missbearC的博客

MVCC、Read Commited、Repeatable Read

HashSet底层的HashMap所存的value为什么不是null？而是一个静态常量PRESENT？HashSet底层add方法底层源码public boolean add(E e) { return map.put(e, PRESENT)==null; }可以看出底层是调用了HashMap的put方法，我们知道HashMap的put方法的返回值为null或者value。如果put成功的话返回null，如果put失败的话，说明put的key已经存在了，就会返回已经存在该k

这是一开始写的代码，在WebSocket服务类中注入了service。@Component@ServerEndpoint("/websocket/{orgCode}")@Slf4jpublic class WebSocketController { @Autowired INoticeService service;这样写看上去和我们平时写的时候是一样的，没有错误。但是如果使用WebSocket服务类中的代码的话就会报空指针异常。例如： @OnOpen public v

这里写自定义目录标题一、查看Excel表格二、数据库中创建表三、添加maven依赖四、创建实体类五、dao层接口添加新增方法六、service层1、service层接口2、接口实现类七、controller层一、查看Excel表格二、数据库中创建表CREATE TABLE `hdsp_country_info` ( `ID` char(10) NOT NULL, `code` char(6) DEFAULT NULL COMMENT '国家编码', `name` varchar(20)

文章目录一、安装环境二、从github上下载包1、下载包2、下载权重文件一、安装环境需要tensorflow、keras以及opencv-python安装TensorFlow pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.14.0安装keraspip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple keras==2.2.5安装open

文章目录一、搭建智能车环境1、下载包以及编译1.1、下载源码包1.2、编译1.3、错误解决（1）、controllers相关（2）、driver_base相关（3）、ackermann_msgs相关（4）、Could not find a package configuration file provided by "OpenCV"（5）、findLine.cpp找不到头文件2、启动仿真2.1、运行小车模型2.2、运行赛道3、自己建立赛道3.1、建立与保存地图3.2、修改文件4、通过自己建立的赛道进行gma

文章目录一、准备工作一、准备工作需要安装tensorflow、keras以及dlib。dlib在python3.7下需要boost这些编译，比较麻烦，因此我是在anaconda中安装了一个python3.6的虚拟环境，网上

文章目录一、dao层（实现对数据库中数据的增删改查的接口以及封装增删改查）1、封装增删改查（BaseDao ）2、登陆注册的接口（UserDao ）3、登陆注册接口的实现类（UserDaoImpl ，需要继承BaseDao以及实现UserDao接口）二、HDFS类一、dao层（实现对数据库中数据的增删改查的接口以及封装增删改查）1、封装增删改查（BaseDao ）package dao;import java.sql.Connection;import java.sql.PreparedStat

文章目录一、项目整体架构二、Controller控制层代码1、剪切文件到文件夹内（DirRemoveServlet ）2、展示文件夹下的所有文件（DirShowFilesServlet ）3、本地上传文件（UserCopyServlet）一、项目整体架构二、Controller控制层代码1、剪切文件到文件夹内（DirRemoveServlet ）package controller;import java.io.IOException;import java.io.InputStream;

文章目录一、功能需求二、开发环境三、安装工具1、安装mysql2、安装mysql可视化工具3、测试mysql是否安装成功4、mysql workbench连接数据库5、创建表这个项目是博主期末作业，是我和另一位博主（易于天行）共同开发的，都是小白，使用的技术是jsp+servlet，大佬勿喷。一、功能需求1.用户管理用户的注册，登录，退出。注册成功时需要将用户信息写入数据库，并在HDFS中建立用户的专属目录。2.文件管理提供文件上传，下载，浏览，删除等功能。提供目录的管理，可以创建目录，复制或移

文章目录一、直接训练二、数据增强一、直接训练import keraskeras.__version__'2.0.6'import os, shutil# The path to the directory where the original# dataset was uncompressed#测试集original_dataset_dir = 'datasets/kaggle/train/'# The directory where we will# store our sm

文章目录一、下载包以及编译1、下载源码包2、编译3、错误解决（1）、controllers相关（2）、driver_base相关（3）、ackermann_msgs相关（4）、Could not find a package configuration file provided by "OpenCV"（5）、findLine.cpp找不到头文件二、启动仿真1、运行小车模型2、运行赛道三、自己建立赛道1、建立与保存地图2、修改文件四、通过自己建立的赛道进行gmapping建图1、gmapping建图2、保存

这里写自定义目录标题SVM算法编程练习一、Soft Margin SVM1、加载鸢尾花数据集并查看散点图分布2、绘制决策边界3、再次实例化SVC，重新传入一个较小的C二、使用多项式与核函数1、加载月亮数据集2、绘制散点图3、加入噪声点4、通过多项式特征的SVM进行分类5、使用核技巧来对数据进行处理三、核函数1、产生测试点以及绘制散点图2、将数据升为二维四、超参数γ1、加载月亮数据集2、定义一个RBF核的SVM3、修改γ值①、修改γ为100②、修改γ为10③、调整为0.1五、回归问题SVM算法编程练习一、

文章目录对鸢尾花数据集和月亮数据集，分别采用线性LDA、k-means和SVM算法进行二分类可视化分析一、K-means对鸢尾花数据集合月亮数据集二分类1、鸢尾花数据集2、月亮数据集二、SVM算法对鸢尾花数据集合月亮数据集二分类1、鸢尾花数据集对鸢尾花数据集和月亮数据集，分别采用线性LDA、k-means和SVM算法进行二分类可视化分析一、K-means对鸢尾花数据集合月亮数据集二分类1、鸢尾花数据集代码如下from sklearn import datasetsimport matplotli

文章目录一、github+hexo设置域名1、进入自己的域名控制台2、需要添加两条记录3、进入你的github仓库下4、进入你本地文件二、gitee+hexo设置域名1、进入域名控制台2、只需添加一条记录3、进入gitee仓库下4、配置域名证书5、回到gitee仓库Gitee Pages6、修改你本地项目配置文件的url三、github搭建与gitee搭建区别前提：1、博客已经搭建成功，且能通过username.gitee.io（username.github.io）访问到你的网址2、拥有一个已备案的

文章目录根据计科18大类学生的成绩数据（选取两个特征：1、平均成绩GPA； 2、面向对象程序设计成绩），将计科18大类学生分成 3~4个类型。将其可视化显示出来。然后，根据18级物联网分流名单，计算物联1801、物联1802两个班的学生的学生类型占比，输出物联18两个班的学生类型分布饼图。一、需要对所有学生的表进行kmeans聚类1、Excel文件2、代码如下所示（对于Excel文件最后几行无用的数据可以删除。我这里没有删除，我是在读取数据时没有读取最后几行）二、通过第二个表（分流名单）来确定学生类型1、分

图片序列的特征匹配循环依次读取一个序列图片（几百张文件名按序号递增的文件），计算相邻图片中的ORB特征点，连线匹配之，并绘制在当前窗口上。即: 第1次计算文件编号为001、002的2张图片的ORB特征点，并匹配连线，显示于当前窗口；第2次计算文件编号为002、003的2张图片的ORB特征点，并匹配连线，显示于当前窗口，依次类推。1、准备图片集2、创建文件3、运行结果（1）首先需要进入创建的cpp文...

这里写目录标题用Jupyter完成Iris数据集的 Fisher线性分类，并学习数据可视化技术 。一、数据可视化1、数据概览1.1、读取文件1.2、前五行数据1.3、后五行数据1.4、查看数据整体信息1.5、描述性统计1.6、对每种特征计数2、特征工程2.1、去掉Species下的字符2.2、绘制花萼的长度与宽度的散点图用Jupyter完成Iris数据集的 Fisher线性分类，并学习数据可视化...

这里写目录标题一、线性分类的应用1、判别方法2、手工求解例题3、python求解例题二、在理解Fisher线性分类的参考代码基础上（matlab代码），改用python代码完成Fisher判别的推导。重点理解“群内离散度”（样本类内离散矩阵）、“群间离散度”（总类内离散矩阵）的概念和几何意义。技术报告写成自己的理解和心得。1、一、线性分类的应用1、判别方法2、手工求解例题3、pyt...