- 博客(62)
- 收藏
- 关注
RSS订阅原创 移动技术相关基本概念
控制区的传统典型业务系统包括电力数据采集和监控系统、能量管理系统、广域相量测量系统、配网自动化系统、变电站自动化系统、发电厂自动监控系统等，其主要使用者为调度员和运行操作人员，数据传输实时性为毫秒级或秒级，其数据通信使用电力调度数据网的实时子网或专用通道进行传输。非控制区的传统典型业务系统包括调度员培训模拟系统、水库调度自动化系统、故障录波信息管理系统、电能量计量系统、实时和次日电力市场运营系统等，其主要使用者分别为电力调度员、水电调度员、继电保护人员及电力市场交易员等。二区，为非实时区，是。
2023-08-09 10:30:07
766
原创 Spring循环依赖
类与类之间的依赖关系形成了闭环，就会导致循环依赖问题的产生。比如下图中A类依赖了B类，B类依赖了C类，而最后C类又依赖了A类，这样就形成了循环依赖问题。Spring中有三个缓存，用于存储单例的Bean实例，这三个缓存是彼此互斥的，不会针对同一个Bean的实例同时存储。如果调用getBean，则需要从三个缓存中依次获取指定的Bean实例。读取顺序依次是一级缓存 ==> 二级缓存 ==> 三级缓存。
2022-11-28 14:07:41
405
原创 索引法则--模糊查询索引失效问题
都是 SELECT *%在左边，即使有索引，也会失效只有当%在右边时，才会生效但问题是，生产环境中，就是要支持模糊查询（%在右边是不够的），一定要两边都是%来查询，这可咋办？
2022-10-17 11:09:05
1821
原创 Mysql聚簇索引
而用‘偏旁部首’查汉字，就是非聚集索引，因为正文中的字并不是按照偏旁部首排序的，我们通过检字表得到正文中的字在索引中的映射，然后通过映射找到所需要的字。也就是说聚集索引的顺序就是数据的物理存储顺序。它会根据聚集索引键的顺序来存储表中的数据，即对表的数据按索引键的顺序进行排序，然后重新存储到磁盘上。聚簇索引并不是一种单独的索引类型，而是一种数据存储方式。聚集索引会降低 insert，和update操作的性能，所以，是否使用聚集索引要全面衡量。c.查询的结果返回某值相同的大量结果集。非聚集索引必须是稠密索引。
2022-10-07 20:58:47
5140
原创 为什么Mysql底层采用B+树做索引？
最后，总结一下各种树解决的问题以及面临的新问题：二叉查找树(BST)：解决了排序的基本问题，但是由于无法保证平衡，可能退化为链表；平衡二叉树(AVL)：通过旋转解决了平衡的问题，但是旋转操作效率太低；红黑树：通过舍弃严格的平衡和引入红黑节点，解决了AVL旋转效率过低的问题，但是在磁盘等场景下，树仍然太高，IO次数太多；B树：通过将二叉树改为多路平衡查找树，解决了树过高的问题；B+树：在B树的基础上，将非叶节点改造为不存储数据的纯索引节点，进一步降低了树的高度；
2022-10-06 17:23:47
4538
原创 Spring的事务传播特性
事务属性的种类：传播行为、隔离级别、只读和事务超时。事务传播行为就是多个事务方法相互调用时，事务如何在这些方法间传播。
2022-10-05 17:25:12
2076
原创 Hashmap红黑树？
针对插入和删除节点导致失衡后的rebalance操作，红黑树能够提供一个比较"便宜"的解决方案，降低开销，是对search，insert ，以及delete效率的折衷，总体来说，RB-Tree的统计性能高于AVL。，而AVL是严格平衡树，因此在增加或者删除节点的时候，根据不同情况，旋转的次数比红黑树要多。，它的定义是任何结点的左右子树的高度差不会超过 1，这样的优势是树的结点是很平均分配的；，只需O(1)，所以说RB-Tree删除节点的rebalance的效率更高，开销更小！，旋转的量级为O(logN)
2022-10-05 16:56:11
351
原创 Bean的生命周期、作用域
在设置属性阶段后，postProcessBeforeInitialization方法执行前，会执行很多Aware类型的接口，这种类型接口作用是加载资源到Spring容器中，让bean获取Spring容器中的服务。1.InitializingBean的afterPropertiesSet方法。2.DisposableBean接口的destroy()方法。3.配置的destroy-method。在初始化阶段，有个特别重要的接口。3.配置的init-method。
2022-10-02 20:41:30
1366
原创 Mysql事务隔离级别
这样就可以在同一个事务内两次读到的数据是一样的，因此称为是可重复读隔离级别，读取数据的事务将会禁止写事务(但允许读事务)，写事务则禁止任何其他事务(包括了读写)，这样避免了不可重复读和脏读，但是有时可能会出现幻读。序列化是最高的事务隔离级别，同时代价也是最高的，性能很低，一般很少使用，在该级别下，事务顺序执行，不仅可以避免脏读、不可重复读，还避免了幻读。事务A事先读取了数据，事务B紧接着更新了数据，并提交了事务，而事务A再次读取该数据时，数据已经发生了改变。提供严格的事务隔离，它。四种隔离级别最高的是。
2022-10-02 20:22:17
479
1
原创 内存泄露与内存溢出
在描述该问题之前，先熟悉一点操作系统的知识：操作系统是建立在进程的概念之上，这些进程在内核中作业，其中有一个非常特殊的进程，称为“内存杀手（Out of memory killer）”。当内核检测到系统内存不足时，OOM killer被激活，检查当前谁占用内存最多然后将该进程杀掉。一般Out of memory:Kill process or sacrifice child错会在当可用虚拟虚拟内存(包括交换空间)消耗到让整个操作系统面临风险时，会被触发。
2022-09-22 10:05:16
4895
1
原创 Rank-embedded Hashing for Large-scale Image Retrieval
随着Internet上图像的增长，开发了许多哈希方法来处理大规模图像检索任务。散列方法将数据从高维映射到紧凑代码，因此它们可以有效地处理复杂的图像特征。但是，哈希的量化过程导致不可避免的信息丢失。 结果，用生成的二进制代码来测量图像之间的相似度是一个挑战。 最新作品通常专注于同时学习深度特征和哈希函数，以保持图像之间的相似性，而相似性指标是固定的。在本文中，我们提出了一种秩嵌入哈希（ReHash）算法，该算法将排名列表与监督哈希的反馈一起自动优化。具体来说，ReHash在端到端模型中共同训练度量学习和哈希码
2022-09-06 17:26:31
690
原创 【论文阅读】Self-Supervised Label-Visual Correlation Hashing for Multi-Label Image Retrieval
（2） 在图像表示学习分支（红色框架）中，输入是具有可信或不可信相似性的图像对。（3） 在视觉相关嵌入学习分支（橙色框架）中，M表示从目标数据集中采样的图像数量，R1到RM表示对应于采样图像的高维特征向量，E13到EM3表示对应于R1到RM的视觉水平相似性嵌入。接下来，我们使用深度图嵌入方法，即SDNE[25]，将ui编码到嵌入Ei0中，并获得{Ei0}Ni=1的子集{Ei0}Mi=1，以计算MV，其中{Ei0}Mi=1通过随机抽样获得，但最好是以等于伪标签数量的量，并覆盖目标数据集中的所有类别。
2022-09-06 17:18:25
704
原创 Towards Optimal Fine Grained Retrieval via Decorrelated Centralized Losswith Normalize-Scale layer
Towards Optimal Fine Grained Retrieval via Decorrelated Centralized Losswith Normalize-Scale layer Xiawu Zheng1 , Rongrong Ji1∗ , Xiaoshuai Sun1 , Baochang Zhang2 , Yongjian Wu3 , Feiyue Huang 31 Fujian Key Laboratory of Sensing and Computing for Smart Cit
2022-09-01 09:59:16
829
原创 基于深度学习的知识图谱综述
知识图谱（Knowledge Graph）最先由谷歌公司提出，其开发了基于知识图谱的项目，其将知识图谱应用在语义搜索方面，通过构建起来的知识图谱可以精准的搜索出需要的信息。谷歌给予的定义为：知识图谱是谷歌用于增强其搜索引擎功能的辅助知识库，总的来讲，知识图谱就是以结构化的信息通过图结构进行关联起来的一个知识库，而基于深度学习的知识图谱的构建是将某一领域的数据信息通过深度学习算法构建“实体——关系——实体”的三元组模型，并将其存储在图结构数据库中。...
2022-09-01 09:57:01
1482
原创 图像检索评价指标
图像平均检索精度（mean average precision,mAP）F-Score-对于precision和recall都有较高的要求。Precision表示所有预测为正的样本中，真实正样本所占的比例。图像检索精度（average precision,AP）调节β值可以控制Precision和Recall的权重。Recall表示所有的正样本中，预测为正的样本的比例。如预测为狗的图像中，确实为狗的比例，β1，Recall更重要；...
2022-09-01 09:55:23
2181
原创 【论文阅读】Local residual similarity for image re-ranking
这是在将原点从坐标0更新为选定的锚点之后解决的，该强调真正的相关图像在原始特征空间（在初始检索阶段）和局部残差特征空间（在重排阶段）中都应具有更高的相似性评分。，代表细粒度的局部特征分布。在原始特征空间中识别出的分散注意力的错误实例在查询中显示出相似的外观，但是ground truth的数据库图像具有很大的视图变换。然后，在第3.2节中讨论我们的方法中的邻域和锚点的定义。在所示的情况下，查询和最近的橙色点λ1之间的距离（夹角）被放大为λ1'，而在λ2和λ2'之间仅观察到细微的变化，表示查询和最远的蓝点。..
2022-09-01 09:53:15
766
原创 马氏距离概念
它是一种有效的计算两个未知样本集的相似度的方法可以看作是欧氏距离的一种修正，修正了欧式距离中各个维度尺度不一致且相关的问题。当求距离的时候，由于随机向量的每个分量之间量级不一样，比如说x1可能取值范围只有零点几，而x2有可能时而是2000，时而是3000，因此两个变量的离散度具有很大差异。以克（g）为单位测量人的体重，数据分布比较分散，即方差大，而以厘米为单位来测量人的身高，数据分布就相对集中，方差小。如上图，看左下方的图，比较中间那个绿色的和另外一个绿色的距离，以及中间绿色到蓝色的距离。...
2022-09-01 09:50:39
3828
1
原创 余弦相似度
余弦相似度通过测量两个向量内积空间的余弦值来度量它们之间的相似性，尤其适用于任何维度的向量比较中，因此属于高维空间应用较多的机器学习算法。通常来说，数字图像包含的特征码较多，而这些特征组就属于高维空间，这正是余弦相似度算法应用的范围，算法将每个图像的特征组转化为高维空间的向量，,x1n)和b(x21,x22,…,x1n)和b(x21,x22,…,x2n)的夹角余弦。选择与样本向量的余弦相似度最接近1的图像为该类别图像。计算这些代表每个图像特征的向量的内积空间的夹角余弦值，从而度量图像之间的相似性。...
2022-09-01 09:48:23
770
原创 JAVA NIO
Buffer对象包含三个重要的属性，分别是capacity、position、limit，其中position和limit的含义取决于Buffer处在读模式还是写模式。Java NIO的通道类似流，但又有些不同:既可以从通道中读取数据，又可以写数据到通道。但流的(input或output)读写通常是单向的。通道可以非阻塞读取和写入通道，通道可以支持读取或写入缓冲区，也支持异步地读写。Selector是一个ava NIO组件，可以能够检查一个或多个NIO通道，并确定哪些通道已经准备好进行读取或写入。...
2022-08-31 14:55:56
199
原创 The Caltech-UCSD Birds-200-2011 Dataset
尽管不同的鸟类具有相同的基本组成部分，但不同的鸟类在形状和外观上可能会发生很大的变化（例如：考虑鹈鹕与麻雀之间的差异）同时，即使是专业观鸟者，其他成对的鸟类几乎在视觉上也无法区分（例如，许多麻雀在视觉上都是相似的）。诸如局部定位和属性之类的注释为新的研究机会打开了大门，但与对象类标签相比，它们还受到更大程度的注释错误和用户主观性的影响。现有的大多数用于基于属性的识别的数据集都不包含定位信息， 这是研究基于属性的识别的一个困难，因为视觉属性通常自然地与特定的部位或对象相关联（例如，蓝腹或锥形喙）。......
2022-08-29 16:56:01
2408
3
原创 Stanford Cars Datasets
数据集包含196中汽车类型的图像，16185张不同型号的汽车图片，其中8144张为训练集，8041张为测试集。每个类别的图像相当，其中分类基于汽车品牌、车型和年份，例如：2012特斯拉Model S、2012 BMW M3 coupe。下载网址：https://ai.stanford.edu/~jkrause/cars/car_dataset.html。假设训练预测和测试预测是相同的格式，那么你在训练预测时使用这种函数，在评估服务器下测试预测应该有很好的结果。测试集图片下载：car_test.gz。...
2022-08-29 15:02:38
4284
2
原创 Caltech-UCSD Birds-200-2011
Caltech-UCSD Birds-200-2011（CUB-200-2011）是CUB-200数据集的扩展版本，每个类的图像数量大约增加了一倍，并带有新的局部位置注释。5. train_test_split.txt：记录数据集的训练集和测试集划分，格式为 3. image_class_labels.txt：包含每张图片对应的类别序号，格式为 包含200个类别的所有鸟类数据集。......
2022-08-29 14:58:56
1534
原创 amazon mechanical turk介绍
亚马逊土耳其机器人（Amazon Mechanical Turk）是一个Web服务应用程序接口（API），开发商通过它可以将人的智能整合到远程过程调用（RPC）。土耳其机器人（Mechanical Turk）这个名字是从18世纪的一个国际象棋游戏机器人得来的，这个机器人在欧洲参观并与名人比赛下象棋，其中包括拿破仑和本•富兰克林。亚马逊（Amazon）选择土耳其机器人（Mechanical Turk）这个名字来命名他们的网络服务，是因为人类的智慧隐藏在最终用户，这样服务看起来就像是自动进行的。...
2022-08-29 14:55:39
2916
原创 CV会议期刊常识
2.“国际计算机视觉大会”（Internationnal Conference on Computer Vision，简称ICCV）1.“国际计算机视觉和模式识别大会”（Computer Vsion and Pattern Recognition，简称CVPR）3.“欧洲计算机视觉大会”（European Conference on Computer Vision，简称ECCV）其中CVPR每年一届，ICCV 和ECCV 两年一届交替举办。...
2022-08-29 14:54:20
687
原创 JVM--Java虚拟机
内存效率：复制算法>标记清除算法>标记压缩算法（时间复杂度）内存整齐度：复制算法=标记压缩算法>标记清除算法内存利用率：标记压缩算法=标记清除算法>复制算法难道没有最优算法吗？没有最优的方案，永远只是时间或者空间的权衡，而现在因为不缺空间，所以都是优先复制算法答案：无，没有最好的算法，只有合适的算法（GC也被称为分代收集算法）。年轻代：存活率低，用复制算法。老年代：存活率高，区域大，用标记-清除-压缩。参考和研究：《深入理解Java虚拟机》......
2022-08-28 13:01:40
284
原创 ElasticSearch
简称为es，es是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别(大数据时代）的数据。es也使用java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的来隐藏Lucene的复杂性，从而让全文搜索变得简单。据国际权威的数据库产品评测机构DB Engines的统计，在2016年1月，ElasticSearch已超过Solr等，成为排名第一的搜索引擎类应用。
2022-08-25 10:34:32
456
原创 java实现前缀树--过滤敏感词汇
Trie树，即字典树，又称单词查找树或键树，是一种树形结构，是一种哈希树的变种。典型应用是用于统计和排序大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。它的优点是：最大限度地减少无谓的字符串比较，查询效率比哈希表高。Trie的核心思想是空间换时间。利用字符串的公共前缀来降低查询时间的开销以达到提高效率的目的。它有3个基本性质：（1）根节点不包含字符，除根节点外每一个节点都只包含一个字符。（2）从根节点到某一节点，路径上经过的字符连接起来，为该节点对应的字符串。
2022-08-22 10:46:20
942
原创 kafka学习（学习更新中...）
Kafka 是一个分布式的基于发布 / 订阅模式的（Message Queue），主要应用于大数据实时处理领域。
2022-08-21 09:55:51
59
原创 Redis 之 SessionCallback & RedisCallback 使用
redisTemplate直接调用opfor..来操作redis数据库，每执行一条命令是要重新拿一个连接，因此很耗资源，让一个连接直接执行多条语句的方法就是使用SessionCallback，同样作用的还有RedisCallback，但不常用。
2022-08-19 14:59:28
1902
原创 Caffeine本地缓存（学习更新中...）
Caffeine是一种高性能的缓存库，是基于Java 8的最佳（最优）缓存框架。SpringBoot内置的本地缓存实现，是对Guava缓存重写版本。Caffeine性能是Guava Cache的6倍更新中。。
2022-08-17 19:09:58
184
原创 同步异步、阻塞非阻塞
而异步通信机制，书店老板直接告诉你 “我查一下啊，查好了打电话给你”，然后直接挂电话了（不返回结果）。你打电话问书店老板有没有某本书，如果是同步通信机制，书店老板会说，“您稍等，我查一下”，然后开始查啊查，等查好了（可能是 5 秒，也可能是一天）告诉你结果（返回结果）；如果是非阻塞式调用，你不管老板有没有告诉你，你自己就先去做别的事情了， 当然你也要偶尔过几分钟 check 一下老板这边有没有返回结果。你打电话问书店老板有没有某本书，如果是阻塞式调用，你会一直把自己 “挂起”，直到得到这本书有没有的结果；.
2022-08-17 11:35:43
119
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人