2019-12-05 10:18
利用业余时间写了个简单的项目，使用react+node.js做的一个全栈实践项目，前端参考了[React-Admin-Starter](https://github.com/veryStarters/react-admin-starter)这个项目，这个项目的自动配置路由，自动页面骨架的思路很新颖。后端是node.js+express提供接口访问，最主要的内容是mysql.js的使用和使用nginx反向代理来跨域。...
2019-12-05 10:29
原理：空间后方交会是以单幅影像为基础，从该影像所覆盖地面范围内若干控制点的已知地面坐标和相应点的像坐标量测值出发，根据共线条件方程，解求该影像在航空摄影时刻的外方位元素Xs，Ys，Zs，φ，ω，κ。
算法：由于每一对像方和物方对应点可列出2个方程，因此若有3个已知地面坐标的控制点，则可列出6个方程，解求6个外方位元素的改正数△Xs，△Ys，△Zs，△φ，△ω，△κ。实际应用中为了提高解算精度，常有多余观测方程，通常是在影像的四个角上选取4个或均匀地选择更多的地面控制点，因而要用最小二乘平差方法进行计算。
...
2019-12-05 10:00
函数式编程（Functional Programming）是一种编程风格，它是相对于指令式编程风格而言的，常见的面向对象编程就是指令式编程风格。
指令式编程是面向计算机硬件的抽象，有变量（对应着存储单元），赋值语句（获取、存储指令），表达式（内存引用和算术运算）和控制语句（跳转语句）。
而函数式编程是面向数学的抽象，将计算描述为一种表达式求值。这里的函数实际就是数学中的函数，即自变量到因变量的映射。也就是说，一个函数的值仅决定于函数参数的值，不依赖其他状态。
函数式编程是一种抽象程度很高的编程范式，纯粹的函数式编程语言编写的函数没有变量，因此，任意一个函数，只要输入是确定的，输出就是确定的，这种纯函数我们称之为没有副作用。而允许使用变量的程序设计语言，由于函数内部的变量状态不确定，同样的输入，可能得到不同的输出，因此，这种函数是有副作用的。
...
2019-12-05 10:31
之前的项目一直是单节点，这次在生产系统中使用了负载均衡，一个应用部署了两个节点，负载均衡策略未知。这样在使用时发现了这么一个问题：在单点退出后，应用有时候可以退出，但有时还在登陆状态，这就很郁闷了。...
2019-12-05 10:59
所有权是 rust 语言独有的特性，它保证了在没有垃圾回收机制下的内存安全，所以理解 rust 的所有权是很有必要的。接下来，我们来讨论所有权和它的几个特性：借用、切片和内存结构。
什么是所有权
Rust 的核心特性是所有权。各种语言都有它们自己管理内存的方式，有些是使用垃圾回收机制，有些是手动管理内存，而 rust 使用的是所有权机制来管理内存。
所有权规则
所有权规则如下：
rust 中的每个值都有一个自己的变量。
rust 值在同一时间只能绑定一个变量。
变量超出作用域，值会自动被销毁。
...
2019-12-05 10:19
一、概述在数据分析中，我们经常讨论如何才能从数据中进行挖掘和分析出其中有价值的地方。一直是每一个学习机器学习和数据挖机的从业人员，不得不思考的问题。如果用DIKW体系讨论 数据、信息、知识、智慧之间的关系，我们可以从下图清洗的看到每一层之间的逻辑关系。...
2019-12-05 10:51
本文源码：GitHub·点这里 || GitEE·点这里
一、Spring事务管理
1、基础描述
Spring事务管理的本质就是封装了数据库对事务支持的操作，使用JDBC的事务管理机制,就是利用java.sql.Connection对象完成对事务的提交和回滚。
Connection conn = DriverManager.getConnection();
try {
// 自动提交设置为false
conn.setAutoCommit(false);
// 执行增删改查操作
...
2019-12-05 10:59
所谓图像风格迁移，是指利用算法学习著名画作的风格，然后再把这种风格应用到另外一张图片上的技术。著名的图像处理应用Prisma是利用风格迁移技术，普通用户的照片自动变换为具有艺术家风格的图片。
一、图像风格迁移的原理
1、原始图像风格迁移的原理
在学习原始的图像风格迁移之前，可以在先看看ImageNet图像识别模型VGGNet（微调(Fine-tune)原理）。事实上，可以这样理解VGGNet的结构：前面的卷积层是从图像中提取“特征”，而后面的全连接层把图片的“特征”转换为类别概率。其中，VGGNet中的浅层（如conv1_1，conv1_2），提取的特征往往是比较简单的（如检测点、线、亮度），VGGNet中的深层（如conv5_1，conv5_2），提取的特征往往比较复杂（如有无人脸或某种特定物体）。
...
2019-12-05 10:38
1、概述hdfs文件系统主要设计为了存储大文件的文件系统；如果有个TB级别的文件，我们该怎么存储呢？分布式文件系统未出现的时候，一个文件只能存储在个服务器上，可想而知，单个服务器根本就存储不了这么大的文件；退而求其次，就算一个服务器可以存储这么大的文件，你如果想打开这个文件，效率会高吗...
2019-12-05 10:01
今天 .net core 3.1 正式发布了，.net core 3.1 正式版已发布，3.1 主要是对 3.0 的 bug 修复，以及一些小优化，而且作为 LTS 版本，建议大家升级。值得一提的是.net core 2.2 这个月就要寿终正寝了，微软将不再提供支持，如果你在使用 2.2 ，强烈建议升级到 3.1，如果在使用 2.1，尤其是公司项目，可以暂时不用着急升级，2.1也是 LTS 版本
总体来说，从 .net core 3.0 更新到 .net core 3.1 还是比较简单的，并没有遇到什么问题
...
2019-12-05 09:33
工作中难免会遇到各种各样的 bug，对于开发环境 or 测试环境的问题还好解决，可以使用 gdb 打断点或者在代码中埋点来定位异常;但是遇到线上的 bug 就很难受了，由于生产环境不能随意替换、中断程序，如果日志中找不到问题原因，解决问题就会很棘手...
2019-12-05 09:38
回到顶部
1. 引言
SVM，Support Vector Machine，也就是我们中文名的支持向量机，我相信，只要是与机器学习有过照面的童鞋或多或少都听说过这个名字。作为机器学习家族中的老牌成员，其经典自不必说。从原理和特性上讲，SVM属于有监督学习中线性二分类中的一员，基本思想就是采用最大化间隔策略寻找一个最优决策超平面将所有样本点划分到平面两侧，实现对数据的分类。
注意几个关键词：线性、二分类、最大化间隔。这么一说，你可能会以为SVM算法只能用于线性可分问题和和二分类问题中，然而，事实却是SVM算法在非线性和多分类场景中有卓越表现，这并不矛盾，至于原因，下文中会陆续解答。
...