见的ClassNotFoundException
bijian1013
java
1.java.lang.ClassNotFoundException: org.apache.commons.logging.LogFactory 添加包common-logging.jar2.java.lang.ClassNotFoundException: javax.transaction.Synchronization
- 【Gson五】日期对象的序列化和反序列化
bit1129
反序列化
对日期类型的数据进行序列化和反序列化时,需要考虑如下问题:
1. 序列化时,Date对象序列化的字符串日期格式如何
2. 反序列化时,把日期字符串序列化为Date对象,也需要考虑日期格式问题
3. Date A -> str -> Date B,A和B对象是否equals
默认序列化和反序列化
import com
- 【Spark八十六】Spark Streaming之DStream vs. InputDStream
bit1129
Stream
1. DStream的类说明文档:
/**
* A Discretized Stream (DStream), the basic abstraction in Spark Streaming, is a continuous
* sequence of RDDs (of the same type) representing a continuous st
- 通过nginx获取header信息
ronin47
nginx header
1. 提取整个的Cookies内容到一个变量,然后可以在需要时引用,比如记录到日志里面,
if ( $http_cookie ~* "(.*)$") {
set $all_cookie $1;
}
变量$all_cookie就获得了cookie的值,可以用于运算了
- java-65.输入数字n,按顺序输出从1最大的n位10进制数。比如输入3,则输出1、2、3一直到最大的3位数即999
bylijinnan
java
参考了网上的http://blog.csdn.net/peasking_dd/article/details/6342984
写了个java版的:
public class Print_1_To_NDigit {
/**
* Q65.输入数字n,按顺序输出从1最大的n位10进制数。比如输入3,则输出1、2、3一直到最大的3位数即999
* 1.使用字符串
- Netty源码学习-ReplayingDecoder
bylijinnan
javanetty
ReplayingDecoder是FrameDecoder的子类,不熟悉FrameDecoder的,可以先看看
http://bylijinnan.iteye.com/blog/1982618
API说,ReplayingDecoder简化了操作,比如:
FrameDecoder在decode时,需要判断数据是否接收完全:
public class IntegerH
- js特殊字符过滤
cngolon
js特殊字符js特殊字符过滤
1.js中用正则表达式 过滤特殊字符, 校验所有输入域是否含有特殊符号function stripscript(s) { var pattern = new RegExp("[`~!@#$^&*()=|{}':;',\\[\\].<>/?~!@#¥……&*()——|{}【】‘;:”“'。,、?]"
- hibernate使用sql查询
ctrain
Hibernate
import java.util.Iterator;
import java.util.List;
import java.util.Map;
import org.hibernate.Hibernate;
import org.hibernate.SQLQuery;
import org.hibernate.Session;
import org.hibernate.Transa
- linux shell脚本中切换用户执行命令方法
daizj
linuxshell命令切换用户
经常在写shell脚本时,会碰到要以另外一个用户来执行相关命令,其方法简单记下:
1、执行单个命令:su - user -c "command"
如:下面命令是以test用户在/data目录下创建test123目录
[root@slave19 /data]# su - test -c "mkdir /data/test123" 
- 好的代码里只要一个 return 语句
dcj3sjt126com
return
别再这样写了:public boolean foo() { if (true) { return true; } else { return false;
- Android动画效果学习
dcj3sjt126com
android
1、透明动画效果
方法一:代码实现
public View onCreateView(LayoutInflater inflater, ViewGroup container, Bundle savedInstanceState)
{
View rootView = inflater.inflate(R.layout.fragment_main, container, fals
- linux复习笔记之bash shell (4)管道命令
eksliang
linux管道命令汇总linux管道命令linux常用管道命令
转载请出自出处:
http://eksliang.iteye.com/blog/2105461
bash命令执行的完毕以后,通常这个命令都会有返回结果,怎么对这个返回的结果做一些操作呢?那就得用管道命令‘|’。
上面那段话,简单说了下管道命令的作用,那什么事管道命令呢?
答:非常的经典的一句话,记住了,何为管
- Android系统中自定义按键的短按、双击、长按事件
gqdy365
android
在项目中碰到这样的问题:
由于系统中的按键在底层做了重新定义或者新增了按键,此时需要在APP层对按键事件(keyevent)做分解处理,模拟Android系统做法,把keyevent分解成:
1、单击事件:就是普通key的单击;
2、双击事件:500ms内同一按键单击两次;
3、长按事件:同一按键长按超过1000ms(系统中长按事件为500ms);
4、组合按键:两个以上按键同时按住;
- asp.net获取站点根目录下子目录的名称
hvt
.netC#asp.nethovertreeWeb Forms
使用Visual Studio建立一个.aspx文件(Web Forms),例如hovertree.aspx,在页面上加入一个ListBox代码如下:
<asp:ListBox runat="server" ID="lbKeleyiFolder" />
那么在页面上显示根目录子文件夹的代码如下:
string[] m_sub
- Eclipse程序员要掌握的常用快捷键
justjavac
javaeclipse快捷键ide
判断一个人的编程水平,就看他用键盘多,还是鼠标多。用键盘一是为了输入代码(当然了,也包括注释),再有就是熟练使用快捷键。 曾有人在豆瓣评
《卓有成效的程序员》:“人有多大懒,才有多大闲”。之前我整理了一个
程序员图书列表,目的也就是通过读书,让程序员变懒。 写道 程序员作为特殊的群体,有的人可以这么懒,懒到事情都交给机器去做,而有的人又可
- c++编程随记
lx.asymmetric
C++笔记
为了字体更好看,改变了格式……
&&运算符:
#include<iostream>
using namespace std;
int main(){
int a=-1,b=4,k;
k=(++a<0)&&!(b--
- linux标准IO缓冲机制研究
音频数据
linux
一、什么是缓存I/O(Buffered I/O)缓存I/O又被称作标准I/O,大多数文件系统默认I/O操作都是缓存I/O。在Linux的缓存I/O机制中,操作系统会将I/O的数据缓存在文件系统的页缓存(page cache)中,也就是说,数据会先被拷贝到操作系统内核的缓冲区中,然后才会从操作系统内核的缓冲区拷贝到应用程序的地址空间。1.缓存I/O有以下优点:A.缓存I/O使用了操作系统内核缓冲区,
- 随想 生活
暗黑小菠萝
生活
其实账户之前就申请了,但是决定要自己更新一些东西看也是最近。从毕业到现在已经一年了。没有进步是假的,但是有多大的进步可能只有我自己知道。
毕业的时候班里12个女生,真正最后做到软件开发的只要两个包括我,PS:我不是说测试不好。当时因为考研完全放弃找工作,考研失败,我想这只是我的借口。那个时候才想到为什么大学的时候不能好好的学习技术,增强自己的实战能力,以至于后来找工作比较费劲。我
- 我认为POJO是一个错误的概念
windshome
javaPOJO编程J2EE设计
这篇内容其实没有经过太多的深思熟虑,只是个人一时的感觉。从个人风格上来讲,我倾向简单质朴的设计开发理念;从方法论上,我更加倾向自顶向下的设计;从做事情的目标上来看,我追求质量优先,更愿意使用较为保守和稳妥的理念和方法。
&