燃烧的舞步-CSDN博客

原创 JAVA JVM类加载

说明：本文通过网络资料整理1、类加载器：JVM中的类加载器，共有三个类加载器，层级如下Bootstrap Loader - 负责加载系统类 | - - ExtClassLoader - 负责加载扩展类 | -

2016-05-07 04:08:17 1023

原创 package和import

每天java一点点package关键字1、包的作用①同一个包功能相似或相关②避免名字冲突。同一个包类名不同，不同包类名可以相同2、包的声明在源文件第一行声明（小写字母）。每个源文件只能有一个包声明import关键字一句话：导入包，使用包中的类题外话：最近流行的一句话：全TM是套路，希望我们都不要被套路吓到，去理解套

2016-04-26 03:59:44 560

原创闲谈

一上来CSDN感觉还是很亲切，浓浓的技术味道不错也看到很多留言，有的请教问题，有的评论，一些问题时间长了也无法回答，请海涵工作之后开始用JAVA，因为并不是科班出身，总感觉一直是野路子今晚有时间思考了一下，自己在技术上并没有优势，如果做管理又感觉飘，在这个行业，技术牛总是不吃亏，感觉不管将来走纯技术路线还是技术转管理路线，技术都是至关重要的一环。退一万步说，技多

2016-04-26 02:47:16 475

转载 document.createElement()的用法

转自：http://www.cnblogs.com/penny/archive/2008/09/01/1281293.html分析代码时，发现自己的盲点——document.createElement()，冲浪一番，总结了点经验。 document.createElement()是在对象中创建一个对象，要与appendChild() 或 insertBefore

2015-10-26 19:22:18 633

原创 JS解析XML数据，ActiveXObject("Microsoft.XMLDOM")对象兼容IE和火狐

try{ if (window.ActiveXObject !== undefined){//兼容IE，注意IE11不能再用window.ActiveXObject或者document.all判断 var xmlDoc= new ActiveXObject("Microsoft.XMLDOM"); xmlDoc.async = "false"; xmlDoc.loa

2015-10-23 09:11:02 8084 1

原创 JAVA读写文件

程序版本一：//nonameimport java.io.File;import java.io.FileWriter;import java.io.IOException;import java.io.Writer;import java.util.Scanner;public class noname{ public static void main(String[

2015-09-09 10:04:24 544

转载 Oracle利用数据伪列实现分页功能

范例：显示前5条记录当前所在页（currentPage）为1；每页显示的记录长度（lineSize）为5；第一页：SELECT * FROM( SELECT ROWNUM m,empno,ename,job,hiredate,sal FROM emp WHERE ROWNUM5) tempWHERE temp.m>0;范例：显示

2015-08-25 16:44:19 1452

原创 Oracle分组查询

首先要明白的一点：数据重复的时候分组才有意义。分组查询语法：SELECT [DISTINCT] *|分组字段1 [别名] [,分组字段2 [别名] ,…] | 统计函数FROM 表名称 [别名], [表名称 [别名] ,…][WHERE 条件(s)][GROUP BY 分组字段1 [,分组字段2 ,…]][ORDER BY 排序字段 ASC | DESC [,排序字

2015-08-25 16:28:50 8960

转载 Oracle数据库默认用户名和密码

主要使用以下四个用户：超级管理员：sys/chang_on_install; 用户名/密码普通管理员：system/manager;普通用户：scott/tiger;大数据用户：sh/sh；

2015-08-25 09:32:56 16534

原创 Oracle 11g Express Edition 安装及常见问题

对于一个Oracle初级小菜鸟来说，使用Oracle 11g Express Edition 版本感觉足够了，而且感觉安装过程好像简单很多的杨枝。。下载压缩文件，解压，找到setup.exe双击安装，除了改改安装路径，其他一路默认。安装完毕使用普通用户登录Oracle, 普通用户名/密码： scott/tiger由于普通用户默认被锁定，所以需要进行如下操作解锁：

2015-08-25 09:26:22 7341

转载 ORACLE多表查询之子查询

Oracle的多表查询由于存在笛卡尔积问题和数据量大，所以性能很差，最有利的替代者就是子查询。子查询指的就是在一个查询之中嵌套了其他的若干查询，嵌套子查询之后的查询SQL语句如下： SELECT [DISTINCT] *|分组字段1 [别名] [,分组字段2 [别名] ,…] | 统计函数 ,( SELECT [DISTINCT] *|分组字段1 [别名

2015-08-25 08:54:53 715

原创 Kinect for Windows V2和V1对比开发___多台Kinect的使用

对于V1 INuiSensor * pNuiSensor; HRESULT hr; int iSensorCount = 0; hr = NuiGetSensorCount(&iSensorCount); if (FAILED(hr)) { return hr; } //轮询每一个Kinect sensor for (int i = 0; i < iSensorCo

2014-10-14 17:29:07 6077 8

原创 Kinect for Windows V2 SDK+ VS2012 环境搭建

目前使用的SDK版本是KinectSDK-v2.0-PublicPreview1409-Setup.exe.下载地址：点击打开链接1，在Property Manager窗口中，右键Debug|Win32，选择Add New Project Property Sheet.2，选择Property Sheet（.props），Name：Kinect_ProjectD，Loc

2014-10-14 16:42:50 13290 3

原创 Kinect for Windows V2和V1对比开发___骨骼数据获取并用OpenCV2.4.10显示

1，打开骨骼帧的方式对于V1，方法NuiSkeletonTrackingEnable实现 m_hNextSkeletonEvent = CreateEvent(NULL, TRUE, FALSE, NULL ); hr =m_PNuiSensor->NuiSkeletonTrackingEnable(

2014-10-12 21:02:26 9059 7

原创 Kinect for Windows V2和V1对比开发___深度数据获取并用OpenCV2.4.10显示

1，打开深度图像帧的方式对于V1:hr = m_PNuiSensor->NuiImageStreamOpen( NUI_IMAGE_TYPE_DEPTH,NUI_IMAGE_RESOLUTION_640x480,0, 2, m_hNext

2014-10-11 10:39:33 8445 3

原创 Kinect for Windows V2和V1对比开发___彩色数据获取并用OpenCV2.4.10显示

1，打开彩色图像帧的方式对于V1: 使用NuiImageStreamOpen方法打开hr = m_PNuiSensor->NuiImageStreamOpen( NUI_IMAGE_TYPE_COLOR,NUI_IMAGE_RESOLUTION_640x480,0, 2,

2014-10-11 10:19:25 5238

转载分享8年开发经验，浅谈程序员职业规划

分享8年开发经验，浅谈程序员职业规划原文出处：风尘浪子欢迎分享原创到伯乐头条在中国有很多人都认为IT行业是吃青春饭的，如果过了30岁就很难有机会再发展下去！其实现实并不是这样子的，在下从事.NET及JAVA方面的开发的也有8年的时间了，在这里在下想凭借自己的亲身经历，与大家一起探讨一下。明确入行的目的很多人干IT这一行都冲着“收入高”这一点的

2014-09-28 21:34:12 1051

原创无法启动此程序，因为计算机中丢失MSVCP120D.dll

我用的win8.1系统，和VS2012.莫名出现这个问题，网上有类似的但dou'm

2014-08-03 16:35:53 27056 3

翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记11之__聚类：基本概念

一，引言之前几个章节讨论的都是监督聚类，从本章开始讨论非监督聚类，即训练模式不带标签的情形。聚类的步骤：1，特征选择。选取最能够表示我们目标物体信息的特征。2，相似性度量。给出两个特征量相似点或者不想似的地方。3，聚类标准。聚类标准。可能由损耗函数（cost function）或者其他形式表达。4，聚类算法。根据相似性度量和聚类标准，阐明数据的结构。5，

2014-07-28 11:00:35 1395

翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记10之__监督学习：后记

本章是监督学习的最后一部分，主要有三个目标。首先，根据系统的分类错误概率来评估系统性能。其次，将整个系统设计的各个阶段组合到一起。最后，引入无标签数据，简单介绍半监督学习1，ERROR-COUNTING方法2，探求有限的数据集的大小3，一个医学图像的学习案例4，半监督学习：生成模型（generative model）;基于图的方法（graph-bas

2014-07-26 11:04:21 1330 1

翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记9之__context-based classification

本章的假设前提是不同类之间存在相关性。连续的特征向量不是孤立的。 1，贝叶斯分类器 2，马尔科夫链模型 3，the viterbi algorithm 4, 信道均衡（channel equalization）:任务是回复被传输通道或者噪音破坏的信息序列。5，隐式马尔科夫模型6，带状态持续模型（state duration model）的HMM

2014-07-25 09:57:50 1236

翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记8之__模板匹配

对语音识别来讲，同一个单词被同一个人每次说的情况都不同，给识别带来苦难。本章讨论的就是对不同的情形如何定义适应不同特性的度量。1，基于最优路径搜索的度量：①贝尔曼最优性原则和动态编程②编辑距离（The Edit Distance）③在语音识别动态时间扭曲（DTW）, speaker-dependentrecognition. speaker-independentrecognition.2

2014-07-24 09:47:08 2543

原创 Recall（检出率）和 Precision(准确率）

这两个名词是模式识别和信息检索中用到的度量值。浅显易懂的理解，用下面的图片和公式最好不过。那么- 召回率R：用检索到相关文档数作为分子，所有相关文档总数作为分母，即R = A / ( A + C )- 准确率P：用检索到相关文档数作为分子，所有检索到的文档总数作为分母．即P = A / ( A + B ).

2014-07-23 21:15:38 15338

原创方向梯度直方图（HOG）和颜色直方图的一些比较

最近在学习视频检索领域的镜头分割方面的知识，发现常用的方法是直方图的方法，所以才专门有时间来学习下。查看到这两种直方图的时候，感觉有点接近，好像又不同，放在这做个比较。大部分还是百科的内容，不过对基本理解还是够了.OK，开始正文~首先，介绍下什么是直方图在统计学中，直方图（英语：Histogram）是一种对数据分布情况的图形表示，是一种二维统计图表，它的两个坐标分别是统计样

2014-07-23 20:51:09 10156

翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记7之__feature generation (2)

本章将关注图像分析领域的feature generation.1,区域特征：①纹理特性②局部线性变换提取纹理特征③矩④参数模型2，形状和尺寸特征：①傅里叶特征②链式编码，它是边界形状描述最常用的技术③基于矩（moment）的特征④几何特征3，分形（A GLIMPSE AT FRACTALS） 1980年代有两个重要工具被引入模式识别应用领域：神经网络和

2014-07-23 10:20:55 1177

翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记6之__feature generation (1)：数据转换和降维

1，单值分解：线性代数的重要部分，已经被广泛用于模式识别中的降维和信息检索应用中。2，独立成分分析3，非负矩阵分解4，非线性降维算法：① kernel PCA②基于图的方法（拉普拉斯算子，Local LinearEmbedding (LLE)，Isometric Mapping (ISOMAP)）5，离散傅里叶变换6，离散cos和sin变换7，THEHADAMARD TRA

2014-07-22 09:39:32 1705

翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记5之__特征选取

1，引言有关模式识别的一个主要问题是维数灾难。我们将在第7章看到维数很容易变得很大。降低维数的必要性有几方面的原因。计算复杂度是一个方面。另一个有关分类器的泛化性能。因此，本章的主要任务是：在尽可能保留特征的分类判别信息前提下，来选择重要的和维数少的特征量。这个过程被称作特征选择或者特征降维。定量描述来讲，选择的特征应该使得类内距离减小，类间距离增大。

2014-07-20 09:45:40 1448

翻译 Kinect for Windows SDK 2.0新特性

这些新特性包括，1，改善的骨骼，手，关节方位------具有跟踪6个人全骨骼，每个人25个关节点（新增加手的中指指尖，拇指和shoulder center）的能力，以及对软组织连接和身体定位的改善。2，支持新的开发环境------支持更快，高效，高品质的跨平台开发，让开发者使用已知的工具在Windows store 开发产品。3，powerful tooling-----有了记

2014-07-19 11:01:43 2053

翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记4之__非线性分类器

1，Exclusive OR（XOR）Booleanfunction问题布尔量AND和OR是线性可分的2，两层感知器对Figure4.1中A类和B类，首先能想到的是画两条直线。如图Figure4.4.① 两层感知器的分类能力3，三层感知器4，基于训练集精确分类的算法

2014-07-18 11:14:53 3079 1

翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记3之__线性分类器

1，线性分类器主要优点是他们的简化和计算吸引力。 2，线性判别函数和决策超平面。 3，感知器算法 4，最小二乘法：均方误差估计；随机近似和LMS算法；方差和估计； 5，均方估计回顾：均方误差回归；MSE估计后验概率；Bias-Variance困境 6，逻辑判别 7，支持向量机：可分类别；不可分类别；多类情形；V-SVM; 支持向量机:几何

2014-07-17 09:55:05 1104

翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记2之__基于贝叶斯决策理论的分类器

本章的主要工作在基于训练集的特征向量，估计概率密度函数。1，贝叶斯决策理论条件概率公式。其中P（w）为先验概率，P(x|w)为类条件概率密度

2014-07-16 22:02:08 1907

翻译 [模式识别].(希腊)西奥多里蒂斯<第四版>笔记1之__模式识别相关领域

1. 模式识别相关领域① Machine vision，② Character (letter or number)recognition—>Optical character recognition (OCR) systems OCR系统3种典型应用：machine reading of bank checks； automatic mail-sorting machi

2014-07-10 10:28:14 1430

原创 Kinect for Windows V2.0 新特性

外观：第二代Kinect for Windows看起来与Kinect for Xbox One相同，用以区别的是Windows版Kinect顶部写着Kinect，Xbox版只有一个绿色的X。Kinect for Windows 2.0Kinect for Xbox One主要性能改进：

2014-07-07 16:29:07 6211 7

转载＃define用法（终极盘点篇）

#define是C语言中提供的宏定义命令，其主要目的是为程序员在编程时提供一定的方便，并能在一定程度上提高程序的运行效率，但学生在学习时往往不能理解该命令的本质，总是在此处产生一些困惑，在编程时误用该命令，使得程序的运行与预期的目的不一致，或者在读别人写的程序时，把运行结果理解错误，这对 C语言的学习很不利。1　#define命令剖析1.1 #define的概念#define命令

2014-06-24 10:16:29 765

当前流行的Windows操作系统能同时运行几个程序(独立运行的程序又称之为进程)，对于同一个程序，它又可以分成若干个独立的执行流，我们称之为线程，线程提供了多任务处理的能力。用进程和线程的观点来研究软件是当今普遍采用的方法，进程和线程的概念的出现，对提高软件的并行性有着重要的意义。现在的大型应用软件无一不是多线程多任务处理，单线程的软件是不可想象的。因此掌握多线程多任务设计方法对每个程序员都是必需

2014-05-27 20:19:47 753

转载堆和栈的区别

堆和栈的区别一、预备知识—程序的内存分配一个由c/C++编译的程序占用的内存分为以下几个部分1、栈区（stack）— 由编译器自动分配释放，存放函数的参数值，局部变量的值等。其操作方式类似于数据结构中的栈。2、堆区（heap） — 一般由程序员分配释放，若程序员不释放，程序结束时可能由OS回收。注意它与数据结构中的堆是两回事，分配方式倒是类似于链表，呵呵。3、全局区（静态

2014-05-27 20:15:07 660

转载图像的腐蚀(erode)和膨胀(dilate) 开运算以及闭运算------理论知识及其对应函数

腐蚀和膨胀是数学形态学上的名词，如果用于图像处理上则就称为图像二值形态学。形态学主要是为了获取物体的拓扑和结构信息，通过物体和结构元素相互作用的某些运算，得到物体更本质的形态。当形态学运用到图像处理中，它的主要作用是利用形态学的基本运算，如腐蚀和膨胀运算，对图像进行观察和处理，从而达到改善图像质量的目地；描述和定义图像的各种几何参数和特征。二值图像的腐蚀和膨胀操作具体如下：

2014-04-02 20:51:33 20904 1

转载 matlab批量读入数据文件的方法

++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++1）要读入的文件下的文件名称依序列的方式命名，如a1b.mat, a2b.mat,...,ajb.mat,... 循环读入 filepath='';%文件夹的路径 for i=1:n %n是要读入的文件的个数 lo

2013-12-19 10:57:09 2107 1

转载 tof相机很好的总结~

1.1 TOF初探TOF是Time of flight的简写，直译为飞行时间的意思。所谓飞行时间法3D成像，是通过给目标连续发送光脉冲，然后用传感器接收从物体返回的光，通过探测光脉冲的飞行（往返）时间来得到目标物距离。这种技术跟3D激光传感器原理基本类似，只不过3D激光传感器是逐点扫描，而TOF相机则是同时得到整幅图像的深度信息。TOF相机与普通机器视觉成像过程也有类似之处，都是由光源、光

2013-12-11 15:33:02 38168 3

原创 matlab批量读取同一目录下的txt文件

万万没想到这么一个简单问题花费几天时间才搞定，严重怀疑自己的学习能力了。废话少说，我是读取目录：‘E:\轨迹\gesture dataset\自己数据集\data\总’ 下的文件。直接来代码：namelist = dir('E:\轨迹\gesture dataset\自己数据集\data\总\*.txt');% 读取后namelist 的格式为% name -- file

2013-12-09 20:56:38 22199 2

DSP从入门到精通全集

空空如也