- 博客(26)
- 收藏
- 关注
RSS订阅原创 OpenCV——图像细化算法
查表法中，由于输入的图像是一张二值图，将其归一化为像素值只有0和1的图像，然后对其进行卷积操作。具体卷积操作为将目标点的八领域和卷积进行点乘，接着将所有值相加即可得表的索引M，下一步用索引值M去找表中对应的值，对应的值为0或1，就把目标点的像素值修改为0或1，其中1为不可删除点，0位可删除点。在串行算法中，通过在每次迭代中用固定的次序检查像素来判断是否删除像素，在第n次迭代中像素p的删除取决于到执行过的所有操作，也就是必须在第(n-1)次迭代结果和第n次检测像素的基础之上进行像素删除操作；.........
2022-07-29 22:11:00
4902
7
原创 qt:cannot open C:\Users\某某某\AppData\Local\Temp\main.obj.15576.16.jom for write
一、问题描述运行QT时遇到：cannot open C:\Users\某某某\AppData\Local\Temp\main.obj.15576.16.jom for write二、产生原因这是英文QT不支持中文路径 运行QT时，用到了这个目录C:\Users***\AppData\Local\Temp 这是系统的一个临时文件，这个文件路径有中文就会报错三、解决方案找到工具—>选项—>构建和运行—>把使用jom代替nmake前的√去掉运行成功...
2021-12-07 09:15:00
1873
3
原创 VS2017连接MYSQL
通过两步实现 VS2017连接MYSQL。第一步：配环境；第二步：代码实现一、环境配置二、连接测试三、代码实现四、结果展示五、扩展一、环境配置第一步：属性管理器—>属性—>C/C+±–>常规—>附加包含目录（添加mysql下的include文件夹的路径）第二步：链接器—>常规—>附加库目录，把mysql文件里的lib文件的路径添加进去第三步：链接器—>输入—>附加依赖项，将libmysql.lib写入第四步：把静态库libmysql.l
2021-12-06 08:45:00
1917
原创 VS通过ODBC连接MYSQL(二)
上篇博客我们分享了配置步骤，这篇将分享如何通过代码读取数据一、结果展示二、代码分享一、结果展示如果你想得到类似我这样的数据，接下来我的代码或许对你有所帮助二、代码分享#include<windows.h>#include<iostream>#include <assert.h>#include<sql.h>#include <sqlext.h>using namespace std;int main() { SQLHEN
2021-12-05 17:26:56
1347
原创 VS通过ODBC连接MYSQL（一）
VS通过ODBC连接MYSQL，分为两步：第一步，ODBC连接MYSQL；第二步，VS连通ODBC一、ODBC连接MYSQL1 进入控制面板—>系统与安全—>管理工具—>ODBC数据源（64位）2 选择个人DSN或者系统DSN,点击添加ODBC驱动驱动需要提前下载好，如果没有下载，官网：https://dev.mysql.com/downloads/connector/odbc/选择版本是64位还是32位，下载下来进行安装即可3Data Source Name...
2021-12-05 16:56:19
4740
6
原创 VTK环境配置
一、问题描述当我们安装好VTK，运行vtk-install目录下的VTK.sln解决方案中的Cone项目，运行方式在Cone上点击右键并选择“设为启动项目”。接着会看到一个圆锥一闪而过，这是正常的。但是当我们新建一个项目的时候，把之前的代码拷贝过来，同样的代码却不能运行，这是为什么呢？二、解答思路一闪而过的那个项目的环境是是系统自带、配好了的，接下来新建的项目，需要我们重新配置环境。三、解决方案1.首先我们要回忆一下，一个叫做vtk-prefix的目录，现在打开vtk-prefix目录，里面就会
2021-07-09 11:22:24
1915
3
原创 VTK：Could not locate vtkTextRenderer object.
VTK修炼笔记—报错： Could not locate vtkTextRenderer object.一.问题描述当我在进行图片处理时，需要获取图片像素位置。运行项目，发现只有图片，没有相关文字信息，并且报了以下错误：Could not locate vtkTextRenderer object. required by Tomcat v9.0 Server at localhost
Several ports (8005, 8080, 8009) required by Tomcat v9.0 Server at localhost问题：Tomcat服务器的端口被占用解决：方法1：win+R 进入cmdnetstat -ano1）在本地地址所在列找到8080对应的PID号(如果在第二列找不到8080端口，见方法二）2）进入任务管理器，选择服务找到PID列中的对应进程，右键停止服务3）重启Eclipse方法2：直接关掉电脑上打开的其它软件，重启Eclipse
2021-05-06 11:22:02
2610
原创 如何修改数据库密码
修改数据库密码第一步：以管理员身份运行命令提示符第二步：找到mysql当前目录，复制（如我的路径是： C:\Program Files\MySQL\MySQL Server 5.5\bin）第三步：通过输入命令 cd+路径 进入mysql的bin目录第四步：输入命令 mysql -u root -p 指定用户登录mysql，输入后会提示输入密码，输入原来的密码即可第五步：输入命令： set password for root@localhost = password(‘root’) ;修改
2021-03-07 10:06:00
5805
原创 Navicat从本地文件中导入sql文件
Navicat从本地文件中导入sql文件1.在navacat中新建与本地sql文件相同名字的数据库2.Navicat下，右键运行sql文件，文件后 选择sql文件本地地址，注意：第二个，不要勾选。3.点击开始，就可以完成运行了，重启Navicat....
2021-01-07 08:56:37
551
原创 Nmap的下载与安装
Nmap的下载与安装 Nmap是一款开源免费的网络发现（Network Discovery）和安全审计（Security Auditing）工具。软件名字Nmap是Network Mapper的简称。Nmap最初是由Fyodor在1997年开始创建的。随后在开源社区众多的志愿者参与下，该工具逐渐成为最为流行安全必备工具之一。一般情况下，Nmap用于列举网络主机清单、管理服务升级调度、监控主...
2020-04-23 15:51:49
4282
1
原创 禅道安装及使用教程
一 禅道的下载与安装1.禅道下载，下载解压（https://www.zentao.net/download/80151.html）（ 注意：xampp文件要双击解压到某一个分区的根目录，比如d:\xampp,或者c:\xampp,必须是根目录）2.解压完打开文件夹xampp,点击start.exe3.启动启动弹道4.改端口号，点击服务，点击配置端口图中apache端口可用默认端口8...
2020-03-13 14:46:27
14540
1
原创 Vue.js安装步骤详解
Vue.js安装步骤详解1.安装node.js从node.js官网下载安装包。官网地址：官网地址：https://nodejs.org/en/下载圆圈中的这个大多数人选择的版本就行。右边那个是最新的版本，不推荐。下载过程：一直点击next就行了。可以自己更换存储路径。1.1 打开命令提示符工具（win+R）.查看node的版本号（node -v）。出现的版本有可能不同也没关系。1...
2019-11-13 18:40:22
321
原创 朴素贝叶斯文本分类（代码实现）
朴素贝叶斯算法实现案例1.概述要介绍朴素贝叶斯算法(Naive Bayes)，那就得先介绍贝叶斯分类算法，贝叶斯分类算法是统计分类算法的一种，他是一类利用概率统计知识进行的一种分类算法。而朴素贝叶斯算法就是里面贝叶斯算法中最简单的一个算法。为什么叫做朴素贝叶斯，因为他里面的各个类条件是独立的，所以一会在后面的计算中会起到很多方便的作用。注：朴素的意思是条件概率独立性2.算法思想朴素贝叶斯...
2018-12-18 10:47:59
4779
原创 JS写一段代码，判断一个字符串中出现次数最多的字符串，并统计出现的次数JS
javascript 写一段代码，判断一个字符串中出现次数最多的字符串，并统计出现的次数运行代码如下运行结果
2018-10-31 11:02:40
6835
原创 softmax函数详解
softmax的理解1.什么是softmax?我们知道Logistic回归只能进行二分类，因为它的随机变量的取值只能是0或者1，那么如果我们面对多分类问题怎么办？比如要将一封新收到的邮件分为垃圾邮件，个人邮件，还是工作邮件；根据病人的病情预测病人属于哪种病；对于诸如此类问题都涉及到多分类，那么今天要讲的softmax回归能解决这类问题。softmax的输出向量其实就是概率，为样本在某个类...
2018-10-26 01:04:59
2464
原创 多元线性回归方程原理及其推导
多元线性方程原理及推导概念1.在统计学中，线性回归方程是利用最小二乘函数对一个或多个自变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归，大于一个自变量的情况叫多元回归。2.在线性回归中，数据使用线性预测函数来建模，并且未知的函数模型参数也是通过数据来估计。这种模型被叫做线性模型。最常用的线性回归建模是给定的X的条件下y...
2018-10-21 14:19:22
52926
2
原创 为数学而歌之伯努利家族
为数学而歌之伯努利家族这是一个身负盛名的家族，从17世纪后半叶至20世纪30年代，伯努利家族中近半数是优秀人才，他们涉及的领域有力学，天文学，其中有数十位著名数学家家族背景人才辈出的伯努利家族（17~18世纪）Bernoulli family，...
2018-10-14 22:03:30
1601
原创 机器学习——认识最大似然估计
最大似然估计1.问题引出最大似然估计是一个重要而普遍的求估计量的方法。如果刚开始学这个的同学直接去百度词条看概述，可能还是不太明白其含义。所以我将用一个例子来说明这个方法：如图：有两个相同盒子，甲中有太阳99个，月亮1个；乙中有太阳1个，月亮99个。现在，从一个盒子中取出一个玩具，取出的玩具是月亮。问：月亮是从哪个盒子中取出的？大家的第一想法就是：“这个月亮是从乙盒中取出的”，这个经验...
2018-10-07 14:23:55
519
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