Dijkstra's Monk-ey-CSDN博客

原创 python数据分析和数据可视化总结

python数据分析和数据可视化总结数据分析数据和信息什么是数据分析数据分析的目的数据分析过程Numpy和Pandas如何利用Pandas读取文件如何利用Pandas写入数据到新文件使用jieba提炼关键字词jieba分词有三种模式textrank算法数据可视化matplotlib的使用数据分析数据和信息数据和信息，两个词词义很接近，但其实并不能等同。数据是信息的载体，是对客观事物的符号表示，指能输入到计算机中并能被计算机接受处理的各种符号集合的统称。数据实际上不同于信息，至少在形式上不一样。什么

2021-03-13 11:09:45 12999 4

原创 SpringBoot学习笔记-S2

SpringBoot中的常见注解 `@RequestBody` `@RestController` @Controller `@Validated`： JWT(JSON Web Token)的使用 ThreadLocal的使用功能意义拦截器工具类 MyBatis中#{ }和${ }的区别 `#{ }`和`${ }`均是MyBatis的占位符。配置MyBatis时的常见问题及解决方案 Failed to configure a DataSource Caused by: org.springframe

2024-04-05 19:19:43 743

原创 Vue学习笔记-S1

# 1 什么是VueVue是一款用于构建用户界面的渐进式JavaScripte框架，可基于数据渲染用户页面.## 1.1 Vue的知识架构 - Vue核心包：声明式渲染、组件系统 - Vue构建：客户端路由、状态管理、构建工具 - 局部使用Vue：快速入门、常用指令、生命周期 - 整站使用Vue：Vue项目构建工具、目录结构、开发流程、Element-Plus - 大前端项目：客户端路由、状态管理

2024-04-05 18:36:47 774

原创 Pandoc：LaTex转Word的神器

Pandoc是一个免费、开源的文档转换工具，用于在不同的文档格式之间进行转换。Pandoc支持多种输入和输出格式，使得用户可以轻松地在不同的文档类型之间进行转换。Pandoc支持多种输入和输出格式，包括但不限于MarkdownHTMLLaTeXDocBookEPUBMediaWiki标记语言等。Pandoc提供了一个强大的命令行工具，使得用户可以在终端中使用Pandoc进行文档转换，适用于自动化和批处理任务。Pandoc 支持通过过滤器（Filters）和自定义 Writer/Reader扩展其功能。

2024-03-11 22:22:17 1393

原创 SpringBoot学习笔记-S1

SpringBoot中快速生成实体类和getter/setter的方式；逆向工程；lombok依赖；找不到对应的数据源配置；找不到mapper对应的Bean对象；MyBatis/MyBatis-Plus相关配置问题

2024-03-05 15:42:36 653

原创 Linux下搭建Serv-U ftp服务器

Linux搭建Serv-U ftp服务器；排查某个端口是否被占用；Linux设置防火墙允许通过某个端口；Windows设置防火墙出站规则；VScode连接远程服务器；VScode中的ssh连接配置；Linux中Serv-U ftp的下载与安装；Linux中的解压命令；lsof命令的使用

2023-07-05 15:39:40 1627 2

原创输入两行，第一行为一个整数，表示第二行数组的总长度；第二行的数组各元素之间由空格分割，如何用java实现这两行输入？

今天练一个最简单基础的：输入两行，第一行为一个整数，表示第二行数组的总长度；第二行的数组各元素之间由空格分割，如何用java实现这两行输入？先不看输出要求和输出示例，假如输出的要求是将输入示例原封不动地输出，即检验一下输入赋值的操作是否正确，应该怎么实现呢？方法会根据行匹配模式去判断接下来是否有一行（包括空行），如果有，则返回。方法会判断接下来是否有非空字符。2. 如何将字符串数组的逐元素转为整型?

2023-02-28 10:36:49 1304

原创 pytorch如何去掉某个不为1的维度

pytorch中，torch.squeeze()只能去掉维数为1的维度，即指定压缩第n维，如果它的维数为1，则压缩，反之不对该维度操作。那我们怎么才能去掉维数不为1的维度呢？这里讲了一下torch.narrow()的用法，以及调试深度学习模型数据输入维度的经验分享。

2023-01-06 14:52:26 2773 2

原创前端框架Angular学习笔记

Angular框架的环境搭建、基本操作、组件介绍、事件绑定等，根据大地老师视频做的笔记

2022-07-14 21:03:33 1303 1

原创并行计算和联邦学习的关系、Linux下Fate框架进行联邦学习

并行计算和联邦学习、FATE框架进行联邦机器学习

2022-06-24 15:22:10 1680

原创基于深度学习的声音事件定位与检测-SELD_net_questions

SELD-net实验问题梳理源代码调试时遇到的错误及解决seld-net原版代码：https://gitee.com/karas1/seld-net拿到源代码后，按照readme.md文件中的提示尝试运行，发现出现了很多问题，这里总结了一下解决方案。1、整型变量问题运行的时候提示DataType数据类型不匹配，原因是调用含整数参数的方法时，没有声明赋给的参数时整数值。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tqobCGjS-1636512123288)(ht

2021-11-11 14:32:50 2383

原创卷积神经网络CNN学习笔记

卷积神经网络层次输入层INPUT：图像的像素值作为输入。卷积层CONV：卷积计算层（核心），卷积层连接输入的一个小区域，并计算卷积核与对应的输入小区域之间的点乘作为输出。池化层POOL：取区域平均或最大。在空间维度（W，H）上执行一个降采样的操作。全连接层FC：在分类任务中将计算每个类别对应的分数，和普通神经网络一样，FC层的每个神经元都将与其一层的输出相连。

2021-10-08 20:42:49 552

原创敢不敢尝试自己写个安全扫描器（java）

敢不敢尝试用java自己写个安全扫描器年少轻狂的博主毕设题目选择了“网络扫描器的设计与实现”,不料看似简单的题目，却隐藏着一个个巨大的难题。对于菜鸟博主而言，这无疑是一次顶着延毕风险的挑战！然而庆幸的是虽然存在好多功能缺陷、代码bug数不清，最终还是浑水摸鱼通过了毕业考核。无论如何，该毕设项目还是倾注了菜鸟博主很多心血的，所以还是斗胆在这里分享一下吧，也欢迎各位大佬在评论区指正批评哦~毕业设计B/S架构SSM框架java选题背景一、环境配置要求硬件环境软件环境二、系统简要说明1.

2021-07-11 13:53:26 899 4

转载 Linux中GCC与GDB 常用命令详解

GCC和GDB 常用命令详解GCC常用的选项GDBLINUX下编程，少不了和GCC,GDB打交道，现在总结下常用命令，掌握这些足够用了。GCC常用的选项选项语义-o指定生成的输出文件-E仅执行编译预处理gcc的-E选项，可以让编译器在预处理后停止，并输出预处理结果。-S将C代码转换为汇编代码gcc的-S选项，表示在程序编译期间，在生成汇编代码后停止-wall显示警告信息-c生成目标文件（.o），仅执行编译操作gcc -o test test.

2021-03-14 09:28:25 770

原创 C语言和C++读写文件操作汇总

目录C语言读文件常用操作方式一：用 feof()判断结束条件方式二：用 EOF判断结束条件方式三：另一种用 EOF判断结束条件方式四：用fscanf()按格式读入C语言写文件常用操作方式一：用fputc()方法方式二：用 fprintf()格式化输出C++读写文件常用操作C语言读文件常用操作方式一：用 feof()判断结束条件（首种方式列出完整代码。后面几种方式只写文件操作的核心代码）案例：读取test1.txt文件内容并在控制台输出#include<stdio.h>int mai

2021-03-10 20:34:13 1294

原创 C/C++统计一串数字中出现频率最高的数及其出现次数

任意输入N个正整数，输出其中出现频率最高的数，及其出现次数；如果有两个相同频率的数，则输出出现频率最少的那个数，及其出现次数。

2021-03-09 11:03:23 5922

转载大数据分析解读计算机就业问题

大数据解读计算机系就业问题在读二年级的时候，我们“达拉崩吧”团队设计实现了基于大数据的智能招聘分析平台。根据合法的数据进行数据的实时分析，为用户提供应聘信息和求职服务，分为移动端和PC端。提供服务：多维数据分析、数据预测、数据对比，精准、高效地数据推送，对职位信息进行智能分类。我负责的任务并不多，毕竟队友都是大佬，我可以说是“躺鸡”了（哈哈哈）。我的任务：数据库的设计、利用python进行数据分析和的可视化和较简单的推测。文章目录大数据解读计算机系就业问题前言一、pandas是什么？二、使用步骤1.引入

2021-03-08 11:41:20 650

原创 java-GUI实现汽车租赁管理系统

java-GUI实现汽车租赁管理系统孔子曰：“温故而知新”。大二时做的一个项目，现对其进行回顾、评价、找不足，后续会进行完善和改进工作一、问题描述二、基本要求三、设计思想四、数据库结构五、功能实现及主要代码孔子曰：“温故而知新”。大二时做的一个项目，现对其进行回顾、评价、找不足，后续会进行完善和改进工作一、问题描述在java开发环境下，使用程序设计实例选讲课程的内容，编程实现“汽车租赁管理系统”。要求自行设计图形界面，对用户所填信息进行规定、采集和保存，并掌握Java数据库编程的基本步骤，通过jdbc

2021-03-07 11:39:11 6269 19

原创 java蓝桥算法提高字符串压缩问题

资源限制时间限制：1.0s 内存限制：256.0MB问题描述　　编写一个程序，输入一个字符串，然后采用如下的规则对该字符串当中的每一个字符进行压缩：　　(1) 如果该字符是空格，则保留该字符；　　(2) 如果该字符是第一次出现或第三次出现或第六次出现，则保留该字符；　　(3) 否则，删除该字符。　　例如，若用户输入“occurrence”，经过压缩后，字符c的第二次出现被删除，...

2020-04-13 18:20:28 148

原创 java实现好玩的石子游戏——蓝桥入门

资源限制时间限制：1.0s 内存限制：256.0MB问题描述　　石子游戏的规则如下：　　地上有n堆石子，每次操作可选取两堆石子（石子个数分别为x和y）并将它们合并，操作的得分记为(x+1)×(y+1)，对地上的石子堆进行操作直到只剩下一堆石子时停止游戏。　　请问在整个游戏过程中操作的总得分的最大值是多少？输入格式　　输入数据的第一行为整数n，表示地上的石子堆数；第二行至第n+1...

2020-04-11 18:05:12 348

原创 java蓝桥杯简单题“最大获利”：别越界就ok！

说来惭愧啊，学编程好久了，各种搜刮大佬们给予的资源，却很少分享，毕竟自己太菜。。。但是毕竟还是得迈出第一步，今天不顾大咖们笑话，俺也想开始写博客了。长话短说，咱就从蓝桥杯最简单基础的一道练习题开始吧！原题如下：资源限制时间限制：1.0s 内存限制：256.0MB问题描述　　Chakra是一位年轻有为的企业家，最近他在进军餐饮行业。他在各地开拓市场，共买下了N个饭店。在初期的市场调研中...

2020-04-09 15:54:28 366

深度学习Tensorflow逻辑回归多层感知机深度神经网络搭建基础学习

记录了我学习Tensorflow1.1和Keras2.2的深度学习过程。它分别包括使用Tensorflow1.1和Keras2.2搭建简单感知机、逻辑回归、多分类问题、多层感知器(MLP)、深度神经网络等的模型的代码和案例。最后给出了使用Tensorflow搭建深度神经网络的通用模板。适合Tensorflow深度学习的新手进行查阅和入门学习，PyTorch搭建的思路也是一样的，可以借鉴搭建的整体思路。内含Tensorflow和Keras神经网络模型通用搭建模板，Tensorflow建立模型时可直接套用，简单方便

2024-03-30

LaTex转word神器pandoc3.1.12.2及兼容版本插件pandoc-crossref的安装包

内含LaTex转word神器pandoc3.1.12.2及兼容版本插件pandoc-crossref的安装包 Pandoc是由John MacFarlane开发的转换工具，可实现不同标记语言间的格式转换，堪称该领域中的“瑞士军刀”。多格式支持： Pandoc 支持多种输入和输出格式，使用户可以在不同的文档类型之间轻松转换。命令行工具： Pandoc 可以通过命令行进行使用，使其在自动化和批处理任务中非常方便。扩展性： Pandoc 支持通过过滤器（Filters）和自定义 Writer/Reader 扩展其功能。用户可以编写自己的过滤器或读取器以满足特定需求。轻松处理数学公式： Pandoc 对数学公式的支持非常好，可以将 LaTeX 格式的数学公式转换为多种输出格式。代码高亮： Pandoc 支持在输出中进行代码高亮，适用于许多编程语言。交叉引用和标签： Pandoc 支持文档内的交叉引用和标签，有助于生成具有内部链接的文档。模板系统：用户可以使用模板系统自定义输出文档的样式。

2024-03-10

二维和三维图像修复相关论文

视觉Transformer(Vision Transformer, ViT)架构在图像恢复方面取得了显著的成功。有一段时间，卷积神经网络(CNN)在大多数计算机视觉任务中占主导地位。现在，CNN和ViT都是有效的方法，展示了在低质量格式下恢复更好版本图像的强大能力。本研究对ViT在图像恢复中的效率进行了广泛的研究。针对每个图像恢复任务，对ViT体系结构进行了分类。考虑了七个图像恢复任务:图像超分辨率、图像去噪、一般图像增强、JPEG压缩伪影减少、图像去模糊、去除不利天气条件和图像去雾。详细介绍了研究结果、优势、局限性和未来可能的研究领域。总的来说，值得注意的是，在图像恢复的新架构中结合ViT正在成为一种规则。这是由于与CNN相比的一些优势，例如更好的效率，特别是当更多的数据被馈送到网络时，特征提取的鲁棒性，以及更好的特征学习方法，可以更好地看到输入的方差和特征。然而，存在一些缺点，例如需要更多的数据来显示ViT相对于CNN的优势，由于自注意块的复杂性而增加的计算成本，更具挑战性的训练过程以及缺乏可解释性。这些缺点代表了提高ViT在图像恢复领域效率的未来研究方向。

2024-03-06

《Linux就该这么学（第2版）》书籍配套PPT课件资料+Linux系统技术基础

Linux系统技术基础PPT资料，可从零学习Linux基础知识，适合Linux初学者使用（任课教师：刘遄 )，包括为什么要学习Linux系统、动手部署一台Linux操作系统、新手必须掌握的Linux命令、管道符、重定向与环境变量、Vim编辑器与Shell命令脚本、用户身份与文件权限、存储结构与管理硬盘、使用RAID与LVM磁盘阵列技术、使用Iptables与Firewalld防火墙、使用ssh服务管理远程主机、使用Apache服务部署静态网站、使用Vsftpd服务传输文件、使用Samba或NFS实现文件共享、使用Bind提供域名解析服务、使用DHCP动态管理主机地址、使用Postfix与Dovecot部署邮件系统、使用Ansible服务实现自动化运维、使用iSCSI服务部署网络存储、使用MariaDB数据库管理系统、使用PXE+Kickstart无人值守安装服务、使用LNMP架构部署动态网站环境等。

2023-07-30

python学习-联邦学习个性化模型-深度学习-FedTP-通过Transformer实现个性化联合学习

论文《FedTP: Federated Learning by Transformer Personalization》官方所附代码。该论文提出了 FedTP，是一种基于 Transformer 的新型联邦学习框架，具有个性化自我关注功能，能更好地处理客户间的数据异构性。FedTP 为每个客户端学习一个个性化的自我注意层，而其他层的参数则由客户端共享。此外，服务器会学习一个超网络，在自我注意层中生成投影矩阵，以生成客户查询、键和值。这种超网络是在客户端之间共享参数的有效方法，同时还能保持个性化变换器的灵活性。适用于深度学习和联邦学习方面的研究者或爱好者收藏查看。

2023-07-20

《PANN：用于音频模式识别的大规模预训练音频神经网络》

Qiuqiang Kong et al.《PANNs: Large-Scale Pretrained Audio Neural Networks for Audio Pattern Recognition》的翻译版，有目录对照便于查看

2023-01-06

使用深度学习进行海岸线监视的水下声学数据分类方法的综述（翻译版）

《A Survey of Underwater Acoustic Data Classification Methods Using Deep Learning for Shoreline Surveillance》的中文翻译版，有导航栏便于观看。原文：Domingos, Lucas CF, et al. "A survey of underwater acoustic data classification methods using deep learning for shoreline surveillance." Sensors 22.6 (2022): 2181.原文下载链接：https://www.mdpi.com/1424-8220/22/6/2181

2022-08-01

NIPS-2017-attention-is-all-you-need-Paper 中文翻译版

NIPS-2017-attention-is-all-you-need-Paper 中文翻译版有导航目录，看起来很方便

2022-05-18

中国海洋大学2021专业课940真题+答案详解

本资源适用于报考中国海洋大学保密科学专业或电子信息（网络空间安全）方向专业硕士者。答案是个人所做，仅供参考和学习使用！

2021-11-29

毕业设计-网络扫描器的设计与实现.zip

【本科毕业设计项目源码+说明书+PPT】随着当今时代新型网络技术的迅速兴起，以及第三产业的蓬勃发展，互联网早已成为社会生活当中不可或缺的一部分，而网络安全问题也越来越不容忽视，越来越多的黑客通过利用系统漏洞实施安全攻击、偷盗、诈骗等违法行为，这就需要我们利用先进的技术手段去尽早、准确地检测和解决这些安全漏洞和安全隐患。但是上述这些扫描器一般都属于C/S架构，变更不够灵活，维护与管理的难度较大。当然当前也有很多款网页版扫描器，但大多系统功能较为单一，且缺少对用户的管理和扫描结果的保存和处理，仅支持一次性在线扫描。针对这一背景，开发了本系统。本系统的特色主要有以下几个方面。（1）适用于Windows操作系统环境下，采用了B/S架构，用户只需按照要求注册登录即可使用，方便快捷，分布性强，便于维护和管理，可扩展性高。（2）界面较简单、直观、易操作，对系统用户的专业水平要求不高，便于专业知识储备较少的普通用户接受。并且本系统中增设了仿命令行功能，既可以帮助用户实现对本系统功能的快速了解以及快速使用，也可以调动喜爱命令行的使用者的兴趣。（3）系统区分了管理员用户和普通用户，管理员用户拥有较多的特权，实现了较简单的基于角色的访问控制，增强了系统安全性和可管理性。（4）支持用户上传及管理漏洞扫描所用的第三方插件，可以提高漏洞扫描的效率和性能，提高了系统功能的可扩展性。

2021-07-10

TA关注的人

深度学习Tensorflow逻辑回归多层感知机深度神经网络搭建基础学习

LaTex转word神器pandoc3.1.12.2及兼容版本插件pandoc-crossref的安装包

二维和三维图像修复相关论文

《Linux就该这么学（第2版）》书籍配套PPT课件资料+Linux系统技术基础

python学习-联邦学习个性化模型-深度学习-FedTP-通过Transformer实现个性化联合学习

《PANN：用于音频模式识别的大规模预训练音频神经网络》

使用深度学习进行海岸线监视的水下声学数据分类方法的综述（翻译版）

NIPS-2017-attention-is-all-you-need-Paper 中文翻译版

中国海洋大学2021专业课940真题+答案详解

毕业设计-网络扫描器的设计与实现.zip

SoftPerfect Network Scanner.zip

屏幕颜色拾取工具(Colors Pro) v2.3.0.0中文版.zip

Boson NetSim 12.7z

现代欧美风模版.potx

大数据在通信网络规划中的运用_戢运杰.pdf

automobileLeasingManagementSystem.zip

外部参数可控漏洞到底是什么原理？

如何用C/C++找到子串B在子串A中出现的位置（返回整数）？

kali安装pwntools失败