千行百行
千行百行

从时间序列中提取特征的几种方法

文章目录

  • 方法概述
  • 可能有用的轮子
  • Reference
  • see also

方法概述

  1. 形状特征：DTW、shapelets、CNN
  2. 时间依赖特征：循环神经网络（LSTM、GRU）、反馈网络
  3. 序列变换特征：自动编码、seq2seq变换

可能有用的轮子

  1. shaplets-python：https://github.com/mohaseeb/shaplets-python
  2. sktime：https://www.sktime.org/en/latest/api_reference/classification.html#shapelet-based
  3. DTW：tslearn（文档比较全，但不是专门搞DTW的）、dtw、fastDTW
  4. 欢迎补充

Reference

  1. 任守纲,张景旭,顾兴健,熊迎军,王浩云,徐焕良.时间序列特征提取方法研究综述[J].小型微型计算机系统,2021,42(02):271-278.

see also

  1. 如何计算两个时间序列之间的dtw距离？用四种python包实现

你可能感兴趣的:(论文学习,时间序列,shapelet)

  • centos7 安装influxdb+telegraf+grafana 监控服务器 吕吕-lvlv grafana服务器运维
    influxdbinfluxdb是一个时间序列数据库,所有数据记录都会打上时间戳,适合存储数字类型的内容telegraftelegraf可以用于收集系统和服务的统计数据并发送到influxdbgrafanagrafana是一个界面非常漂亮,可直接读取influxdb数据展示成各种图表的开源可视化web软件安装并启动influxdb数据库vim/etc/yum.repos.d/influxdb.re
  • 【循环神经网络rnn】一篇文章讲透 CX330的烟花 rnn人工智能深度学习算法python机器学习数据结构
    目录引言二、RNN的基本原理代码事例三、RNN的优化方法1长短期记忆网络（LSTM）2门控循环单元（GRU）四、更多优化方法1选择合适的RNN结构2使用并行化技术3优化超参数4使用梯度裁剪5使用混合精度训练6利用分布式训练7使用预训练模型五、RNN的应用场景1自然语言处理2语音识别3时间序列预测六、RNN的未来发展七、结论引言众所周知，CNN与循环神经网络（RNN）或生成对抗网络（GAN）等算法结
  • 数据分析-Pandas数据探查初步：离散点图 Alex_StarSky 金融风控数据分析pandaspythonVisualization
    数据分析-Pandas数据探查初步：离散点图数据分析和处理中，难免会遇到各种数据，那么数据呈现怎样的规律呢？不管金融数据，风控数据，营销数据等等，莫不如此。如何通过图示展示数据的规律？数据表，时间序列数据在数据分析建模中很常见，例如天气预报，空气状态监测，股票交易等金融场景。数据分析过程中重新调整，重塑数据表是很重要的技巧，此处选择Titanic数据，以及巴黎、伦敦欧洲城市空气质量监测NO2NO_
  • LightGBM高级教程：时间序列建模 Echo_Wish Python算法Python笔记人工智能深度学习机器学习数据挖掘
    导言时间序列数据在许多领域中都非常常见，如金融、气象、交通等。LightGBM作为一种高效的梯度提升决策树算法，可以用于时间序列建模。本教程将详细介绍如何在Python中使用LightGBM进行时间序列建模，并提供相应的代码示例。数据准备首先，我们需要加载时间序列数据并准备数据用于模型训练。以下是一个简单的示例：importpandasaspd#加载时间序列数据data=pd.read_csv('
  • R语言武汉流动人口趋势预测：灰色模型GM（1，1）、ARIMA时间序列、logistic逻辑回归模型|附代码数据 数据挖掘深度学习机器学习算法
    全文链接：http://tecdat.cn/?p=32496原文出处：拓端数据部落公众号人口流动与迁移，作为人类产生以来就存在的一种社会现象，伴随着人类文明的不断进步从未间断。人力资源是社会文明进步、人民富裕幸福、国家繁荣昌盛的核心推动力量。当前，我国经济正处于从以政府主导的投资驱动型的经济“旧常态”向以市场需求为主导的经济“新常态”转型过渡期。本文帮助客户综合运用R语言灰色预测模型和logist
  • 10 中科院1区期刊优化算法|基于开普勒优化-卷积-双向长短期记忆网络-注意力时序预测Matlab程序KOA-CNN-BiLSTM-Attention 机器不会学习CSJ 时间序列预测算法网络matlabcnnlstm深度学习
    文章目录一、开普勒优化算法二、CNN卷积神经网络三、BiLSTM双向长短期记忆网络四、注意力机制五、KOA-CNN-BiLSTM-Attention时间序列数据预测模型六、获取方式一、开普勒优化算法基于物理学定律的启发，开普勒优化算法（KeplerOptimizationAlgorithm，KOA）是一种元启发式算法，灵感来源于开普勒的行星运动规律。该算法模拟行星在不同时间的位置和速度，每个行星代
  • 08 2024年1月最新优化算法 美洲狮优化算法(PO) 基于美洲狮PO优化CNN-BiLSTM-Attention的时间序列数据预测算法PO-CNN-LSTM-Attention 优先使用就是创新！ 机器不会学习CSJ 算法cnnlstm机器学习人工智能神经网络matlab
    提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录一、美洲狮优化算法二、CNN卷积神经网络三、BiLSTM双向长短期记忆网络四、注意力机制五、PO-CNN-BiLSTM-Attention时间序列数据预测模型六、核心代码七、结果展示八、获取方式一、美洲狮优化算法美洲狮是一种原产于美洲大陆的大型猫科动物，在南美洲的安第斯山脉到加拿大的育空地区都有它们的栖息地。作为美洲第二大的猫
  • 07基于WOA-CNN-BiLSTM-Attention鲸鱼优化-卷积-双向长短时记忆-注意力机制的时间序列预测算法 机器不会学习CSJ 时间序列预测cnn算法人工智能
    文章目录鲸鱼优化算法CNN卷积神经网络BiLSTM双向长短期记忆网络Attention注意力机制WOA-CNN-BiLSTM-Attention鲸鱼优化-卷积-双向长短时记忆-注意力机制数据展示代码程序实验结果获取方式鲸鱼优化算法鲸鱼优化算法（WhaleOptimizationAlgorithm，WOA）是一种启发式优化算法，灵感来源于座头鲸的捕食行为。该算法最早由SeyedaliMirjalil
  • Google Earth Engine（GEE）——1981年至今全球逐日降水数据集（最终版） 此星光明 GEE数据集专栏开发语言JavaScript数据集降水gee
    CHIRPS：气候灾害组红外降水站点数据（版本2.0最终版）气候灾害组红外降水与站数据(CHIRPS)是一个30多年的准全球降雨数据集。CHIRPS将0.05°分辨率的卫星图像与现场站数据相结合，创建网格化降雨时间序列，用于趋势分析和季节性干旱监测。注意：这个数据集中没有高纬度地区的国家包括中国的内蒙古东北部和黑龙江省西北部，以及新疆的北部。分辨率5566米波段姓名单位敏最大限度描述precipi
  • Google Earth Engine（GEE）——基于Landsat的1985-2020年美国西部地区土地分类数据集 此星光明 GEE数据集专栏gee分类数据集土地植被覆盖
    数据介绍：美国西部的牧场生态系统对气候变化、火灾和其他人为干扰有动态反应。牧场状况、监测、评估和预测（RCMAP）产品旨在通过使用1985-2020年的Landsat图像量化美国西部牧场组成部分的覆盖百分比、相关误差和趋势来捕捉这种反应。RCMAP使用1985-2020年的Landsat图像，量化了美国西部牧场各组成部分的覆盖率（根据Rigge等人，2020）。RCMAP时间序列由八个部分组成：一
  • MongoDB语言命令 蓝白汤姆 mongodb数据库
    文章目录MongoDBshellMongoDB数据类型数据插入数据查询数据删除数据更新MongoDb数组更新和时间序列MongoDB特殊索引mongoDB权限设置MongoDBshell1、MongoDB用文档的形式存储数据，BSON的数据格式。2、MongoDB与传统数据库相比，集合相当于表，文档相当于记录，不需要提前定义好数据模型。3、MongoDB的写操作的原子性限制在文档级别，单个文档不能
  • LSTM原理解析 Andy_shenzl DeepLearing&pytorchlstm深度学习神经网络
    一、背景前文讲了RNN的基本原理，可以发现RNN是一个比较简单的神经网络结构，虽然为文本和时间序列的建模提供了一个很好的思路，但是也有一定的局限性。最直观的就是使用了Tanh函数造成梯度消失的问题。根据Tanh的性质，很容易出现一个现象就是激活函数结果太大，激活函数的绝对值在很接近于1的位置，而对应的激活函数的梯度就会接近于0。这样，在沿着时间反向传播的过程中，梯度就会逐渐减小，知道非常接近于0，
  • 【MATLAB】BiGRU神经网络回归预测算法 Lwcah MATLAB回归预测算法算法matlab神经网络
    有意向获取代码，请转文末观看代码获取方式~也可转原文链接获取~1基本定义BiGRU神经网络回归预测算法是一种基于双向门控循环单元（GRU）的多变量时间序列预测方法。该方法结合了双向模型和门控机制，旨在有效地捕捉时间序列数据中的时序关系和多变量之间的相互影响。具体来说，BiGRU模型由两个方向的GRU网络组成，一个网络从前向后处理时间序列数据，另一个网络从后向前处理时间序列数据。这种双向结构可以同时
  • 【论文笔记 · PFM】Lag-Llama: Towards Foundation Models for Time Series Forecasting lokol. 论文笔记论文阅读llama
    Lag-Llama:TowardsFoundationModelsforTimeSeriesForecasting摘要本文提出Lag-Llama，在大量时间序列数据上训练的通用单变量概率时间序列预测模型。模型在分布外泛化能力上取得较好效果。模型使用平滑破坏幂律（smoothlybrokenpower-laws）。介绍目前任务主要集中于在相同域的数据上训练模型。当前已有的大规模通用模型在大规模不同数
  • 时间序列预测 — ARIMA模型原理 几度春风里 时间序列预测时间序列预测ARIMA
    专栏链接：https://blog.csdn.net/qq_41921826/category_12495091.html专栏内容所有文章提供源代码、数据集、效果可视化文章多次上领域内容榜、每日必看榜单、全站综合热榜
  • Lag-Llama:第一个时间序列预测的开源基础模型介绍和性能测试 deephub llama深度学习时间序列基础模型
    2023年10月，我们发表了一篇关于TimeGPT的文章，TimeGPT是时间序列预测的第一个基础模型之一，具有零样本推理、异常检测和共形预测能力。虽然TimeGPT是一个专有模型，只能通过API访问。但是它还是引发了对时间序列基础模型的更多研究。到了2024年2月，已经有了一个用于时间序列预测的开源基础模型:laglllama。在原论文《Lag-Llama:TowardsFoundationMo
  • 从时间序列中提取特征的几种方法 千行百行 论文学习时间序列shapelet
    文章目录方法概述可能有用的轮子Referenceseealso方法概述形状特征：DTW、shapelets、CNN时间依赖特征：循环神经网络（LSTM、GRU）、反馈网络序列变换特征：自动编码、seq2seq变换可能有用的轮子shaplets-python：https://github.com/mohaseeb/shaplets-pythonsktime：https://www.sktime.or
  • EI级 | Matlab实现TCN-GRU-MATT、TCN-GRU、TCN、GRU多变量时间序列预测对比 机器学习之心 时序预测TCN-GRU-MATTTCN-GRUTCNGRU多变量时间序列预测
    EI级|Matlab实现TCN-GRU-MATT、TCN-GRU、TCN、GRU多变量时间序列预测对比目录EI级|Matlab实现TCN-GRU-MATT、TCN-GRU、TCN、GRU多变量时间序列预测对比预测效果基本介绍程序设计参考资料预测效果基本介绍【EI级】Matlab实现TCN-GRU-MATT、TCN-GRU、TCN、GRU多变量时间序列预测对比1.data为数据集，格式为excel，
  • 多维时序 | Matlab实现TCN-RVM时间卷积神经网络结合相关向量机多变量时间序列预测 机器学习之心 时序预测TCN-RVM时间卷积神经网络相关向量机多变量时间序列预测
    多维时序|Matlab实现TCN-RVM时间卷积神经网络结合相关向量机多变量时间序列预测目录多维时序|Matlab实现TCN-RVM时间卷积神经网络结合相关向量机多变量时间序列预测效果一览基本介绍程序设计参考资料效果一览基本介绍Matlab实现TCN-RVM时间卷积神经网络结合相关向量机多变量时间序列预测（完整源码和数据）1.Matlab实现TCN-RVM时间卷积神经网络结合相关向量机多变量时间序
  • 神经网络——循环神经网络（RNN） 爱吃柠檬的天天 人工智能神经网络rnn人工智能
    神经网络——循环神经网络（RNN）文章目录神经网络——循环神经网络（RNN）一、循环神经网络（RNN）二、循环神经网络结构1、一对一（OnetoOne）2、一对多（OnetoMany）3、多对多（ManytoMany）4、多对一（ManytoOne）三、循环神经网络原理四、RNN实战1、时间序列预测五、循环神经网络的弊端一、循环神经网络（RNN）循环神经网络（RecurrentNeuralNetw
  • 多维时序 | Matlab实现LSTM-Mutilhead-Attention长短期记忆神经网络融合多头注意力机制多变量时间序列预测模型 机器学习之心 时序预测LSTMMutilheadAttention长短期记忆神经网络融合多头注意力机制多变量时间序列预测
    多维时序|Matlab实现LSTM-Mutilhead-Attention长短期记忆神经网络融合多头注意力机制多变量时间序列预测模型目录多维时序|Matlab实现LSTM-Mutilhead-Attention长短期记忆神经网络融合多头注意力机制多变量时间序列预测模型预测效果基本介绍程序设计参考资料预测效果基本介绍1.Matlab实现LSTM-Mutilhead-Attention长短期记忆神经网
  • 机器学习入门--循环神经网络原理与实践 Dr.Cup 机器学习入门机器学习rnn深度学习
    循环神经网络循环神经网络（RNN）是一种在序列数据上表现出色的人工神经网络。相比于传统前馈神经网络，RNN更加适合处理时间序列数据，如音频信号、自然语言和股票价格等。本文将介绍RNN的基本数学原理、使用PyTorch和Scikit-Learn数据集实现的代码。数学原理RNN是一种带有循环结构的神经网络，其在处理序列数据时将前一次的输出作为当前输入的一部分。这使得RNN能够记住先前的状态和信息，并且
  • 周报（202402018） 来自宇宙的曹先生 研究生阶段周报深度学习计算机视觉人工智能
    日期：2024.2.12-2024.2.18本周工作：1.了解Mamba1.1MambaMamba模型是一个创新的线性时间序列建模方法，巧妙地结合了递归神经网络（RNN）和卷积神经网络（CNN）的特点，解决了处理长序列时的计算效率问题。它通过状态空间模型（SSM）的框架，实现了RNN的逐步处理能力和CNN的全局信息处理能力的融合。在训练阶段，Mamba使用卷积模式来一次性处理整个输入序列，而在推理
  • 互联网加竞赛 大数据分析：基于时间序列的股票预测于分析 Mr.D学长 pythonjava
    1简介Hi，大家好，这里是丹成学长，今天向大家介绍一个大数据项目大数据分析：基于时间序列的股票预测于分析2时间序列的由来提到时间序列分析技术，就不得不说到其中的AR/MA/ARMA/ARIMA分析模型。这四种分析方法的共同特点都是跳出变动成分的分析角度，从时间序列本身出发，力求得出前期数据与后期数据的量化关系，从而建立前期数据为自变量，后期数据为因变量的模型，达到预测的目的。来个通俗的比喻，大前天
  • 使用深度学习进行序列分类 jk_101 Matlab深度学习分类人工智能
    目录加载序列数据准备要填充的数据定义LSTM网络架构训练LSTM网络测试LSTM网络此示例说明如何使用长短期记忆(LSTM)网络对序列数据进行分类。要训练深度神经网络以对序列数据进行分类，可以使用LSTM网络。LSTM网络允许您将序列数据输入网络，并根据序列数据的各个时间步进行预测。此示例使用Waveform数据集。此示例训练LSTM网络来识别给定时间序列数据的波形类型。训练数据包含四种波形的时间
  • Task4 - 建模与调参 100MHz
    1.内容介绍线性回归模型：线性回归对于特征的要求；处理长尾分布；理解线性回归模型；模型性能验证：评价函数与目标函数；交叉验证方法；留一验证方法；针对时间序列问题的验证；绘制学习率曲线；绘制验证曲线；嵌入式特征选择：Lasso回归；Ridge回归；决策树；模型对比：常用线性模型；常用非线性模型；模型调参：贪心调参方法；网格调参方法；贝叶斯调参方法；2.一些基本模型线性回归(LinearRegress
  • 多维时序 | Matlab实现基于VMD-DBO-LSTM、VMD-LSTM、LSTM的多变量时间序列预测 机器学习之心 时序预测VMD-DBO-LSTM多变量时间序列预测VMD-LSTMLSTM
    多维时序|Matlab实现基于VMD-DBO-LSTM、VMD-LSTM、LSTM的多变量时间序列预测目录多维时序|Matlab实现基于VMD-DBO-LSTM、VMD-LSTM、LSTM的多变量时间序列预测预测效果基本介绍程序设计参考资料预测效果基本介绍Matlab实现基于VMD-DBO-LSTM、VMD-LSTM、LSTM的多变量时间序列预测（完整程序和数据）1.先运行vmdtest，进行vm
  • Dataframe型数据分析技巧汇总 我叫杨傲天 学习笔记机器学习数据分析数据挖掘
    Kaggle如何针对少量数据集比赛的打法。数据降维的几种方法HF.075|时间序列趋势性分析方法汇总机器学习必须了解的7种交叉验证方法（附代码）这个图！Python也能一键绘制了，而且样式更多..散点图，把散点图画出花来综述：机器学习中的模型评价、模型选择与算法选择！表格任务中的深度学习模型性能比较再见Onehot！KaggleMaster的上分神操作！特征重要性评估方法之排列重要性
  • TDengine函数大全-目录
    TDengine是一个为互联网物联网（IoT）、互联网汽车、风力发电等行业设计的高性能时序数据库。它主要用于存储和分析大量的时间序列数据。TDengine提供了一系列的函数来帮助用户处理和分析这些数据。以下是TDengine的函数大全-目录：聚合函数：聚合函数用于对一组值进行操作并返回单个值。TDengine提供了一系列的聚合函数，包括但不限于avg()（平均值）、sum()（求和）、min()（
  • Lag-Llama:第一个时间序列预测的开源基础模型介绍和性能测试 人工智能深度学习python
    2023年10月，我们发表了一篇关于TimeGPT的文章，TimeGPT是时间序列预测的第一个基础模型之一，具有零样本推理、异常检测和共形预测能力。虽然TimeGPT是一个专有模型，只能通过API访问。但是它还是引发了对时间序列基础模型的更多研究。到了2024年2月，已经有了一个用于时间序列预测的开源基础模型:laglllama。在原论文《Lag-Llama:TowardsFoundationMo
  • Dom 周华华 JavaScripthtml
    <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/1999/xhtml&q
  • 【Spark九十六】RDD API之combineByKey bit1129 spark
    1. combineByKey函数的运行机制   RDD提供了很多针对元素类型为(K,V)的API，这些API封装在PairRDDFunctions类中，通过Scala隐式转换使用。这些API实现上是借助于combineByKey实现的。combineByKey函数本身也是RDD开放给Spark开发人员使用的API之一   首先看一下combineByKey的方法说明：
  • msyql设置密码报错：ERROR 1372 (HY000): 解决方法详解 daizj mysql设置密码
    MySql给用户设置权限同时指定访问密码时，会提示如下错误： ERROR 1372 (HY000): Password hash should be a 41-digit hexadecimal number；   问题原因：你输入的密码是明文。不允许这么输入。   解决办法：用select password('你想输入的密码');查询出你的密码对应的字符串， 然后
  • 路漫漫其修远兮 吾将上下而求索 周凡杨 学习 思索
    王国维在他的《人间词话》中曾经概括了为学的三种境界古今之成大事业、大学问者，罔不经过三种之境界。“昨夜西风凋碧树。独上高楼，望尽天涯路。”此第一境界也。“衣带渐宽终不悔，为伊消得人憔悴。”此第二境界也。“众里寻他千百度，蓦然回首，那人却在灯火阑珊处。”此第三境界也。学习技术，这也是你必须经历的三种境界。第一层境界是说，学习的路是漫漫的，你必须做好充分的思想准备，如果半途而废还不如不要开始。这里，注
  • Hadoop(二)对话单的操作 朱辉辉33 hadoop
    Debug： 1、 A = LOAD '/user/hue/task.txt' USING PigStorage(' ') AS (col1,col2,col3); DUMP A; //输出结果前几行示例： (>ggsnPDPRecord(21),,) (-->recordType(0),,) (-->networkInitiation(1),,)
  • web报表工具FineReport常用函数的用法总结（日期和时间函数） 老A不折腾 finereport报表工具web开发
    web报表工具FineReport常用函数的用法总结（日期和时间函数）   说明：凡函数中以日期作为参数因子的，其中日期的形式都必须是yy/mm/dd。而且必须用英文环境下双引号(" ")引用。   DATE DATE(year,month,day):返回一个表示某一特定日期的系列数。 Year:代表年，可为一到四位数。 Month:代表月份。
  • c++ 宏定义中的##操作符 墙头上一根草 C++
    #与##在宏定义中的--宏展开 #include <stdio.h> #define f(a,b) a##b #define g(a)   #a #define h(a) g(a) int main() {       &nbs
  • 分析Spring源代码之，DI的实现 aijuans springDI现源代码
    (转) 分析Spring源代码之，DI的实现 2012/1/3 by tony                 接着上次的讲，以下这个sample [java]  view plain copy print
  • for循环的进化 alxw4616 JavaScript
    // for循环的进化 // 菜鸟 for (var i = 0; i < Things.length ; i++) { // Things[i] } // 老鸟 for (var i = 0, len = Things.length; i < len; i++) { // Things[i] } // 大师 for (var i = Things.le
  • 网络编程Socket和ServerSocket简单的使用 百合不是茶 网络编程基础IP地址端口
      网络编程;TCP/IP协议   网络:实现计算机之间的信息共享,数据资源的交换   协议:数据交换需要遵守的一种协议,按照约定的数据格式等写出去   端口:用于计算机之间的通信      每运行一个程序，系统会分配一个编号给该程序，作为和外界交换数据的唯一标识 0~65535   查看被使用的
  • JDK1.5 生产消费者 bijian1013 javathread生产消费者java多线程
    ArrayBlockingQueue：        一个由数组支持的有界阻塞队列。此队列按 FIFO（先进先出）原则对元素进行排序。队列的头部 是在队列中存在时间最长的元素。队列的尾部 是在队列中存在时间最短的元素。新元素插入到队列的尾部，队列检索操作则是从队列头部开始获得元素。 ArrayBlockingQueue的常用方法：
  • JAVA版身份证获取性别、出生日期及年龄 bijian1013 java性别出生日期年龄
            工作中需要根据身份证获取性别、出生日期及年龄，且要还要支持15位长度的身份证号码，网上搜索了一下，经过测试好像多少存在点问题，干脆自已写一个。 CertificateNo.java package com.bijian.study; import java.util.Calendar; import
  • 【Java范型六】范型与枚举 bit1129 java
    首先，枚举类型的定义不能带有类型参数，所以，不能把枚举类型定义为范型枚举类，例如下面的枚举类定义是有编译错的   public enum EnumGenerics<T> { //编译错，提示枚举不能带有范型参数 OK, ERROR; public <T> T get(T type) { return null;
  • 【Nginx五】Nginx常用日志格式含义 bit1129 nginx
    1. log_format 1.1 log_format指令用于指定日志的格式，格式：   log_format name(格式名称) type(格式样式)   1.2 如下是一个常用的Nginx日志格式：   log_format main '[$time_local]|$request_time|$status|$body_bytes
  • Lua 语言 15 分钟快速入门 ronin47 lua 基础
    - - 单行注释 - - [[      [多行注释] - - ]]   - - - - - - - - - - - 1. 变量 & 控制流 - - - - - - - - - - num = 23 - - 数字都是双精度 str = 'aspythonstring'
  • java-35.求一个矩阵中最大的二维矩阵 ( 元素和最大 ) bylijinnan java
    the idea is from: http://blog.csdn.net/zhanxinhang/article/details/6731134 public class MaxSubMatrix { /**see http://blog.csdn.net/zhanxinhang/article/details/6731134 * Q35 求一个矩阵中最大的二维
  • mongoDB文档型数据库特点 开窍的石头 mongoDB文档型数据库特点
    MongoDD: 文档型数据库存储的是Bson文档-->json的二进制 特点：内部是执行引擎是js解释器，把文档转成Bson结构，在查询时转换成js对象。 mongoDB传统型数据库对比    传统类型数据库：结构化数据，定好了表结构后每一个内容符合表结构的。也就是说每一行每一列的数据都是一样的    文档型数据库：不用定好数据结构，
  • [毕业季节]欢迎广大毕业生加入JAVA程序员的行列 comsci java
        一年一度的毕业季来临了。。。。。。。。      正在投简历的学弟学妹们。。。如果觉得学校推荐的单位和公司不适合自己的兴趣和专业，可以考虑来我们软件行业，做一名职业程序员。。。      软件行业的开发工具中，对初学者最友好的就是JAVA语言了，网络上不仅仅有大量的
  • PHP操作Excel – PHPExcel 基本用法详解 cuiyadll PHPExcel
    导出excel属性设置//Include classrequire_once('Classes/PHPExcel.php');require_once('Classes/PHPExcel/Writer/Excel2007.php');$objPHPExcel = new PHPExcel();//Set properties 设置文件属性$objPHPExcel->getProperties
  • IBM Webshpere MQ Client User Issue (MCAUSER) darrenzhu IBMjmsuserMQMCAUSER
    IBM MQ JMS Client去连接远端MQ Server的时候，需要提供User和Password吗？ 答案是根据情况而定，取决于所定义的Channel里面的属性Message channel agent user identifier (MCAUSER)的设置。 http://stackoverflow.com/questions/20209429/how-mca-user-i
  • 网线的接法 dcj3sjt126com
    一、PC连HUB (直连线)A端：（标准568B）：白橙，橙，白绿，蓝，白蓝，绿，白棕，棕。 B端：（标准568B）：白橙，橙，白绿，蓝，白蓝，绿，白棕，棕。 二、PC连PC （交叉线）A端：(568A)： 白绿，绿，白橙，蓝，白蓝，橙，白棕，棕； B端：（标准568B）：白橙，橙，白绿，蓝，白蓝，绿，白棕，棕。 三、HUB连HUB&nb
  • Vimium插件让键盘党像操作Vim一样操作Chrome dcj3sjt126com chromevim
    什么是键盘党？ 键盘党是指尽可能将所有电脑操作用键盘来完成，而不去动鼠标的人。鼠标应该说是新手们的最爱，很直观，指哪点哪，很听话！不过常常使用电脑的人，如果一直使用鼠标的话，手会发酸，因为操作鼠标的时候，手臂不是在一个自然的状态，臂肌会处于绷紧状态。而使用键盘则双手是放松状态，只有手指在动。而且尽量少的从鼠标移动到键盘来回操作，也省不少事。 在chrome里安装 vimium 插件
  • MongoDB查询（2）——数组查询[六] eksliang mongodbMongoDB查询数组
    MongoDB查询数组 转载请出自出处：http://eksliang.iteye.com/blog/2177292 一、概述  MongoDB查询数组与查询标量值是一样的，例如，有一个水果列表，如下所示： > db.food.find() { "_id" : "001", "fruits" : [ "苹
  • cordova读写文件（1） gundumw100 JavaScriptCordova
    使用cordova可以很方便的在手机sdcard中读写文件。 首先需要安装cordova插件：file 命令为： cordova plugin add org.apache.cordova.file 然后就可以读写文件了，这里我先是写入一个文件，具体的JS代码为： var datas=null;//datas need write var directory=&
  • HTML5 FormData 进行文件jquery ajax 上传 到又拍云 ileson jqueryAjaxhtml5FormData
    html5 新东西：FormData  可以提交二进制数据。 页面test.html <!DOCTYPE> <html> <head> <title> formdata file jquery ajax upload</title> </head> <body> <
  • swift appearanceWhenContainedIn:(version1.2 xcode6.4) 啸笑天 version
      swift1.2中没有oc中对应的方法： + (instancetype)appearanceWhenContainedIn:(Class <UIAppearanceContainer>)ContainerClass, ... NS_REQUIRES_NIL_TERMINATION;  解决方法： 在swift项目中新建oc类如下： #import &
  • java实现SMTP邮件服务器 macroli java编程
    电子邮件传递可以由多种协议来实现。目前，在Internet 网上最流行的三种电子邮件协议是SMTP、POP3 和 IMAP，下面分别简单介绍。 　　◆ SMTP 协议 　　简单邮件传输协议(Simple Mail Transfer Protocol,SMTP)是一个运行在TCP/IP之上的协议，用它发送和接收电子邮件。SMTP 服务器在默认端口25上监听。SMTP客户使用一组简单的、基于文本的
  • mongodb group by having where 查询sql qiaolevip 每天进步一点点学习永无止境mongo纵观千象
    SELECT cust_id, SUM(price) as total FROM orders WHERE status = 'A' GROUP BY cust_id HAVING total > 250 db.orders.aggregate( [ { $match: { status: 'A' } }, { $group: {
  • Struts2 Pojo（六） Luob. POJOstrust2
    注意：附件中有完整案例 1.采用POJO对象的方法进行赋值和传值 2.web配置 <?xml version="1.0" encoding="UTF-8"?> <web-app version="2.5" xmlns="http://java.sun.com/xml/ns/javaee&q
  • struts2步骤 wuai struts
    1、添加jar包 2、在web.xml中配置过滤器 <filter>        <filter-name>struts2</filter-name>        <filter-class>org.apache.st
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他