weixin_42898295-CSDN博客

原创 ik分词器下载后ElasticSearch无法启动的问题（windows）

网上教程都跟着做了，但是还是不对，于是找了个es安装的教程，发现需要在es的plugins目录下创建一个ik的文件夹，把解压后的ik分词器都放到ik文件夹里，就可以启动es了，不然启动不了。

2023-08-10 17:11:07 342 1

原创【每日学习他人面经】小红书一面面经

3. 当通过 ThreadLocal 的 get() 方法获取局部变量时，ThreadLocal 实例作为键在当前线程的 threadLocals 中查找对应的变量副本，并返回该副本的值。值得注意的是，JVM优化需要根据具体的应用程序和环境进行调整，因此在进行优化之前需要进行性能分析和测试，以便选择合适的优化策略。如果当前线程已经存在对应的键值对，则将新的值替换旧的值。这意味着在事务执行中，如果发生错误或中断，所有已执行的操作将被回滚，数据库状态将恢复到事务开始之前的状态，不会产生部分执行的结果。

2023-07-28 10:57:44 158 1

原创【每日学习他人面经】蔚来后台应用开发实习一面

然后，在标记完成后，对堆内存进行扫描，将未标记的内存块视为垃圾对象，进行回收。它从一组根对象（如全局变量、方法区中的静态变量等）开始，通过一系列的引用关系，确定所有被根对象直接或间接引用的对象。它首先进行可达性分析和标记，然后将存活的对象向一端移动，紧凑排列，然后清理边界以外的所有对象。- 非聚簇索引：非聚簇索引结构只包含索引列和对应的引用（指向数据行的地址），非聚簇索引叶子节点并不存储实际的数据行，而是存储主键的值和引用。通过哨兵机制，当主节点宕机时，自动选择从节点作为新的主节点，确保系统的可用性。

2023-07-27 09:50:59 179 1

原创【每日学习他人面经】字节Java提前批面经

（定义+特点+底层数据结构）HashMap是 Java 中常用的数据结构之一，它实现了哈希表（Hash Table）的数据结构。HashMap通过键值对的方式存储和访问数据，它提供了快速的插入、删除和查找操作。HashMapHashMapHashMapHashMapnullHashMapHashMap的底层数据结构是一个数组，每个数组元素可以存储一个链表或红黑树。这种设计在大多数情况下能提供较高的插入、删除和查找效率。除了HashMap。

2023-07-19 10:50:46 186 1

原创【每日学习他人面经】百度提前批

在 Java 中，内部类（Inner Class）和嵌套类（Nested Class）是两种不同的概念，它们之间有一些区别。内部类：内部类是定义在另一个类内部的类。它们可以访问外部类的成员，并且可以使用 this 引用来访问外部类的实例。内部类可以分为以下几种类型：成员内部类（Member Inner Class）：嵌套在另一个类的内部，与外部类的实例相关联。静态内部类（Static Inner Class）：与外部类的实例无关，可以像普通类一样使用，但需要通过外部类来访问。

2023-07-18 09:45:11 323 1

原创【论文阅读】在高分辨率无人机光学影像上应用全卷积架构对城市环境中单个树种进行语义分割

事实上，城市森林是具有独特属性和特点的森林的一个特例。城市森林通常被定义为位于城市地区的木本植被，通常仅限于分布在停车场、花园、小公园和城市道路沿线的单棵和/或成群的树木。它们可能与花坛有关，也可能与草本灌木形成对比[11首先，需要高空间分辨率的图像才能将它们区分为单个对象。其次，随着城市化进程的推进，城市树木在环境中受到街道、社区和工厂等城市模式的严重影响[12考虑到无人机平台，Natesan 等人 [29] 提出了树种分类的深度学习框架。

2023-06-30 11:27:46 189 1

原创【论文阅读】基于卷积神经网络的高分辨率无人机RGB图像中的林树种

在分析高空间分辨率遥感数据时，最有效的深度学习算法是卷积神经网络（CNN），因为它们是专门为分析空间模式而设计的。一些研究已经使用CNN和高分辨率遥感数据来绘制树种图。（高光谱）Fricker 等人（2019 年）专门针对森林环境，使用 CNN 根据机载数据对针叶混交林中的七种树种进行分类和绘制，高光谱结果非常准确，伪 RGB 数据结果中等准确。Trier等人（2018）还使用机载高光谱数据使用CNN对北方森林中的松树，云杉树和桦树进行分类。Nezami 等人（2020 年）

2023-06-30 09:15:39 806 1

原创【论文阅读】基于深度学习的三维点云分类：系统调查与展望

在前面部分的基础上，我们全面回顾了基于深度学习的点云分类方法，将这些方法分为四大类：基于多视图的方法、基于体素的方法、基于点云的方法和基于多态融合的方法。虽然基于体素的模型解决了点云无序和非结构化问题，但点云数据信息的稀疏性和不完整导致分类任务效率低下，因此无法充分利用点云中的信息。其中，采样层获取局部邻域的。提出的自组织网络（SO-Net）构造自组织图（SOM），分层提取每个点和SOM节点的特征，并使用单个特征向量表示点云，通过将3层感知附加到编码的全局特征向量多层感知器（MLP）中，对点云进行分类。

2023-06-29 22:09:40 1382

原创【论文阅读】用于代表单个树木的机载LiDAR 3D点云针叶树/落叶分类的深度学习

本研究的目的是调查使用深度学习对从机载LiDAR数据中分割的单个树木进行针叶/落叶分类。为了实现深度卷积神经网络（CNN）的处理，我们使用叶子关闭和叶子LiDAR数据设计了两种离散表示：具有四个通道的数字表面模型（DSM × 4）和一组四个2D视图（4×2D）。通过对树冠进行分割生成树冠训练数据集，然后与现场数据进行共配准。使用统计集成过滤程序纠正了由于GPS错误或树木倾斜而导致的潜在错误标签。由于训练数据严重不平衡（~8%针叶树），我们在随机平衡的子样本上训练了CNN的集合。

2023-06-29 21:16:43 291

原创【java八股】Spring篇

当一个 bean 仅被用作另一个 bean 的属性时，它能被声明为一个内部 bean，为了定义 inner bean，在 Spring 的基于 XML 的配置元数据中，可以在 <property/>或 <constructor-arg/> 元素内使用<bean/> 元素，内部 bean 通常是匿名的，它们的 Scope 一般是 prototype。开发者通过在相应的类，方法或属性上使用注解的方式，直接组件类中进行配置，而不是使用 xml 表述 bean 的装配关系。

2023-06-28 11:11:52 164 1

原创【论文学习】D-Net: A Density-Based Convolutional Neural Network for Mobile LiDAR PointCloudsClassification

然而，我们提出了一个基于密度的基于cnn的框架(D-Net)它可以预测任意点云大小的点标签，以解决以前方法的一些问题。与所提出的点云分类的深度学习方法相比，D-Net将只采用原始的3D坐标作为输入，不需要额外的手动定义描述符。因此，我们的工作主要有以下积极贡献:实现了基于密度的体素化过程，以处理稀疏分布和小尺寸对象的负面影响。这种策略甚至在高密度物体的分类中也很有用。提出了一种高效的基于密度的CNN架构，通过点密度提取鲁棒描述子，在多数类和少数类不平衡的情况下对所有点进行分类。

2023-06-26 11:47:31 231 1

原创【论文阅读】Estimating Tree Structural Parameters via AutomaticTree Segmentation From LiDAR PointCloudData

在对三维点云中的叶子点和分支点进行分类后，如果能够对每个分支进行分割，就可以进行更详细的分析。在之前的研究中，提出了一种从无叶苹果树中提取分支结构的方法。为了进行如此详细的分析，需要高精度的激光雷达点云树木分割方法和鲁棒的叶枝分离算法。因此，

2023-06-25 17:19:05 202 1

原创【JVM八股文】学习笔记

因此就出现了一种标记-整理算法（Mark-Compact）算法，与标记-整理算法不同的是，在标记可回收的对象后将所有存活的对象压缩到内存的一端，使他们紧凑的排列在一起，然后对端边界以外的内存进行回收。2.操作的方法不同。双亲委派模型：如果一个类加载器收到了类加载的请求，它首先不会自己去加载这个类，而是把这个请求委派给父类加载器去完成，每一层的类加载器都是如此，这样所有的加载请求都会被传送到顶层的启动类加载器中，只有当父加载无法完成加载请求（它的搜索范围中没找到所需的类）时，子加载器才会尝试去加载类。

2023-06-25 11:35:30 42 1

weixin_42898295的博客