rgb2gray-CSDN博客

原创 Applied Spatial Statistics（二）统计推断：排列测试

本笔记本演示了如何执行假设检验和 p 值计算的排列检验。让我们抽取一个非常小的样本，只有 10 个点。 mpg cylinders displacement horsepower weight acceleration model_year origin name 165 20.0 8

2024-04-18 19:18:05 440

原创 Applied Spatial Statistics（一）统计推断

本笔记本演示了如何使用引导方法构建统计数据的置信区间。我们还将检查 CI 的覆盖概率。1.构建Bootstrap CI我们有 95% 的信心认为人群中 HP 和 ACC 的真实相关性在 -0.855 到 -0.606 之间。在这种情况下，CI 不覆盖 0，这意味着总体相关系数不为零。因此，我们从样本中观察到的负趋势不仅仅是因为抽样变化，而是因为总体中真正的相关性是负的。我们有 95% 的信心认为人群中 HP 和 ACC 的真实相关性在 -0.855 到 -0.606 之间。

2024-03-31 22:04:14 1044

原创 ArcGIS学习（十九）基于GIS平台的水文分析

ArcGIS提供了一系列的水文分析工具，这些工具主要集中在ArcToolbox中的“水文”工具集里。这些工具可以帮助用户进行流域分析、流向分析、流量累积分析等。在ArcGIS中使用Python进行水文分析，可以通过ArcPy模块来实现，ArcPy是ArcGIS的Python库，它提供了与ArcGIS桌面应用程序相同的功能。

2024-03-12 20:17:45 811

原创 ArcGIS学习（十八）基于GIS平台的水文分析

本任务给大家带来的内容是城市景观可视性综合分析。本任务的内容非常有意思，且非常实用，但是技术操作较为复杂。在进行正式分析之前，我们先来预习本任务的内容，以及了解ArcGIS中景观视线分析的原理。先来看看“本任务会讲哪些内容？

2024-03-12 17:24:37 971

原创 ArcGIS学习（十七）基于GIS平台的水文分析

流域特征包括流域面积、流域长度、流域形状等。这些特征对于理解流域的水文行为至关重要。# 定义流域# 提取流域特征。

2024-03-12 03:08:53 1100

原创 ArcGIS学习（十六）基于交通网络的城市情景分析

本任务给大家带来一个非常重要的内容一一基于交通网络的城市情景分析。基于交通网络模拟交通出行并进行相关分析是ArcGIS里面一种常用的分析方法，大家一定要掌握！

2024-03-12 02:57:45 957

原创 ArcGIS学习（十五）用地适宜性评价

在Python中实现ArcGIS用地适宜性评价，通常涉及到ArcPy库的使用，这是ArcGIS的一个Python库，它允许用户通过Python脚本执行GIS分析。请注意，这个脚本是一个简化的示例，实际应用中需要根据具体的数据和需求进行调整。：首先，你需要确定影响用地适宜性的评价因子，例如地形条件、交通条件、现状建成用地、公共基础设施、河流、森林、耕地、生态保护区等。第四步：对量化后的各个指标进行加权叠加分析，得到用地适宜性评价的指标。首先，我们来了解用地适宜性评价的分析思路及评价指标的选取。

2024-03-11 16:49:02 1471

原创 ArcGIS学习（十四）OD分析

本任务给大家带来的内容是网络节点关系分析。网络节点关系分析一般也叫OD分析。“O”指的是起点（ORIGIN），"D”指的是终点（DESTINATION），0D分析即为基于起点到终点的分析。网络节点关系分析我们经常遇到，如不同城市之间的空间关系分析，不同城市群之间的空间关系分析，城市内通勤分析等。下面给大家看两个实际项目中的OD分析成果图：我们先进行第一个案例一一上海市KFC与麦当劳的空间聚集度分析。首先，我们来看看这个案例的场景和数据。

2024-03-11 02:40:53 1028

原创 ArcGIS学习（十三）多源数据下的城市街道功能评估

本任务带来的内容是多元数据下的城市街道功能评估。本任务包括两个关卡：城市街道空间中观解读城市街道功能详细评价首先，我们来看看本任务的分析思路。

2024-03-05 19:29:43 1082

原创 ArcGIS学习（十二）ModelBuilder参数化建模

本任务给大家带来的是ArcGIS中一个非常有意思也很重要的模块一-ModelBuilder。ModelBuilder有什么用呢？大家设想一下这些场景：你在做一项复杂研究，使用到ArcGIS中的多个工具和步骤，包括缓冲区分析、空间连接、字段计算器、裁剪、相交等，如果一步步调用工具，输入数据，输出结果非常耗时，有没有更快速的方法？领导给了你全国道路数据和全国城市边界数据，让你把每个城市的道路裁剪出来保存成单独的文件，全国有近300个地级市，这个时候你怎么办？

2024-03-05 16:42:45 1280

原创 ArcGIS学习（十一）公服设施服务区划分与评价

本任务带来的内容是公服设施服务区划分与公服设施服务区评价。

2024-03-04 21:24:39 1084

原创 ArcGIS学习（十）城市用地对比分析

本任务给大家带来的内容是城市用地对比分析，包括两个关卡：城市用地变更分析用地规划方案实施评价城市用地变更分析和用地规划方案实施评价是我们进行用地分析时常见的两种场景。其中：城市用地变更分析主要是对不同年份的用地变化情况进行对比分析；用地规划方案实施评价是将规划期内实际变化的用地与规划方案里面规划的用地进行对比分析，得到用地规划方案实施情况的评价。首先先来看看这个任务的场景和基础数据。

2024-03-04 17:14:05 979

原创 ArcGIS学习（九）选址分析

本任务给大家带来的案例是租房选址分析。选址分析是我们平时经常接触到的分析场景。概括起来说，选址分析就是根据选址条件来确定哪些区域满足我们的选址要求。首先，先来看看我们这个案例的场景和基础数据。我们以某个城市某一租客的租房选址为例。假定这个租客的租房要求是：①家中有小孩要读高中，因此对高中这个教育设施非常看重，表征方式是租房地点距离高中要在1000米内，最好是距离高中700米内；②家中有老人，需要有良好的医疗设施，表征方式是租房地点距离医院要500米内；

2024-03-04 16:20:47 1280

原创 ArcGIS学习（八）基于GIS平台的控规编制办法

在ArcGIS中使用Python进行控制性详细规划（控规）编制，可以通过ArcPy站点包来实现自动化和脚本化的操作。ArcPy是ArcGIS的一个Python站点包，它提供了与ArcGIS Desktop API相似的功能，允许用户通过Python脚本执行各种GIS操作。这一关我们来学习一个比较简单的案例一一”如何在ArcGIS中录入控规指标，绘制控规图纸？接着，来看看如何录入控规地块的各项指标，包括地块用地面积、容积率绿地率等。首先，先来看看这个案例的分析思路以及导入CAD格式的控规图纸。

2024-02-17 15:35:36 865

原创 ArcGIS学习（七）图片数据矢量化

在Python中实现ArcGIS图片数据的矢量化，可以通过使用ArcPy库，这是ArcGIS的Python API，它提供了与ArcGIS桌面软件相似的功能。例如，你可能需要处理多波段数据，或者在转换过程中进行更复杂的处理，如设置不同的阈值来确定哪些像素应该被转换为矢量。如果你还没有安装ArcPy，你需要先安装它。我们在平时的工作学习中，肯定遇到过想用某个数据，但是找到的数据是图片格式，无法导入GIS进行分析的情况。一旦矢量化完成，你可以将矢量数据保存，并在ArcGIS中打开它进行进一步的分析或制图。

2024-02-12 00:31:32 1818

原创 ArcGIS学习（六）地理数据库

ArcGIS 中的地理数据库（Geodatabase）是一个用于存储和管理地理空间数据的系统，它提供了一种结构化的方式来组织和管理地图、图层和其他地理信息。地理数据库的核心是一个标准的关系数据库方案，它定义了一系列的数据库表、列类型、索引和其他数据库对象。如果你需要更详细的教程或者有特定的任务需求，可以参考ArcGIS的官方文档，或者在社区论坛（如Esri Community、Stack Overflow等）寻求帮助。在ArcPy中，你需要设置一个工作空间，这通常是你的地理数据库的路径。

2024-02-07 15:42:01 1560

原创 ArcGIS学习（五）坐标系-2

在第二关中，我们学习了ArcGIS中的定义投影工具。这一关，我们带来一个大家在平时工作学习中经常碰到的关于“定义投影”的疑难问题一-国内CAD地形图的坐标定义。CAD地形图是我们在做项目时最常接触到的基础数据。拿到CAD地形图后，我们经常需要把CAD地形图加载到ArcGIS中，并且需要和其他数据在空间上进行对应。当CAD文件导入ArcGIS的时候，软件会出现以下界面：提示说这个文件的空间参考未知！这是因为CAD文件没有默认的投影文件。

2024-02-06 18:13:47 1754

原创 ArcGIS学习（四）坐标系-1

在上一关中，我们学习了坐标系的基础知识。本关我们重点学习ArcGIS中两个坐标系相关的工具：定义投影投影（投影栅格）首先，我们先来看一下定义投影工具。定义投影的作用是对没有坐标信息的数据进行坐标定义。接着，我们来学习一下投影（投影栅格）工具。投影（投影栅格）的作用是实现坐标系之间的转换。包括地理坐标系和投影坐标系之间的转换，地理坐标系与地理坐标系之间的转换，或者投影坐标系与投影坐标系之间的转换。投影”工具是应用于矢量数据的’投影栅格”工具是应用于栅格数据的下面先看看投影。

2024-02-06 18:12:50 2019

原创 ArcGIS学习（三）数据可视化

需要提前说明的是，在ArcGIS中，所有的可视化选项设置都是在“图层属性”对话框里面的“符号系统”中实现的。对于矢量数据的可视化，主要有四种可视化方式：按“要素”可视化按“类别”可视化按“数量”可视化按“图表”可视化还有一种按“多个属性”可视化，这种方式较少使用，这里就不进行介绍了，如果大家感兴趣，可自行学习。首先，先来看看按“要素”可视化，这个非常简单。然后，我们再来看看按“类别”可视化。接着，我们来看看按“数量”可视化。最后，我们来看按“图表”可视化。

2024-02-05 00:07:27 2195

原创 ArcGIS学习（二）属性表的基本操作

ArcGIS是处理空间数据的平台。对于空间数据，大家可以理解成它是由两个部分构成：1.一个是空间形体，也就是点、线、面三种。线又可以分为直线、曲线，面又分为圆形、正方形、不规则形体等；2.另外一个部分是空间形体所附带的属性，比如一个城市区域（对应到空间形体就是一个面）的属性，包括人口、GDP、企业数等。空间形体+属性构成了空间数据。属性的相关操作主要在属性表中进行！属性表的样子及功能和Excel表比较相似，可以理解为ArcGIS中的Excel表。

2024-01-31 15:36:53 1368

原创计算机联锁软件编制

由于计算机在逻辑功能和信息处理方面具有很强的功能，它非常适用于车站联锁。计算机联锁是用微型计算机和其他一些电子、继电器件以及各种计算机软件组成的具有故障-安全性能的实时监控系统。计算机联锁安全可靠，处理速度快，在安全性、可靠性、经济性等方面都具有独特的优点，而且在设计、施工、维修和使用方面大为方便。一般来说，计算机联锁系统的软件应具有人机界面信息处理功能、联锁功能、自动检测与诊断功能等，本次项目的设计的重点主要是利用编程软件实现人机界面信息处理功能以及联锁功能。

2024-01-27 15:43:11 1042

原创 BikeDNA（九）特征匹配

特征匹配采用参考数据并尝试识别 OSM 数据集中的相应特征。特征匹配是比较单个特征而不是研究区域网格单元水平上的特征特征的必要前提。方法将两个道路数据集中的特征与其数字化特征的方式以及边缘之间潜在的一对多关系进行匹配（例如，一个数据集仅映射道路中心线，而另一个数据集映射每辆自行车的几何形状）车道）并不是一项简单的任务。这里使用的方法将所有网络边缘转换为统一长度的较小段，然后再寻找参考和 OSM 数据之间的潜在匹配。匹配是根据对象之间的缓冲距离、角度和无向 Hausdorff 距离完成的，并且基于 Ko

2024-01-13 11:47:03 1044

原创 BikeDNA（八）外在分析：OSM 与参考数据的比较2

本节仔细研究两个数据集的网络组件特征。断开连接的组件不共享任何元素（节点/边）。换句话说，不存在可以从一个断开连接的组件通向另一组件的网络路径。如上所述，大多数现实世界的自行车基础设施网络确实由许多断开连接的组件组成（然而，当两个断开的组件彼此非常接近时，这可能是边缘缺失或另一个数字化错误的迹象。为了比较 OSM 和参考数据中断开组件的数量和模式，将内在分析的所有组件结果并置，并生成两个新图，分别显示 OSM 和参考数据的组件间隙以及组件连接性的差异。

2024-01-13 11:32:34 839

原创 BikeDNA（七）外在分析：OSM 与参考数据的比较1

该笔记本将提供的参考自行车基础设施数据集与同一区域的 OSM 数据进行所谓的外部质量评估进行比较。为了运行这部分分析，必须有一个参考数据集可用于比较。该分析基于将参考数据集与 OSM 进行比较，并突出显示它们的不同之处，包括自行车基础设施在两个数据集中映射的“程度”以及基础设施“如何”映射，从而查明差异在网络结构中。例如，网络密度的差异是通过计算参考密度减去 OSM 密度来计算的。因此，正差值（大于0）表示参考值高出多少；负差值（低于 0）表示参考值低了多少。

2024-01-13 11:32:07 1092

原创 BikeDNA（六）参考数据的内在分析2

断开连接的组件不共享任何元素（节点/边）。换句话说，不存在可以从一个断开连接的组件通向另一组件的网络路径。如上所述，大多数现实世界的自行车基础设施网络确实由许多断开连接的组件组成（然而，当两个断开的组件彼此非常接近时，这可能是边缘缺失或另一个数字化错误的迹象。首先，在“return_components”的帮助下，获得网络所有（断开连接的）组件的列表。打印组件总数，并以不同颜色绘制所有组件以进行视觉分析。接下来，绘制组件大小分布（组件按其包含的网络长度排序），然后绘制最大连接组件的图。

2024-01-12 23:57:13 842

原创 BikeDNA（五）参考数据的内在分析1

该笔记本分析用户提供的给定区域的参考自行车基础设施数据集的质量。质量评估是“内在的”，即仅基于一个输入数据集，并且不使用数据集外部的信息。对于将参考数据集与相应 OSM 数据进行比较的外在质量评估，请参阅笔记本 3a 和 3b。该分析评估给定区域参考数据的“目的适应性”（分析的结果可能与自行车规划和研究相关 - 特别是对于包括自行车基础设施网络分析的项目，在这种情况下，几何拓扑尤为重要。由于评估不使用外部参考数据集作为基本事实，因此无法对数据质量做出普遍的声明。

2024-01-12 23:56:59 1000

原创 BikeDNA（四）初始化参考数据

先决条件和条件输入/输出config.yml必须提前设置。此笔记本的输出文件保存到子文件夹中，并在笔记本 2b、3a 和 3b 中使用。当根据参考数据创建网络时，每条边都会分配一个唯一的边 ID。要将边缘 ID 与原始数据中的 ID 相关联，请使用具有网络边缘的数据帧ref_edges和

2024-01-12 23:24:20 820

原创 2023-我的CSDN创作之旅

实际案例可能涉及地图创建、地理数据的清理和处理，以及地理数据的实际应用，如位置分析、地理编码等。CSDN博客是我自本科以来写作并记录学习心得与感悟的地方，我最自豪的就是几年以来的坚持写作，不仅是为了方便自己查阅，同时做到了知识分享，在CSDN中与各位一同交流与进步。本章主要介绍了 BikeDNA，可能是一个特定项目或者应用的名称，内容可能包括自行车数据的收集、分析、可视化，以及与空间数据科学、网络分析等相关的应用。本章将深入探讨地理计算的主题，包括地理数据的计算、地理算法、地理计算的工作流程等。

2024-01-05 02:55:52 1086 36

原创 BikeDNA（三） OSM数据的内在分析2

本节探讨数据的几何和拓扑特征。例如，这些是网络密度、断开的组件和悬空（一级）节点。它还包括探索是否存在彼此非常接近但不共享边缘的节点（边缘下冲的潜在迹象），或者是否存在相交边缘而在相交处没有节点，这可能表明存在数字化错误，该错误将导致数字化错误。扭曲网络上的路由。由于大多数自行车网络的分散性，许多指标（例如缺失链接或网络间隙）可以简单地反映基础设施的真实范围(这对于道路网络来说是不同的，例如，断开的组件更容易被解释为数据质量问题。因此，分析仅将非常小的网络间隙视为潜在的数据质量问题。

2024-01-01 21:03:29 1007

原创 BikeDNA（二） OSM数据的内在分析1

该笔记本分析给定区域的 OSM 自行车基础设施数据的质量。质量评估是“内在的”，即仅基于一个输入数据集，而不使用外部信息。对于将 OSM 数据与用户提供的参考数据集进行比较的外在质量评估，请参阅笔记本 3a 和 3b。该分析评估给定区域 OSM 数据的“目的适应性”（Barron et al., 2014）。分析的结果可能与自行车规划和研究相关 - 特别是对于包括自行车基础设施网络分析的项目，在这种情况下，几何拓扑尤为重要。由于评估不使用外部参考数据集作为基本事实，因此无法对数据质量做出普遍的声明。

2024-01-01 21:03:07 508

原创 BikeDNA（一）初始化OSM数据

这是BikeDNA的存储库，一个以可重复方式评估OpenStreetMap（OSM）和其他自行车基础设施数据集质量的工具。它为规划者、研究人员、数据维护人员、骑行倡导者以及与自行车网络相关的其他人提供了在特定区域详细且知情地了解数据质量的工具。来源：https://github.com/anerv/BikeDNAconfig.yml必须提前设置。此笔记本的输出文件保存到子文件夹中，并在笔记本 1b、3a 和 3b 中使用。

2023-12-20 18:27:36 893

原创图神经网络简介

图表无处不在;现实世界的对象通常根据它们与其他事物的联系来定义。一组对象以及它们之间的联系自然地表示为图形。十多年来，研究人员已经开发了对图数据进行操作的神经网络（称为图神经网络或GNN）。最近的发展提高了它们的能力和表现力。我们开始看到在抗菌发现、物理模拟、假新闻检测、流量预测和推荐系统等领域的实际应用。本文探讨并解释了现代图神经网络。我们将这项工作分为四个部分。首先，我们看看哪种数据最自然地表述为图表，以及一些常见的例子。

2023-12-10 01:39:37 970

原创 Spatial Data Analysis（六）：空间优化问题

pulp是一个用于优化问题的Python库。它包含了多种优化算法和工具，可以用于线性规划、混合整数线性规划、非线性规划等问题。Pulp提供了一个简单的方式来定义优化问题，包括变量、约束和目标函数，并且可以使用多种求解器进行求解。Pulp也提供了可视化工具来展示优化问题的结果。Pulp是一个开源项目，可以在GitHub上获取它的源代码。

2023-12-07 14:29:14 981

原创 Spatial Data Analysis（五）：使用 `census` 包获取人口普查数据

本教程将帮助您学习如何使用 python 直接获取人口普查数据，以避免从人口普查网站下载的麻烦。安装“census”和“us”包。 “us”包提供了一些对 FIPS 代码的便捷查找。Import the packages首先，从此处获取人口普查 API 密钥。这将要求您输入您的隶属关系和电子邮件。然后您需要通过电子邮件激活您的 API 密钥。然后您将得到一个长密钥字符串来替换我这里的字符串：然后我们可以使用一个函数来自动下载人口普查数据并将其制作成格式良好的 Dataframe。以下是获取变量

2023-12-06 18:02:42 857

原创 Spatial Data Analysis（四）：空间自相关示例

在空间分析中，全局 Moran’s I 和 p 值通常一起使用，以确认空间数据集是否呈现出显著的空间自相关性。如果 Moran’s I 的值接近1且 p 值小于0.05，则可以得出结论，空间数据集呈现出显著的空间自相关性，即空间聚集现象。反之，如果 p 值大于0.05，则可以得出结论，空间数据集中观测点的价值没有表现出统计学上显著的空间自相关性。如果点之间的距离越远，它们之间的空间滞后就越大。全局 Moran’s I 是一个用于空间自相关性检测的指标，它可以用于检测空间数据集中的空间聚集现象。

2023-12-06 17:07:08 1888

原创 Spatial Data Analysis（三）：点模式分析

--- 1853年伦敦霍乱爆发在此示例中，我将演示如何使用 John Snow 博士的经典霍乱地图在 Python 中执行 KDE 分析和距离函数。原始数据从这里获得：rasterioseabornpointpats。

2023-12-06 00:13:23 1081

原创 Spatial Data Analysis（二）：网络分析

可以指定自定义过滤器，并且可以在此处找到关键字：https://wiki.openstreetmap.org/wiki/Map_features。要绘制图形，您需要定义节点的位置，或者您可以使用一些预定义的布局，例如此处的“shell_layout”（同心圆）。在这里，我们将使用一个名为“osmnx”的包，它可以获取开放街道地图数据并将它们放入干净的网络格式。您可以获取世界上任何城市/地点的数据。绘制网络，可以修改颜色、节点大小、图大小等。浅黄色区域是具有较高程度中心性的地点/节点。

2023-12-04 15:59:36 642 1

原创 Spatial Data Analysis（一）：线性回归

来源：https://github.com/Ziqi-Li/GEO4162C/tree/main在此示例中，我们将介绍如何在 python 中拟合线性回归模型。我们将使用的数据集是 2020 年县级选举投票数据以及来自 ACS 的社会经济数据。使用公共键合并两个 DataFrame。制作一张关于人们如何投票的地图。非常熟悉的蓝红色景观。

2023-12-04 15:53:29 979

原创 SHAP（六）：使用 XGBoost 和 HyperOpt 进行信用卡欺诈检测

本笔记本介绍了 XGBoost Classifier 在金融行业中的实现，特别是在信用卡欺诈检测方面。构建 XGBoost 分类器后，它将使用 HyperOpt 库（sklearn 的 GridSearchCV 和 RandomziedSearchCV 算法的替代方案）来调整各种模型参数，目标是实现正常交易和欺诈交易分类的最大 f1 分数。作为模型评估的一部分，将计算 f1 分数度量，为分类构建混淆矩阵，生成分类报告并绘制精确召回曲线。

2023-12-02 23:45:16 898

原创 SHAP（五）：使用 XGBoost 进行人口普查收入分类

本笔记本演示了如何使用 XGBoost 预测个人年收入超过 5 万美元的概率。它使用标准 UCI 成人收入数据集。要下载此笔记本的副本，请访问。XGBoost 等梯度增强机方法对于具有多种形式的表格样式输入数据的此类预测问题来说是最先进的。Tree SHAP（）允许精确计算树集成方法的 SHAP 值，并已直接集成到 C++ XGBoost 代码库中。这允许快速精确计算 SHAP 值，无需采样，也无需提供背景数据集（因为背景是从树木的覆盖范围推断出来的）。

2023-12-02 21:54:09 1216

纵断面-记录和计算工程项目中特定区域的纵断面特性.xlsx

该设计表是一个纵断面表，用于详细记录和计算工程项目中特定区域的纵断面特性。它包括了地面高程、设计高程、填挖高程、坡口和坡脚信息，以及左右两侧的平曲线数据。以下是该设计表的功能描述： 1. **纵断面特性记录**： - 表中记录了每个桩号的地面高程和设计高程，这些数据用于描述地形的变化和工程设计的高程要求。 2. **填挖高程计算**： - 提供了每个桩号的填挖高程信息，即需要填充或挖掘的土方量，这对于土方工程的规划和执行至关重要。 3. **坡度设计**： - 包含了坡口和坡脚的高程差和水平距离，这些信息用于确定道路或工程结构的坡度，确保排水和结构稳定性。 4. **平曲线参数**： - 记录了左右两侧的平曲线参数，如A1、A2、A3等，这些参数对于设计和施工过程中的曲线放样和验证非常重要。 5. **施工放样**： - 施工团队可以使用这些数据进行放样，确保施工按照设计图纸进行，特别是在处理道路弯道或其他曲线结构时。 6. **数据存档与分析**： - 作为项目文档的一部分，该表用于记录和存档纵断面的详细设计信息，以备未来参考或审计。

2024-03-23

逐桩坐标表直线段.xlsx

该设计表是一个逐桩坐标表，专门用于记录和计算直线段的坐标和方位角。它提供了直线段上各个桩号的详细位置信息，包括坐标（N (X) 和 E (Y)）、方位角以及桩号差。以下是该设计表的功能描述： 1. **精确位置记录**： - 表中记录了直线段上每个桩号的精确坐标，这对于确保工程项目的精确施工至关重要。 2. **方位角计算**： - 提供了每个桩号的方位角，这对于确定直线段的方向和施工放样非常重要。 3. **桩号差计算**： - 表中计算了相邻桩号之间的差值，这有助于了解直线段的长度和施工进度。 4. **施工放样**： - 施工团队可以使用这些坐标和方位角来放样，即在地面上标记出工程的具体位置，确保施工按照设计图纸进行。 5. **数据存档**： - 作为项目文档的一部分，该表用于记录和存档直线段的详细设计信息，以备未来参考或审计。 6. **后期维护**： - 项目完成后，这个表格可以用于后期的维护和改造工作，因为它提供了每个重要位置的详细坐标。 7. **工程量计算**： - 坐标数据可以用于计算土方工程量、材料需求和其他

2024-03-23

逐桩坐标表曲线段方位角.xlsx

该设计表是一个专门用于记录和计算曲线段逐桩坐标及方位角的工具。它详细列出了与曲线段相关的各种参数，包括缓和曲线的起点和终点桩号、切线横距、坐标元素、方位角、半径、长度等。以下是该设计表的功能描述： 1. **曲线段参数记录**： - 记录了曲线段的关键参数，如第一缓和曲线起点桩号、第一缓和曲线终点桩号、第二缓和曲线起点桩号等，以及与之相关的坐标和方位角信息。 2. **曲线设计和分析**： - 提供了曲线设计所需的详细几何参数，如圆曲线半径R、缓和曲线长度Ls、切线长度T等，这些参数对于设计和分析道路曲线至关重要。 3. **方位角计算**： - 包含了交点前后直线方位角、圆曲线方位角以及缓和曲线方位角的计算，这些数据对于确保道路曲线的正确铺设和转向至关重要。 4. **坐标计算**： - 表中提供了任意点到曲线关键点（如ZH、HY、QZ）的曲线长l，以及坐标元素，这些数据用于计算曲线上任意点的具体位置。 5. **施工放样**： - 施工团队可以利用这些数据进行放样，确保曲线段按照设计图纸准确施工。 6. **数据存档**： - 作为项

2024-03-23

逐桩坐标表-用于记录和存档工程项目中的详细地理位置信息.xlsx

该设计表是一个逐桩坐标表，它主要用于记录和存档工程项目中的详细地理位置信息。每个桩号的位置都通过其高程、坐标（N (X) 和 E (Y)）、方位角以及可能的备注信息来明确标识。以下是该设计表的功能和应用的详细描述： 1. **精确定位**： - 表中提供了每个桩号的精确高程和坐标，这对于确保工程项目的精确施工至关重要。 2. **施工放样**： - 施工团队可以使用这些坐标来放样，即在地面上标记出工程的具体位置，确保施工按照设计图纸进行。 3. **设计验证**： - 工程师可以使用这个表格来验证设计图纸上的桩号位置是否准确无误。 4. **数据记录**： - 逐桩坐标表作为项目文档的一部分，用于记录工程项目的详细地理位置信息，以备未来参考或审计。 5. **后期维护**： - 项目完成后，这个表格可以用于后期的维护和改造工作，因为它提供了每个重要位置的详细坐标。 6. **工程量计算**： - 坐标数据可以用于计算土方工程量、材料需求和其他相关的工程量。 7. **GIS集成**： - 这些坐标数据可以导入地理信息系统（GIS）

2024-03-23

直线、曲线及转角表.xlsx

该设计表是一个用于记录和计算道路工程中直线、曲线及转角参数的工具。它包含了详细的交点坐标、交点桩号、转角值、曲线要素值等数据，以及直线长度和方向的计算。以下是该设计表的功能和应用的详细描述： 1. **曲线和直线参数计算**： - 表中记录了各个交点的坐标（X, Y），交点桩号，以及与这些交点相关的曲线参数，如转角值α（度）、半径R、缓和曲线长度Ls、切线长度T、曲线长度L、外距E和校正值J。 2. **曲线几何特性分析**： - 设计表提供了曲线的详细几何特性，包括第一缓和曲线起点、第一缓和曲线终点或圆曲线起点、曲线中点、圆曲线终点或第二缓和曲线起点、第二缓和曲线终点等，这些信息对于道路设计和施工至关重要。 3. **直线段长度和方向**： - 表中计算了直线段的长度和方向，包括交点间距、计算方位角（小于0的角度需要加上180度表示）、转角值α的弧度表示、切线增长值q、内移值p、缓和曲线角β0（角度和弧度表示）。 4. **道路设计和规划**： - 该设计表是道路设计和规划过程中的重要参考资料，它帮助工程师确定道路的几何形状，包括直线段、曲线段和转角，

2024-03-23

土石方数量计算表.xlsx

该设计表是一个详细的土石方数量计算工具，主要用于土木工程项目中的土石方量计算和调配。它记录了各个桩号位置的横断面积、挖方量、填方量、本桩利用量、填缺量、挖余量等数据，并提供了距离信息和挖方总数量与填方总数量的累计值。以下是该设计表的功能和应用的详细描述： 1. **土石方量计算**： - 表中列出了每个桩号处的横断面积和相应的挖方与填方量，这些数据用于计算工程中需要移动的土石方总量。 2. **土石方调配**： - 设计表中的“本桩利用”、“填缺”和“挖余”列提供了每个桩号处土石方的利用情况，帮助工程师确定哪些位置的挖方可以用于填方，以及哪些位置需要额外的土石方填充。 3. **距离和桩号标记**： - 表中记录了每个桩号之间的距离，这有助于追踪土石方移动的具体位置和范围，以及确定土石方运输的成本和物流。 4. **挖方总数量与填方总数量累计**： - 表中提供了挖方和填方的累计总量，这对于项目管理和进度跟踪至关重要。 5. **土石方平衡分析**： - 通过分析表中的数据，可以进行土石方平衡分析，确保挖方与填方之间的平衡，减少废土外运和额外土石

2024-03-23

土方计算表-用于土木工程项目中的土地移动量计算.xlsx

该设计表是一个土方计算工具，主要用于土木工程项目中的土地移动量计算。它记录了在特定桩号（即位置标记）处的横断面面积、挖方量、填方量以及利用方数量和调配情况。以下是该设计表的功能和应用的详细描述： 1. **横断面面积计算**： - 表中列出了每个桩号处的横断面面积，这是通过测量或计算得出的道路横截面的面积。 2. **挖方和填方量统计**： - 挖方量指的是在施工过程中需要移除的土壤或岩石的体积。 - 填方量则是需要填充到路基或其他结构中的土壤或材料的体积。 - 表中详细记录了每个桩号处的挖方和填方量，包括土和石的分类及数量。 3. **利用方数量及调配**： - 利用方指的是在挖方过程中可以被直接用于填方的土壤或材料的体积。 - 调配是指在不同位置之间移动土壤或材料以平衡挖方和填方需求的过程。 - 表中提供了每个桩号处的利用方数量以及填缺和挖余的数据，这些数据对于确保土方工程的效率和成本控制至关重要。 4. **距离和桩号标记**： - 表中记录了每个桩号之间的距离，这有助于追踪土方移动的具体位置和范围。等等功能

2024-03-23

高等路基设计表.xlsx

该设计表是用于高等路基设计的计算工具，它包含了一系列的参数和数据，用于计算和规划路基的各个组成部分。以下是该设计表的功能和应用的详细描述： 1. **路基宽度和坡度计算**： - 设计表提供了土路肩宽度、土路肩坡度、硬路肩宽度等参数，这些参数对于确定路基的横向尺寸至关重要。 - 路拱横坡度（iG）和超高横坡度（iH）用于计算路基的纵向坡度，这对于排水和车辆稳定性有重要影响。 2. **行车道和路缘带设计**： - 行车道宽度是道路设计中的关键参数，它直接影响到交通流量和车辆行驶的安全性。 - 左侧路缘带宽度也是路基设计的一部分，它为行人和非机动车提供了安全的空间。 3. **路基过渡段设计**： - 超高过渡段长度（Lc）和超高过渡段起点/终点桩号用于设计道路在曲线部分的超高，以提供车辆在曲线行驶时的稳定性。 4. **桩号和高差计算**： - 桩号用于标记路基的具体位置，这对于施工和维护工作至关重要。 - 直线段高差计算用于确定路基在直线段的高程变化，这对于确保道路平整和排水有效非常重要。

2024-03-23

铁路轨道不平顺分析与预测（完整数据与代码）

包括全部完整代码与全部数据，可以直接运行。下载后存在任何问题可以与我联系，保证答疑。铁路轨道作为铁行车的基础设施，是铁路线路的重要组成部分。随着经济和交通运输业的发展，我国的铁路运输正朝着高速和重载方向迅速发展，与此同时，轨道结构承受来自列车荷载、运行速度的冲击和列车的振动等各方面的作用力不断增大，不仅加速了铁路轨道设备的损坏，由此产生的轨道不平顺问题会严重影响车辆行，乘客的舒适度以及设备的使用寿命等，存在非常严重的安全隐患。使用python分析所给轨道动检数据的滑动轨道质量指数，根据计算得到的高低不平顺标准差，构建时间序列预测分析模型，通过传统的机器学习与深度学习模型进行比较，预测未来一年的高低不平顺劣化趋势。详细内容及如何使用请参考博客：https://blog.csdn.net/weixin_44026026/article/details/129980463?spm=1001.2014.3001.5501

2024-01-27

大创经验分享&项目资源&代码程序资源

换了数据库mysql，以前用的是mongodb，简单，但是后面发现跨表查询确实是个问题，而且motor不支持ORM 去掉了celery，因为感觉就两个定时任务，完全没必要用celery，schedule守护线程可能是个更好更轻量的选择对项目目录做了重大调整，增加了handlers和common，api目录，对程序的职责做了更明确的划分网络或磁盘IO全部异步化，以前都是只有mongodb是异步客户端，而redis和oss都是同步请求对url.py做了重大改变，以前是只有多了一个api，就往url.py里写，弄得后面上百个api很难找到某个功能高度封装，降低代码耦合度，尤其是对异步任务的封装，见xiaodi/common/tasks.py 充分利用了python的特性，如对象协议、元类、混入类mixin、列表推导式、生成器对参数的接收采用了flask_restful的reqparse思想，使得代码精简了很多考虑了设计模式，如工厂方法增加了oss连接超时处理引入了请求时cache，确保同一次http请求不会对某个对象请求多次引入了日志引入了sse

2024-01-27

ACM/NOI/CSP比赛经验分享&代码程序资源：深度优先搜索

ACM/NOI/CSP比赛经验分享&代码程序资源：深度优先搜索全国青少年信息学奥林匹克联赛（National Olympiad in Informatics in Provinces，简称NOIP）自1995年至2020年已举办25次。每年由中国计算机学会统一组织。 NOIP在同一时间、不同地点以各省市为单位由特派员组织。全国统一大纲、统一试卷。初、高中或其他中等专业学校的学生可报名参加联赛。联赛分初赛和复赛两个阶段。初赛考察通用和实用的计算机科学知识，以笔试形式进行。复赛为程序设计，须在计算机上调试完成。参加初赛者须达到一定分数线后才有资格参加复赛。联赛分普及组和提高组两个组别，难度不同，分别面向初中和高中阶段的学生。

2024-01-27

ACM/NOI/CSP比赛经验分享&代码程序资源:基本算法贪心

2024-01-27

大创经验分享&项目资源&代码程序资源：模型车牌生成器

利用Arm Cortex-M3 DesignStart处理器在可编程逻辑平台上构建片上系统，实现图像采集，图像处理和人机交互功能，观察并优化系统的性能。使用ArmCortex-M3 DesignStart Eval提供的处理器IP，在你的可编程逻辑平台上构建简单的Cortex-M3片上系统。系统应至少包含： ArmCortex-M3 DesignStart处理器；利用片上或板上资源实现的ROM与RAM；与芯片外部引脚连接的GPIO外设。使用KeilμVision工具编写并生成软件程序，实现GPIO输出引脚跟随GPIO输入引脚变化。将对应的输入、输出引脚连接至板上开关与LED，确认程序正确运行。如上图，在FPGA中编写图像传感器的接口和数据缓存，作为Cortex-M3片上系统的一个外设，并编写软件程序，将图像传感器的采集结果显示在开发平台自带的液晶屏上。在Cortex-M3上编写软件程序，识别摄像头拍摄到的车牌中的5位数字并显示在LCD屏上。可以在FPGA中设计硬件加速器，帮助Cortex-M3加快图像识别的速度。利用以上实现的系统，进行20张

2024-01-27

图像风格迁移研究数据集，提供一幅画将任意一张照片转化成这个风格

图像风格迁移研究可以使用的数据集所谓风格迁移，其实就是提供一幅画(Reference style image)，将任意一张照片转化成这个风格，并尽量保留原照的内容(Content)。深度学习的图像风格迁移方法主要包括：（1）基于图像迭代。该方法合成图像的质量高、可控性好，易于调参，无需训练数据，也无生成模型。但每次生成图片都需重新训练，十分耗时。（2）基于模型迭代。计算速度快，可用于视频快速风格化，目前工业应用软件的主流技术。图像生成质量有待进一步提高，需要大量的训练数据。

2024-01-27

电赛历年试题&经验分享&代码程序资源：2020年电赛A题代码

电赛历年试题&经验分享&代码程序资源：2020年电赛A题代码分为手机端（android），主显示端，姿态检测手环端，心率滤波读取端 mcu 采用的是esp32.结合了适配esp32的arduino以及rtos框架进行开发。开发环境及语言安卓为android studio java开发 esp32为platform io c/c++ 节点间通信方式 tcp直连，手机端为总服务端

2024-01-27

MySQL-Notes学习笔记

MySQL 是一个关系型数据库管理系统，由瑞典 MySQL AB 公司开发，目前属于 Oracle 公司。MySQL 是一种关联数据库管理系统，关联数据库将数据保存在不同的表中，而不是将所有数据放在一个大仓库内，这样就增加了速度并提高了灵活性。 MySQL 是开源的，目前隶属于 Oracle 旗下产品。 MySQL 支持大型的数据库。可以处理拥有上千万条记录的大型数据库。 MySQL 使用标准的 SQL 数据语言形式。 MySQL 可以运行于多个系统上，并且支持多种语言。这些编程语言包括 C、C++、Python、Java、Perl、PHP、Eiffel、Ruby 和 Tcl 等。 MySQL 对 PHP 有很好的支持，PHP 是很适合用于 Web 程序开发。 MySQL 支持大型数据库，支持 5000 万条记录的数据仓库，32 位系统表文件最大可支持 4GB，64 位系统支持最大的表文件为8TB。 MySQL 是可以定制的，采用了 GPL 协议，你可以修改源码来开发自己的 MySQL 系统。

2024-01-27

该方案作为一套多功能的后台框架模板，适用于绝大部分的后台管理系统开发基于 Vue3 + pinia + typescript

该方案作为一套多功能的后台框架模板，适用于绝大部分的后台管理系统开发。基于 Vue3 + pinia + typescript，引用 Element Plus 组件库，方便开发。实现逻辑简单，适合外包项目，快速交付。功能 Element Plus vite 3 pinia typescript 登录/注销 Dashboard 表格 Tab 选项卡表单图表富文本/markdown编辑器图片拖拽/裁剪上传权限管理三级菜单自定义图标

2024-01-27

深度学习GAN相关毕业设计项目&写作技巧&答辩ppt

基于生成式对抗网络的图像风格迁移研究答辩ppt

2024-01-27

网页版拳皇KOF-practice

实现了一个网页版本的简易拳皇可以实现上下左右并进行攻击具体内容请参考博客：https://yanyuchen.blog.csdn.net/article/details/124362600

2024-01-27

自然语言处理学习笔记nlp-tutorial

自然语言处理（Natural Language Processing，NLP）是计算机科学、人工智能和语言学领域的一个交叉学科，主要研究如何让计算机能够理解、处理、生成和模拟人类语言的能力，从而实现与人类进行自然对话的能力。通过自然语言处理技术，可以实现机器翻译、问答系统、情感分析、文本摘要等多种应用。随着深度学习技术的发展，人工神经网络和其他机器学习方法已经在自然语言处理领域取得了重要的进展。未来的发展方向包括更深入的语义理解、更好的对话系统、更广泛的跨语言处理和更强大的迁移学习技术。

2024-01-27

程序员简历模板，简洁明了，逻辑结构清晰

北京XXX java大数据工程师— 2013.4月-2015.12月1、负责实时流消息处理应用系统构建和实现在调研了kafka的优势和我们的具体需求之后,用kafka作为消费者,保证高吞吐处理消息,并持久化消息的同时供其它服务使用,进行了系统的设计和搭建使用。本地日志保证消息不丢失,并通过记录游标滑动重复读取数据。使用storm 负责搭建消息处理架构,并完成基于业务的消息落地,提供后续的数据统计分析实时和离线任务,诸如pv、uv等数据,为运营做决策网站用户行为埋点和基于js的日志收集器开发,定义接又和前端部门配合。主用go 2、hadoop集群搭建和数据分析处理2、基于CDH的集群搭建工作,后期进行维护编写MapReduce程序,能将复杂工作逻辑化,尽最大能力发挥大数据应用的特点, 对程序高要求,监控自己程序运行情况,使用内存合理,注重增量

2024-01-26

2020年美赛D题2020-ICM-Problem-D

美国大学生数学建模竞赛（MCM/ICM），简称“美赛”，由美国数学及其应用联合会主办，是最高的国际性数学建模竞赛，也是世界范围内最具影响力的数学建模竞赛，一般也指数学建模竞赛。赛题内容涉及经济、管理、环境、资源、生态、医学、安全、等众多领域。竞赛要求三人（本科生和研究生均可参加）为一组，在四天时间内，就指定的问题完成从建立模型、求解、验证到论文撰写的全部工作，体现了参赛选手研究问题、解决方案的能力及团队合作精神。为现今各类数学建模竞赛之鼻祖。 MCM/ICM 是 Mathematical Contest In Modeling 和 Interdisciplinary Contest In Modeling 的缩写。MCM 始于 1985 年，ICM 始于 1999 年，由 COMAP（the Consortium for Mathematics and Its Applications，美国数学及其应用联合会）主办，得到了 SIAM，NSA，INFORMS 等多个组织的赞助。MCM/ICM 着重强调研究和解决方案的原创性、团队合作、交流及结果的合理性。

2024-01-26

遗传算法求解最优解最大值项目.zip

课程设计：遗传算法求解最大值遗传算法（Genetic Algorithm，简称GA）是一种最基本的进化算法，它是模拟达尔文生物进化理论的一种优化模型，最早由J.Holland教授于1975年提出。遗传算法中种群每个个体都是解空间上的一个可行解，通过模拟生物的进化过程，从而在解空间内搜索最优解。首先，让我们刷新自己的记忆，试着理解一下达尔文提出的自然选择。这个理论很简单：物种想要生生不息，就得持续自我提升，适者才能生存。种群中最优秀的特质应该传递给后代，而其他个体也不能被遗忘，这样才能维持一定的多样性，自然环境发生变化时才更容易适应。这是遗传算法的理论基础。

2024-01-26

第16届智能车规则.pdf

全国大学生智能汽车竞赛是一项以“立足培养、重在参与、鼓励探索、追求卓越”为指导思想，面向全国大学生开展的具有探索性的工程实践活动。它以设计制作在特定赛道上能自主行驶且具有优越性能的智能模型汽车这类复杂工程问题为任务，鼓励大学生组成团队，综合运用多学科知识，提出、分析、设计、开发并研究智能汽车的机械结构、电子线路、运动控制和开发与调试工具等问题，激发大学生从事工程技术开发和科学研究探索的兴趣和潜能，倡导理论联系实际、求真务实的学风和团队协作的人文精神。

2024-01-22

蓝桥杯标准模板.zip

蓝桥杯单片机标准模板.。蓝桥杯单片机组考察数模电和单片机的知识，c语言也涉及到一点，30分的客观70分的主观。客观题部分主要由数模电c语言单片机的基础知识为主，一共十道，数模电会有5-6道，单片机有3-4道，可能还会有一道c语言的语法题。数模电考察的很基础，基本是书本上的重点知识，而单片机的部分则可以通过查资源数据包中的芯片手册来解答，建议备赛时把芯片手册都过一遍。比赛一共5小时，早9点到下午2点，时间分配基本上是30分钟的客观题，四个半小时的主观题。在省赛时，这个时间肯定是够的，但是国赛时就不太够了，平时练习时要注意速度。比赛固定赛点，如果自己学校没有申请成为赛点的话，那么就得去别的学校比赛，省赛会在省内比，而国赛原则上是要去北京比，但是这两年因为疫情原因，都改为了省内比赛。赛场是无网络环境，会发一个资源数据包，内含原理图，烧写软件，芯片手册等等，比赛时用官方发的单片机板子，提交答案时，需要将整个单片机工程文件压缩后上传。

2024-01-22

java面经文档、技术要点或面试编程题资源

Java是一种高级的面向对象的程序设计语言，它具有广泛的应用和强大的跨平台特性。Java语言于1995年由Sun公司推出，由Java之父詹姆斯高斯林设计。Java的设计目标是提供一种易学易用、功能强大的编程语言，使开发人员能够快速开发可靠的应用程序。 Java的跨平台特性是其最显著的特点之一。Java程序可以在任何计算机、操作系统和支持Java的硬件设备上运行。这意味着开发人员只需编写一次代码，就可以在多个平台上运行，大大提高了开发效率和应用程序的可移植性。 Java的应用领域非常广泛。它被广泛用于开发Web应用程序、企业级应用程序、移动应用程序、嵌入式系统和消费类电子产品等。Java提供了丰富的类库和工具，使开发人员能够快速构建各种类型的应用程序。 Java语言具有面向对象的特性，包括封装、继承和多态。这些特性使得Java程序具有良好的可维护性、可扩展性和代码重用性。同时，Java还提供了自动内存管理和异常处理机制，使开发人员能够更轻松地编写高质量的代码。总之，Java是一种功能强大、易学易用、具有广泛应用和强大跨平台特性的编程语言。它的设计目标是提供一种高效的开发工具，使

2024-01-22

vue面试题面试集锦01.md

以下是关于Vue面试题的回答： 1. v-on可以监听多个方法，但是同一种事件类型的方法，vue-cli工程会报错。这是因为在Vue中，同一种事件类型只能绑定一个方法。如果需要绑定多个方法，可以使用一个方法来调用其他方法。 2. 在Vue中编写可复用的组件的思路是将组件的逻辑和样式封装在一个单独的.vue文件中。这个文件包含了组件的模板、样式和逻辑。通过使用Vue的组件系统，可以在其他地方多次使用这个组件。 3. MVVM是Model-View-ViewModel的缩写，是一种软件架构模式。在Vue中，M代表数据模型（Model），V代表视图（View），VM代表视图模型（ViewModel）。Vue通过数据绑定和响应式系统实现了数据模型和视图之间的自动同步。 4. Computed属性是Vue中的一个特性，它可以根据依赖的数据动态计算出一个新的值，并将这个值缓存起来。当依赖的数据发生变化时，Computed属性会重新计算并更新。这个特性可以用来处理一些需要根据数据动态计算的逻辑，例如根据输入框的值计算出一个结果。

2024-01-22

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

纵断面-记录和计算工程项目中特定区域的纵断面特性.xlsx

逐桩坐标表直线段.xlsx

逐桩坐标表曲线段 方位角.xlsx

逐桩坐标表-用于记录和存档工程项目中的详细地理位置信息.xlsx

直线、曲线及转角表.xlsx

土石方数量计算表.xlsx

土方计算表-用于土木工程项目中的土地移动量计算.xlsx

高等路基设计表.xlsx

铁路轨道不平顺分析与预测（完整数据与代码）

大创经验分享&项目资源&代码程序资源

ACM/NOI/CSP比赛经验分享&代码程序资源：深度优先搜索

ACM/NOI/CSP比赛经验分享&代码程序资源:基本算法贪心

大创经验分享&项目资源&代码程序资源：模型车牌生成器

图像风格迁移研究数据集，提供一幅画将任意一张照片转化成这个风格

电赛历年试题&经验分享&代码程序资源：2020年电赛A题代码

MySQL-Notes学习笔记

该方案作为一套多功能的后台框架模板，适用于绝大部分的后台管理系统开发 基于 Vue3 + pinia + typescript

深度学习GAN相关毕业设计项目&写作技巧&答辩ppt

网页版拳皇KOF-practice

自然语言处理学习笔记nlp-tutorial

程序员简历模板，简洁明了，逻辑结构清晰

2020年美赛D题2020-ICM-Problem-D

遗传算法求解最优解最大值项目.zip

第16届智能车规则.pdf

蓝桥杯标准模板.zip

java面经文档、技术要点或面试编程题资源

vue面试题面试集锦01.md

08.如何分析开源项目.md

07.SpringCloud.md

06.SpringBoot.md

05.SSM整合.md

04.SpringMVC.md

03.Spring入门.md

02.SSM框架之Mybatis.md

01.JavaWeb入门.md

java学习：索引.md

java学习：01.设计模式.md

java学习：01.JUC.md

01.Vue学习笔记.md

java学习：01.ElasticSearch入门.md

空空如也

逐桩坐标表曲线段方位角.xlsx

该方案作为一套多功能的后台框架模板，适用于绝大部分的后台管理系统开发基于 Vue3 + pinia + typescript